एक हाइब्रिड विंड स्पीड फोरकास्टिंग सिस्टम जो ‘डीकंपोज़िशन और एंसैबल’ रणनीति और फजी टाइम सीरीज पर आधारित है

सटीक और स्थिर विंड स्पीड फोरकास्टिंग पवन ऊर्जा उद्योग में महत्वपूर्ण है और यह पावर-सिस्टम प्रबंधन और बाजार अर्थशास्त्र की स्थिरता पर मापने योग्य प्रभाव डालता है। हालाँकि, अधिकांश पारंपरिक विंड स्पीड फोरकास्टिंग मॉडल को ऐतिहासिक डेटा की एक बड़ी मात्रा की आवश्यकता होती है और सामान्यता के अनुमानों जैसी धारणाओं के कारण सीमाओं का सामना करना पड़ता है। इसके अतिरिक्त, किसी भी डेटा की अस्थिरता पूर्वानुमान की अस्थिरता को बढ़ा देती है। इसलिए, इस पत्र में, एक हाइब्रिड फोरकास्टिंग सिस्टम प्रस्तावित किया गया है, जो ‘डीकंपोज़िशन और एंसैबल’ रणनीति और फजी टाइम सीरीज फोरकास्टिंग एल्गोरिदम को जोड़ता है, जिसमें दो मॉड्यूल शामिल हैं—डेटा प्री-प्रोसेसिंग और फोरकास्टिंग। इसके अलावा, सांख्यिकीय मॉडल, कृत्रिम तंत्रिका नेटवर्क, और सपोर्ट वेक्टर रिग्रेशन मॉडल का उपयोग प्रस्तावित हाइब्रिड सिस्टम की तुलना के लिए किया गया है, जो शोर और अस्थिरता से प्रभावित विंड स्पीड डेटा का पूर्वानुमान करने में बहुत प्रभावी साबित होता है। इन तुलना के परिणाम यह दर्शाते हैं कि हाइब्रिड फोरकास्टिंग सिस्टम पूर्वानुमान की सटीकता और स्थिरता को महत्वपूर्ण रूप से सुधार सकता है, और पर्यवेक्षित विभाजन पद्धतियाँ अधिकांश मामलों में फजी टाइम सीरीज के लिए गैर-पर्यवेक्षित पद्धतियों को पीछे छोड़ देती हैं।