Relief 算法在级联人工神经网络中的新应用：用于印度风电资源评估的风速预测
机器学习
2024-01-26 v1 系统与控制
系统与控制
摘要
由于气象变量的随机性，风力产生的风电具有非调度性质。因此，能源业务和风力发电控制需要提前几秒至不同时间步预测风速（WS）。为了解决预测缺陷，已使用了多种风速预测方法。预测性数据挖掘提供了多种风速预测方法，其中人工神经网络（ANN）是可靠且准确的方法之一。从本研究的结果可以看出，与常规模型相比，ANN 具有更高的准确性。风速预测模型的准确性被发现取决于输入参数和所采用的算法架构类型。因此，选择最相关的输入参数是风速预测领域的重要研究方向。本文的目标有两个方面：首先，对用于风电和风速预测的 ANN 进行了广泛回顾。针对不同的印度站点，考虑了在风速预测中使用 Relief 算法（RA）进行特征选择的讨论与分析。RA 识别出大气压力、太阳辐射和相对湿度是相关的输入变量。基于相关输入变量，开发了级联 ANN 模型并评估了预测准确性。结果发现，训练和测试风速的预测值与测量值之间比较的均方根误差（RMSE）分别为 1.44 m/s 和 1.49 m/s。所开发的级联 ANN 模型可用于预测印度未安装风速测量仪器的站点的风速。
引用
@article{arxiv.2401.14065,
title = {Novel application of Relief Algorithm in cascaded artificial neural network to predict wind speed for wind power resource assessment in India},
author = {Hasmat Malik and Amit Kumar Yadav and Fausto Pedro García Márquez and Jesús María Pinar-Pérez},
journal= {arXiv preprint arXiv:2401.14065},
year = {2024}
}
备注
Malik, H., Yadav, A. K., M\'arquez, F. P. G., & Pinar-P\'erez, J. M. (2022). Novel application of Relief Algorithm in cascaded artificial neural network to predict wind speed for wind power resource assessment in India. Energy Strategy Reviews, 41, 100864