Pronóstico probabilístico basado en el aprendizaje automático de la incertidumbre de la velocidad del viento...

Área de la Ciencia:

• Sistemas de energía renovable
• Aplicaciones de aprendizaje automático
• Pronóstico estadístico

Sus antecedentes:

• La previsión a corto plazo de la velocidad del viento es fundamental para una integración eficiente de la energía eólica.
• Las predicciones puntuales convencionales carecen de precisión para capturar la incertidumbre de la velocidad del viento.
• La cuantificación de la incertidumbre de las previsiones es esencial para la fiabilidad de las operaciones de energía eólica.

Objetivo del estudio:

• Desarrollar una metodología de pronóstico híbrida para los intervalos de predicción de la velocidad del viento a corto plazo.
• Para cuantificar la incertidumbre del pronóstico utilizando la regresión del vector de soporte (SVR) y la estimación de la densidad del núcleo adaptativo (AKDE).
• Evaluar el modelo SVR-AKDE propuesto con respecto a los métodos convencionales para mejorar la estimación de la incertidumbre.

Principales métodos:

• Se desarrolló un modelo híbrido que combina la regresión del vector de soporte (SVR) con la estimación de la densidad del núcleo adaptativo (AKDE).
• KDE adaptativo se utilizó para ajustar el ancho de banda basado en la distribución de error de pronóstico local para la cuantificación precisa de la incertidumbre.
• El modelo SVR-AKDE se evaluó para horizontes a corto plazo (10, 30, 60, 120 minutos).

Principales resultados:

• El modelo SVR-AKDE demostró un rendimiento superior en la estimación de los intervalos de predicción de la velocidad del viento.
• El método propuesto proporcionaba constantemente una mayor probabilidad de cobertura del intervalo de predicción (PICP) y una anchura media normalizada del intervalo de predicción más estrecha (PINAW).
• Los hallazgos de la simulación confirmaron la eficacia de SVR-AKDE en comparación con la estimación tradicional del intervalo basado en KDE.

Conclusiones:

• El modelo híbrido SVR-AKDE ofrece una solución robusta para la previsión de la velocidad del viento a corto plazo con incertidumbre cuantificable.
• Este enfoque mejora la fiabilidad y el control operativo de las instalaciones de energía eólica.
• La cuantificación precisa de la incertidumbre es clave para maximizar el potencial de la generación de energía eólica.