用于预测风力机功率输出的混合神经进化方法
神经与进化计算
2020-04-28 v1 机器学习
信号处理
摘要
可靠的风力机功率预测对于风能电站的规划、调度和控制以实现稳定发电至关重要。近年来，机器学习（ML）方法已成功应用于广泛领域，包括可再生能源。然而，由于风电场功率预测的挑战性，当前模型的精度远未达到工业所需。本文部署了一种复合ML方法——即混合神经进化算法——用于风电场功率输出的准确预测。我们使用监控与数据采集（SCADA）系统中的历史数据作为输入，估算瑞典一个陆上风电场的功率输出。在初始阶段，分别采用k-means聚类方法和自编码器检测和滤除SCADA测量中的噪声。接着，鉴于底层风模式高度非线性和多样性的先验知识，我们结合自适差分进化（SaDE）算法作为超参数优化器，以及一种称为长短期记忆（LSTM）的循环神经网络（RNN）来建模风电场中风力机的功率曲线。我们的实验考虑了十分钟提前和一小时提前两种短时预测视界。我们表明该方法优于同类方法。
引用
@article{arxiv.2004.12794,
title = {Hybrid Neuro-Evolutionary Method for Predicting Wind Turbine Power Output},
author = {Mehdi Neshat and Meysam Majidi Nezhad and Ehsan Abbasnejad and Daniele Groppi and Azim Heydari and Lina Bertling Tjernberg and Davide Astiaso Garcia and Bradley Alexander and Markus Wagner},
journal= {arXiv preprint arXiv:2004.12794},
year = {2020}
}