Operational Wind Speed Forecasts for Chile’s Electric Power Sector Using a Hybrid ML Model

要約

チリの電力部門は再生可能エネルギーによる未来に向けて前進しているため、送電網の運用を管理するには再生可能エネルギーの正確な予測が不可欠です。
再生可能エネルギー源の統合は、化石燃料源に比べて変動が大きく、クリーン エネルギーの利用を遅らせる発電管理の運用上の困難のため、特に困難です。
これを軽減するために、風力と太陽光による断続的な発電量の増加がチリの火力発電所に及ぼす影響を定量化し、チリ向けの 2 つのカスタム ML モデルを組み合わせたハイブリッド風速予測手法を導入しました。
最初のモデルは、短期予測用の MLP ベースの ML モデルである TiDE に基づいており、2 番目のモデルは、最大 10 日間の中期予測用のグラフ ニューラル ネットワークである GraphCast に基づいています。
当社のハイブリッド アプローチは、最も正確な運用決定論的システムよりも短期予測で 4 ～ 21%、中期予測で 5 ～ 23% 優れており、温度上昇、抑制、およびシステムレベルの排出に対する風力発電の影響を直接低下させることができます。
チリで。

要約(オリジナル)

As Chile’s electric power sector advances toward a future powered by renewable energy, accurate forecasting of renewable generation is essential for managing grid operations. The integration of renewable energy sources is particularly challenging due to the operational difficulties of managing their power generation, which is highly variable compared to fossil fuel sources, delaying the availability of clean energy. To mitigate this, we quantify the impact of increasing intermittent generation from wind and solar on thermal power plants in Chile and introduce a hybrid wind speed forecasting methodology which combines two custom ML models for Chile. The first model is based on TiDE, an MLP-based ML model for short-term forecasts, and the second is based on a graph neural network, GraphCast, for medium-term forecasts up to 10 days. Our hybrid approach outperforms the most accurate operational deterministic systems by 4-21% for short-term forecasts and 5-23% for medium-term forecasts and can directly lower the impact of wind generation on thermal ramping, curtailment, and system-level emissions in Chile.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google