WPP2012
1.0.0
現在の世界的なエネルギー構造は、従来の化石エネルギーから再生可能エネルギーに変化しています。現在、世界の発電の3分の1は再生可能エネルギーから来ており、風力エネルギーは再生可能エネルギーの変換の主な原動力です。近年、風力発電は急速に成長しており、平均年間成長率は10％で、再生可能エネルギーの約24％を占めています。 2018年末までに設置されたすべての風力タービンは、世界の電力需要のほぼ6％をカバーできます。今後数年間で、風力エネルギーの成長が増えることが期待されています。
正確な風力エネルギー予測は、スマートグリッド操作に不可欠です。これは、短期の風力発電予測のための機械学習アルゴリズムを研究しています。
データセットは、Global Energy Forccasting Competition 2012（GEFCOM2012）から来ています
Kaggleプラットフォームから説明を取得することをお勧めします
これは、7つの風力発電所で最大48時間先の時給を予測するための風力発電の問題です。
2009/7/1から2010/12/31までの期間はモデルの識別とトレーニング期間ですが、データセットの残り、つまり2011/1/1から2012/6/28では、評価のためにあります。
一貫性を保つために、実際に実際に利用可能なその期間の気象予測のみが与えられていることに注意してください。これらの2つの期間は、データセットの終了まで7日ごとに繰り返されます。データが欠落している期間の間に、モデルを更新するために電力観察が利用できます。
「Train.CSV」にはトレーニングデータが含まれています。
最初の列（「日付」）は、次の列に1時間ごとの風力発電測定の日付と時刻を与えるタイムスタンプです。たとえば、「2009070812」は、2009年7月8日の12:00です。
次の4つの列（ "u"、 "v"、 "ws"、 "wd"）は、天気予報変数です。
ファイル「benchmark.csv」には、フォーストの結果が提供されます
最先端の作品
| 方法 | 48時間先 |
|---|---|
| All-CF [3] | 0.14564 |
| gbm + k-means + lr [2] | 0.14567 |
| knn [1] | 0.1472 |
| SGCRF [4] | 0.1488 |
| LSBRT [5] | 0.1518 |
| sdae-mm [6] | 0.154 |
| S-gp-env [7] | 0.1604 |
| gp + nn [8] | 0.1752 |
| 持続性 | 0.361 |
私たちの仕事にはMajoly 2つの部分があります。
この部分は、モデルセクションで完全に説明されています
Net_model = NN_Net ( params , x_train )
scores = Net_model . train ( x_train , y_train , x_test , y_test , 'wsPower2' , load_models = False )Mangalova E、Agafonov E. K-nearest Neighborsアルゴリズムを使用した風力発電予測。 int j予測。 2014; 30：402-406。
Silva L.風力発電予測への機能エンジニアリングアプローチ：GEFCOM2012。IntJ予測。 2014; 30：395-401。
Fang S、Chiang H.高精度の風力発電予測モデル。 IEEE T POWER SYST。 2016; 32：1589-1590。
Wytock M、Kolter JZ、「スパースガウス条件ランダムフィールドを使用したエネルギーシステムにおける大規模な確率的予測」、52回目のIEEE決定および管理会議（IEEE、2013）、pp。1019-1024。
Li G、Chiang H.風力発電のコスト指向の予測に向けて。 IEEE Tスマートグリッド。 2016; 9：2508-2517。
Yan J、Zhang H、Liu Y、Han S、Li L、Lu Z.マルチとマルチマッピングを使用して、複数のスケールでの風力発電の高い浸透を予測しています。 IEEE T POWER SYST。 2018; 33：3276-3284。
Fang S、Chiang H.拡張された数値の気象変数と非標識データを使用した、監視された風力発電予測モデルの改善。 IET Renew Power Gen。 2016; 10：1616-1624。
Lee D、Baldick R.ガウスプロセスとニューラルネットワークに基づく短期風力アンサンブル予測。 IEEE Tスマートグリッド。 2013; 5：501-510。
Landry M、Erlinger TP、Patschke D、Varrichio C. GEFCOM2014風力予測の確率勾配ブーストマシン。 int j予測。 2016; 32：1061-1066。
