基于不同预报时效的富集风速预测混合Transformer网络
信号处理
2024-09-02 v1 机器学习
系统与控制
系统与控制
大气与海洋物理
摘要
基于不同预报时效的高精度风速预测有助于构建更优的现代电力系统。本文提出了一种新颖巧妙的混合风速预测模型，并将其应用于不同预报时效。所提出的混合预测模型使用改进完备集合经验模态分解与自适应噪声(ICEEMDAN)将原始风速数据分解为本征模态函数(IMFs)。我们将ICEEMDAN得到的子序列输入到Transformer网络中。每个Transformer网络计算预测子序列，然后传递到融合阶段。通过对各个Transformer网络预测子序列的融合得到初步风速预测。估计残差误差值并使用多层感知机神经网络预测误差。将预测误差加到初步预测风速上，以提升风速预测的高精度。基于印度Kethanur风电场实时数据集的对比分析结果表明，所提出的ICEEMDAN-TNF-MLPN-RECS混合模型在案例研究1中MAE=1.7096*10^-07、MAPE=2.8416*10^-06、MRE=2.8416*10^-08、MSE=5.0206*10^-14、RMSE=2.2407*10^-07，在案例研究2中MAE=6.1565*10^-07、MAPE=9.5005*10^-06、MRE=9.5005*10^-08、MSE=8.9289*10^-13、RMSE=9.4493*10^-07，其富集风速预测性能优于现有最优方法，并减轻了电力系统工程师的负担。
引用
@article{arxiv.2204.09019,
title = {Hybrid Transformer Network for Different Horizons-based Enriched Wind Speed Forecasting},
author = {M. Madhiarasan and Partha Pratim Roy},
journal= {arXiv preprint arXiv:2204.09019},
year = {2024}
}
备注
Communicated to IEEE Transactions on Power Systems status Under Review