面向海上与陆上风电场爬坡事件预测的机器智能技术
信号处理
2020-12-01 v1 机器学习
摘要
在全球范围内，风能已减轻了基于传统化石燃料的发电负担。对陆上与海上风场的风资源评估有助于准确预测和分析爬坡事件的性质。从工业角度看，短时间内的大幅爬坡事件可能对接入公用电网的风电场造成损坏。在本稿件中，针对陆上与海上风电场场址，使用支持向量回归（SVR）及其变体、随机森林回归和梯度提升机（gradient boosted machines）等混合机器智能技术预测爬坡事件。采用基于小波变换的信号处理技术从风速中提取特征。结果表明，基于SVR的预测模型在所有模型中给出最佳的预测性能。此外，梯度提升机（GBM）预测的爬坡事件接近于双支持向量回归（TSVR）模型。进一步，通过计算由小波分解和经验模态分解所得特征的对数能量熵，评估了陆上与海上风电场中爬坡功率的随机性。
引用
@article{arxiv.2011.14220,
title = {Machine Intelligent Techniques for Ramp Event Prediction in Offshore and Onshore Wind Farms},
author = {Harsh S. Dhiman and Dipankar Deb},
journal= {arXiv preprint arXiv:2011.14220},
year = {2020}
}
备注
9 Pages