Maschinelles Lernen zur Vorhersage von Windenergie mithilfe kontinuierlicher Windgeschwindigkeitsdaten

Unter den verschiedenen nicht-konventionellen Energiequellen ist Windenergie eine bemerkenswerte und geeignete Quelle, die in der Lage ist, kontinuierlich und nachhaltig Strom zu erzeugen. Es gibt jedoch eine Reihe von Nachteilen der Windenergie, einschließlich hoher Grundnutzungs- kosten, der statischen Natur von Windparks und der Herausforderung, windeffiziente Energieregionen zu lokalisieren. In dieser Studie wurde die langfristige Windenergieprognose mithilfe von fünf Methoden des maschinellen Lernens unter Verwendung täglicher Windgeschwindigkeitsdaten durchgeführt. Wir schlugen einen effektiven Weg vor, um Windenergiewerte unter Einsatz von Techniken des maschinellen Lernens vorherzusagen. Um zu demonstrieren, wie maschinelle Lernalgorithmen funktionieren, führten wir eine Reihe von Fallstudien durch. Die Ergebnisse zeigten, dass langfristige Windenergiewerte mithilfe von maschinellen Lernalgorithmen in Bezug auf vergangene Windgeschwindigkeitsdaten vorhergesagt werden könnten. Darüber hinaus zeigen die Konsequenzen, dass auf maschinellem Lernen basierende Modelle auch in anderen Regionen eingesetzt werden könnten, als die, in denen sie trainiert wurden. Diese Studie zeigte, dass maschinelle Lernalgorithmen häufig angewendet werden könnten, bevor Windkraftanlagen in einem unbekannten Umweltbereich errichtet werden, sofern dies sinnvoll ist.