场景学习：通过将风机嵌入网格空间的深度卷积网络进行风电功率预测
机器学习
2018-07-19 v2 机器学习
摘要
风电功率预测在风能利用中至关重要。已有大量基于风电功率或风速时间序列的研究，但实际上，这些时间序列无法表达风的时间和空间变化，从根本上阻碍了风电功率预测的进步。本文提出了一种能够描述时空变化过程的新特征，即时空特征（Spatio-Temporal Features）。我们首先根据相对位置，将各时刻从风机收集的数据映射到平面，形成状态图，即场景；一段时间内的场景时间序列是一幅多通道图像，即时空特征。基于时空特征，应用深度卷积网络预测风电功率，取得了远优于现有方法的精度。与最先进的方法相比，我们方法的均方误差（MSE）降低了49.83%，且训练模型的平均时间开销可缩短150倍以上。
引用
@article{arxiv.1807.05666,
title = {Scene Learning: Deep Convolutional Networks For Wind Power Prediction by Embedding Turbines into Grid Space},
author = {Ruiguo Yu and Zhiqiang Liu and Xuewei Li and Wenhuan Lu and Mei Yu and Jianrong Wang and Bin Li},
journal= {arXiv preprint arXiv:1807.05666},
year = {2018}
}
备注
11 pages