기계 학습 및 CNN-LSTM 접근 방식을 이용한 풍력 발전 예측

풍력 발전은 여러 국가에서 배출 목표 및 기후 변화와의 호환성 측면에서 지난 10년 동안 크게 성장했습니다. 풍력 발전 예측을 위한 신뢰할 수 있고 정확한 접근법은 전력 시스템 운영 및 일상적인 그리드 기능에 필수적입니다. 그러나 풍력 발전 시계열의 비정상적인 특성으로 인해 고전적인 예측 방법은 원하는 정확도를 제공하기 어렵고 시스템 운영에 대한 위험과 불확실성을 초래하여 풍력 발전 회사들이 에너지 시장 결정을 내리는 방식에 상당한 영향을 미칩니다. 이 연구는 풍력 터빈 전력을 예측하기 위해 기계 학습 기술을 활용한 새로운 알고리즘적 접근법을 제안합니다. 적용된 알고리즘에는 극단적으로 무작위화된 트리, 경량 그래디언트 부스팅 머신, 앙상블 방법 및 CNN-LSTM 방법이 포함됩니다. 제공된 결과를 기반으로 할 때, 최저 평균 제곱 오차 값은 CNN-LSTM 방법과 관련이 있으며, 이는 이 방법이 더 정확하다는 것을 나타냅니다. 또한 앙상블 방법은 알고리즘의 높은 속도에도 불구하고 수용 가능한 결과를 제공합니다.