利用多种层次结构提升风电功率预测精度

可再生能源发电对全球脱碳至关重要。由于风力发电依赖于天气条件而具有内在不确定性，预测可再生能源特别是风能颇具挑战。近期层次预测通过协调（reconciliation）取得的进展表明，短期风电预测质量显著提升。我们利用风电场中涡轮机的横截面与时间层次结构，构建跨时间层次，进一步研究横截面与时间维度的整合如何为风电场预测精度增值。我们发现，在多个时间聚合尺度上，跨时间协调优于单独的横截面协调。此外，经跨时间协调的基于机器学习的预测在较粗时间粒度上展现出高精度，这可能促进短期风电预测的采用。我们通过实证为决策者提供了关于在不同预测视界与层级上预测高频风电数据最佳方法的见解。