Ultra-short-term multi-step wind speed prediction for wind farms based on adaptive noise reduction technology and temporal convolutional network

要約

風力発電は重要なクリーンで再生可能なエネルギーとして、エネルギー危機や環境汚染に対処する上で重要な役割を果たしています。
しかし、風速の変動性と断続性が風力発電の開発を制限しています。
風力発電の利用率を向上させるために、この研究では、データノイズ低減技術、時間畳み込みネットワーク (TCN)、およびゲート付きリカレント ユニット (GRU) に基づく新しい風速予測モデルを提案します。
まず,特異スペクトル解析(SSA)とピアソン相関係数に基づいて適応データノイズ低減アルゴリズムP-SSAを提案した。
元の風速は SSA によって複数のサブシーケンスに分解され、再構築されます。
再構築されたシーケンスと元のシーケンスの間のピアソン相関係数が 0.99 より大きい場合、他のノイズ サブシーケンスが削除されてデータのノイズ除去が完了します。
次に、TCN の因果畳み込みと拡張畳み込みによりサンプルの受容野を拡張し、風速変化の特性を抽出します。
次に、GRU によってシーケンスの時間特徴情報が抽出され、風速が予測されて P-SSA-TCN-GRU の風速シーケンス予測モデルが形成されます。
提案されたモデルは山東省の 3 つの風力発電所で検証されました。
実験結果は、提案モデルの予測性能が従来のモデルやTCNに基づく他のモデルよりも優れており、高精度で強力な安定性を備えた風力発電所の風速予測が実現されることを示しています。
このモデルによる風速予測は、風力発電所の運営・管理を支えるデータとなる可能性を秘めています。
コードは https://github.com/JethroJames/Wind-Speed-Forecast-TCN_GRU で入手できます。

要約(オリジナル)

As an important clean and renewable kind of energy, wind power plays an important role in coping with energy crisis and environmental pollution. However, the volatility and intermittency of wind speed restrict the development of wind power. To improve the utilization of wind power, this study proposes a new wind speed prediction model based on data noise reduction technology, temporal convolutional network (TCN), and gated recurrent unit (GRU). Firstly, an adaptive data noise reduction algorithm P-SSA is proposed based on singular spectrum analysis (SSA) and Pearson correlation coefficient. The original wind speed is decomposed into multiple subsequences by SSA and then reconstructed. When the Pearson correlation coefficient between the reconstructed sequence and the original sequence is greater than 0.99, other noise subsequences are deleted to complete the data denoising. Then, the receptive field of the samples is expanded through the causal convolution and dilated convolution of TCN, and the characteristics of wind speed change are extracted. Then, the time feature information of the sequence is extracted by GRU, and then the wind speed is predicted to form the wind speed sequence prediction model of P-SSA-TCN-GRU. The proposed model was validated on three wind farms in Shandong Province. The experimental results show that the prediction performance of the proposed model is better than that of the traditional model and other models based on TCN, and the wind speed prediction of wind farms with high precision and strong stability is realized. The wind speed predictions of this model have the potential to become the data that support the operation and management of wind farms. The code is available at https://github.com/JethroJames/Wind-Speed-Forecast-TCN_GRU

arxiv情報

提供元, 利用サービス

arxiv.jp, Google