基于降维回声状态网络的高频时空风功率预报
应用统计
2021-12-09 v2
摘要
快速而准确的风速与风功率小时级预报对于量化和规划电网中的能源预算至关重要。鉴于风的湍流和高度非线性动力学特性,高分辨率风建模带来了相当大的挑战。在发展中国家,大域内的风电场正在建设或规划中,由于还需对空间上的风进行建模,这一挑战更为严峻。本工作中,我们提出一种机器学习方法,以域特定的节点选择降低空间维度,对沙特阿拉伯的非线性小时级风动力学进行建模。我们的结果表明,对于先前工作标定为风能丰富的地方,我们的方法相较风电行业运行标准在两小时提前期预报功率上实现了 11% 的提升,按沙特阿拉伯当前市场价格计算,一年内可节省近一百万美元。
引用
@article{arxiv.2102.01141,
title = {Forecasting High-Frequency Spatio-Temporal Wind Power with Dimensionally Reduced Echo State Networks},
author = {Huang Huang and Stefano Castruccio and Marc G. Genton},
journal= {arXiv preprint arXiv:2102.01141},
year = {2021}
}