WPP2012
1.0.0
현재의 글로벌 에너지 구조는 전통적인 화석 에너지에서 재생 가능 에너지로 변형되고 있습니다. 현재 전 세계 발전의 3 분의 1은 재생 에너지에서 비롯되며 풍력 에너지는 재생 에너지의 변화를위한 주요 원동력입니다. 최근에는 풍력 발전이 급속히 증가했으며, 평균 연간 성장률은 10%이며 재생 에너지의 약 24%를 차지했습니다. 2018 년 말까지 설치된 모든 풍력 터빈은 전세계 전기 수요의 거의 6%를 차지할 수 있습니다. 향후 몇 년 동안 더 많은 풍력 에너지 성장이있을 것으로 예상됩니다.
정확한 풍력 에너지 예측은 스마트 그리드 작동에 필수적입니다. 이 프로젝트는 단기 풍력 발전 예측을위한 기계 학습 알고리즘을 연구합니다.
데이터 세트는 Global Energy Forcasting Competition 2012 (GEFCOM2012)에서 비롯됩니다.
Kaggle 플랫폼에서 설명을 얻는 것이 권장됩니다
이는 7 개의 풍력 발전 단지에서 최대 48 시간 앞으로 시간당 발전을 예측하는 풍력 예측 문제입니다.
2009/7/1과 2010/12/31 사이의 기간은 모델 식별 및 훈련 기간이며, 나머지 데이터 세트, 즉 2011/1/1에서 2012/6/28까지 평가를받을 수 있습니다.
일관 되려면 실제로 실제로 이용 가능한 기상 예측 만 제공됩니다. 이 두 기간은 데이터 세트가 끝날 때까지 7 일마다 반복됩니다. 누락 된 데이터가있는 기간 간에는 모델을 업데이트하기 위해 전원 관찰을 사용할 수 있습니다.
"Train.csv"에는 교육 데이터가 포함됩니다.
첫 번째 열 ( "날짜")은 다음 열에서 시간당 풍력 전력 측정의 날짜와 시간을 제공하는 타임 스탬프입니다. 예를 들어 "2009070812"는 2009 년 7 월 8 일 12시에;
다음 4 개의 열 ( "U", "V", "WS"및 "WD")은 일기 예보 변수입니다.
"Benchmark.csv"파일은 Forcast 결과를 제공합니다
최첨단 작품
| 행동 양식 | 48h 앞으로 |
|---|---|
| 모든 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 |
| 고집 | 0.361 |
우리 작업에는 두 부분이 있습니다.
이 부분은 모델 섹션에 전체적으로 설명되어 있습니다
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 알고리즘을 사용한 풍력 전력 예측. int J 예측. 2014; 30 : 402-406.
Silva L. 풍력 전력 예측에 대한 기능 엔지니어링 접근법 : GEFCOM 2012. Int J 예측. 2014; 30 : 395-401.
Fang S, Chiang H. 고등학생 풍력 예측 모델. IEEE T POWER SYST. 2016; 32 : 1589-1590.
Wytock M, Kolter JZ, "Despse Gaussian 조건부 임의의 필드를 사용한 에너지 시스템의 대규모 확률 예측", 52nd IEEE 결정 및 통제 회의, (IEEE, 2013), pp. 1019-1024.
Li G, Chiang H. 풍력 발전의 비용 지향 예측을 향한. IEEE T 스마트 그리드. 2016; 9 : 2508-2517.
Yan J, Zhang H, Liu Y, Han S, Li L, Lu Z. 다중-다중 매핑을 사용하여 여러 스케일에서 풍력의 높은 침투를 예측합니다. IEEE T POWER SYST. 2018; 33 : 3276-3284.
Fang S, Chiang H. 확장 된 수치 기상 변수 및 비 표지 데이터를 사용한 감독 풍력 예측 모델 향상. 갱신 전력 유전자. 2016; 10 : 1616-1624.
Lee D, Baldick R. 가우스 프로세스 및 신경망을 기반으로 한 단기 풍력 앙상블 예측. IEEE T 스마트 그리드. 2013; 5 : 501-510.
Landry M, Erlinger TP, Patschke D, Varrichio C. GEFCOM2014 풍력 예측을위한 확률 구배 부스팅 머신. int J 예측. 2016; 32 : 1061-1066.
