基于深度域自适应学习的不同位置风力功率预测
机器学习
2024-05-21 v1
摘要
精准预测风力功率对于网格集成这一间歇性可再生能源以及帮助网格规划师预测可用风力容量至关重要。空间差异导致两个地理分散区域气候数据的分布之间出现差异，进而使预测任务更加困难。因此，来自特定气候区域学习的预测模型可能在鲁棒性方面受到限制。提出一种基于深度神经网络 (DNN) 的域自适应方法以克服这一缺陷。使用随机森林方法从大型天气参数集合中选择有效的天气特征。利用源域中预训练的模型执行预测任务，假设在目标域预测时不可获取源数据。仅更新 DNN 模型最后几层的权重，保持其余网络不变，使该模型在传统方法之上具有更快的速度。该所提出的方法在传统非自适应方法上的准确率提升幅度范围为 6.14% 至甚至 28.44%。
引用
@article{arxiv.2405.11188,
title = {Wind Power Prediction across Different Locations using Deep Domain Adaptive Learning},
author = {Md Saiful Islam Sajol and Md Shazid Islam and A S M Jahid Hasan and Md Saydur Rahman and Jubair Yusuf},
journal= {arXiv preprint arXiv:2405.11188},
year = {2024}
}