基于人工智能与Copula的风速预测模型
机器学习
2021-07-14 v1 信号处理
摘要
化石燃料燃烧发电是全球变暖的主要成因之一。可再生能源是生产电能并减少电力行业排放的可行替代方案。这些能源是绿色能源的基石，各自具有不同的特性。其可用性也因地理位置和其他参数而异。低实施成本及全球分布式可用性的特点使其普及度呈指数级上升。因此，这为消费者就地发电并就地使用提供了机会，从而降低对集中式公用事业公司的依赖。本研究考虑两个主要目标：预测风速以简化风电场规划与可行性研究；其次，理解多个远距离地点风速间的依赖结构。针对第一个目标，使用了十二种人工智能算法，基于收集的气象参数进行风速预测。对模型性能进行比较以确定风速预测精度。结果表明，深度学习方法长短期记忆（LSTM）以97.8%的最高精度优于其他模型。对于依赖结构，采用多元累积分布函数Copula来求得两个或多个远距离地点风速的联合分布，并辅以案例研究。我们发现，合适的Copula族及其参数随间距不同而变化。在案例研究中，Joe-Frank（BB8）Copula对一对风速展现出高效的联合分布拟合，标准误差为0.0094。最后，对风速依赖的不确定性方面给出了一些见解。
引用
@article{arxiv.2107.06182,
title = {Predictive models for wind speed using artificial intelligence and copula},
author = {Md Amimul Ehsan},
journal= {arXiv preprint arXiv:2107.06182},
year = {2021}
}
备注
This is a Masters thesis that compares various machine learning algorithms for wind speed prediction using weather data. It also applies Copula to model joint probability distribution of two far apart wind sites. arXiv admin note: text overlap with arXiv:2005.12401