UTL000008_WTG_Ensimag

Prédiction de sortie d'éoliennes (source d'image: https://lumifyenergy.com)

Analyse des données exploratoires et modélisation de la sortie des générateurs d'éoliennes

Le projet comprenait une analyse exploratoire des données et une évaluation des algorithmes de régression et d'apprentissage automatique à l'aide d'outils d'apprentissage Python Sci-Kit. Les modèles ont été formés et testés et les mesures ont été comparées pour arriver à un modèle final.

Objectif:

L'objectif du projet était de construire un modèle prédictif pour la production d'éoliennes.

Source de l'ensemble de données: https://www.kaggle.com/competitions/ensimag-mmis-2024/data

Contenu des données:

• Date: auto-explicite.
• U10: Prévision de la vitesse zonale du vent (m / s) à 10 m au-dessus du sol.
• V10: Prévision de la vitesse méridionale du vent (m / s) à 10 m au-dessus du sol.
• U100: Prévision de la vitesse zonale du vent (m / s) à 100 m au-dessus du sol.
• V100: Prévision de la vitesse méridionale du vent (m / s) à 100 m au-dessus du sol.
• Production: Énergie éolienne horaire normalisée par la production maximale du parc éolien.

Auteurs

• @wlouer

Remerciements

• L'ensemble de données a été acquis pour une compétition Kaggle https://www.kaggle.com/competitions/ensimag-mmis-2024/data

Sur moi

Je suis Bill - un professionnel de l'industrie de l'énergie avec plus de 20 ans d'expérience dans la production d'électricité. Mon expérience en tant qu'ingénieur en mécanique m'a conduit à un rôle de chef de projet où j'ai dirigé le développement et l'exécution de projets de production d'électricité. Ces jours-ci, je plonge dans la science des données, la visualisation et l'apprentissage automatique avec l'intention de l'utiliser comme outil pour découvrir les informations et améliorer la prise de décision dans le développement, la conception, l'approvisionnement, la construction et les opérations du projet de puissance.