분포 변화 적응 단기 풍속 예측

정확한 단기 풍속 예측은 풍력 발전 시스템 스케줄링 최적화 및 이익 극대화에 필수적입니다. 그러나 풍속의 분포는 시간이 지남에 따라 변화합니다. 안정적이고 신뢰할 수 있는 예측 결과를 위해서는 풍속 예측 방법이 풍속 분포의 변화에 적응해야 합니다. 따라서 예측 방법을 풍속 분포 변화에 적응시키는 방법이 도전 과제가 됩니다. 본 연구에서는 타일 형태의 합성곱 신경망(TCNN)을 기반으로 미래 풍속의 분포를 예측합니다. 역사적 데이터의 손실 기여도를 가중치를 통해 최소화하여 역사적 풍속과 미래 풍속 간의 분포 편차를 줄입니다. 변동 모드 분해(VMD) 방법의 최적 모드 수를 적응적으로 결정하기 위해 가지 적적 오차 감소(BED) 규칙을 도입합니다. 분포 변화 수정 프로세스와 BED 규칙 기반 분해 프로세스를 모두 사용하는 두 가지 하이브리드 모델을 제안합니다. 제안된 모델의 유효성은 중국의 두 개 풍력 발전소에서 수집한 데이터를 통해 검증됩니다. 전통적인 단기 풍속 예측 모델과 비교할 때, 제안된 모델은 풍속의 분포 변화에 대해 상당히 더 나은 견고성을 보이며, 한 단계 전과 다단계 전 풍속 예측 시나리오 모두에서 상당히 높은 예측 정확도를 달성합니다.