LSTM और ARIMA समय श्रृंखला विश्लेषण मॉडल का उपयोग करके पवन गति की भविष्यवाणी: जेलिबोलू का केस अध्ययन

पवन ऊर्जा एक प्रमुख नवीकरणीय ऊर्जा स्रोत के रूप में उभरती है, जो इसकी उच्च दक्षता, व्यवहार्यता और व्यापक अनुप्रयोग से पहचानती है। फिर भी, पवन ऊर्जा को विद्युत प्रणाली में एकीकृत करने में पवन गति की अप्रत्याशितता और परिवर्तनशीलता के कारण महत्वपूर्ण बाधाएं आती हैं। पवन गति की सटीक भविष्यवाणी पवन टर्बाइनों की वृत्ति के संक्षिप्त-, मध्य-, और दीर्घकालिक शक्ति उत्पादन के अनुमान के लिए आवश्यक है। पवन गति समय श्रृंखला भविष्यवाणी के लिए विभिन्न विधियाँ और मॉडल मौजूद हैं। यह शोधपत्र भविष्यवाणी की सटीकता को बढ़ाने के लिए दो दृष्टिकोणों का संयोजन प्रस्तावित करता है: गहन शिक्षण, विशेष रूप से लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM), और ऑटोरिग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) मॉडल। LSTM, अपने द्वारा लंबे समय तक पैटर्न बनाए रखकर, भविष्यवाणी की दरों में सुधार करता है। इस बीच, ARIMA मॉडल पूर्व निर्धारित सीमाओं के भीतर रहने की संभावना को बढ़ाता है। अध्ययन ने 2014 से 2021 के बीच Çanakkale प्रांत के जेलिबोलू जिले से दैनिक औसत पवन गति डेटा का उपयोग किया। रूट मीन स्क्वायर एरर (RMSE) का उपयोग करते हुए, यह दर्शाता है कि LSTM मॉडल की अनुमानित सटीकता ARIMA की तुलना में श्रेष्ठ है। LSTM मॉडल ने 6.3% का RMSE और 16.67% का औसत निराधार त्रुटि हासिल किया। ये परिणाम पवन गति की भविष्यवाणी में प्रस्तावित दृष्टिकोण की संभावित उपयोगिता को व्यक्त करते हैं, जो साहित्य में अन्य अध्ययनों के समान या उससे बेहतर प्रदर्शन का प्रस्ताव करते हैं।