초해상도 및 다운스케일링을 기반으로 한 풍력 평가 -- 딥러닝 방법 비교

풍력 터빈의 효율적인 배치는 정확한 지역 풍속 예측에 의존합니다. 기후 예측은 장기적인 풍속 조건에 대한 귀중한 통찰을 제공하지만, 그 공간 데이터 해상도는 일반적으로 정밀한 풍력 예측에 충분하지 않습니다. 딥러닝 방법, 특히 이미지 초해상도를 위해 개발된 모델들은 기후 모델의 공간 해상도를 높여 이 규모의 격차를 메우기 위한 유망한 해결책을 제공합니다. 본 논문에서는 두 가지 뚜렷한 작업에서 다양한 딥러닝 모델의 성능을 비교합니다: 초해상도에서는 인위적으로 조잡한 ERA5 데이터를 원래 해상도로 매핑하고, 다운스케일링에서는 원래 ERA5를 고해상도 COSMO-REA6 데이터로 매핑합니다. 우리는 모델들이 장기 풍력 예측의 하류 응용에서의 성능을 평가하며, 풍력 예측 추정에 대한 공간 풍속 해상도의 영향을 강조합니다. 우리의 연구 결과는 모델과 평가 지표를 특정 하류 응용에 맞추는 것의 중요성을 강조합니다. 우리는 확산 모델이 풍속의 분포 및 물리적 특성을 더 잘 보존하여 풍력 잠재력을 추정하는 데 있어 다른 모델보다 우수하다는 것을 보여줍니다.