Método Híbrido Baseado em Nós de Convolução Aleatória para Previsão de Velocidade do Vento a Curto Prazo

Apesar de haver uma infinidade de trabalhos, as capacidades de previsão de séries temporais de velocidade do vento são suscetíveis a erros devido à sua natureza intermitente e não estacionária, bem como às limitadas capacidades de generalização dos métodos de previsão para dados distribuídos de maneira não Gaussiana. Neste artigo, é proposto um método híbrido que consiste na decomposição de modo variacional elástica (eVMD) e na previsão de nós de convolução aleatória (fRCN) para prever as séries temporais de velocidade do vento heterocedásticas Gaussianas. O algoritmo eVMD proposto avalia as características não estacionárias (complexidade) do sinal de velocidade do vento e, em seguida, decompõe o sinal em seus componentes intrínsecos (ICs) de acordo. O método fRCN baseia-se em campos receptivos locais para extrair características que contribuem para as variações locais e a tendência global em cada IC. Essas características são posteriormente aprendidas usando teorias de máquinas de aprendizado extremo. Uma unidade de conjunto é empregada para aprender os pesos apropriados para cada IC previsto antes de gerar os valores finais de previsão. A adequação do método híbrido proposto para previsão de velocidade do vento é avaliada por meio de um conjunto de dados real de velocidade do vento e comparando com vários métodos híbridos existentes.