Granulación de información difusa basada en la predicción de la velocidad del viento con optimización multiobjetivo

Área de la Ciencia:

• Sistemas de Energía
• Inteligencia Artificial
• Energía Renovable

Sus antecedentes:

• La predicción precisa de la energía eólica es vital para la integración de energías renovables y el apoyo a la descarbonización.
• La naturaleza estocástica de los recursos eólicos presenta desafíos para la predicción a corto y medio plazo, lo que provoca incertidumbres operativas.
• Los modelos de pronóstico existentes a menudo luchan por lograr una alta precisión constante, lo que impulsa la necesidad de avances metodológicos.

Objetivo del estudio:

• Introducir un marco de pronóstico multiescala novedoso para mejorar la predicción de la energía eólica.
• Abordar las limitaciones en las técnicas de pronóstico actuales mejorando la precisión y la robustez.
• Gestionar eficazmente el equilibrio entre la precisión de la predicción y la eficiencia computacional.

Principales métodos:

• Integración de la granulación de información difusa para capturar características intrínsecas y reducir la complejidad de los datos de la volátil velocidad del viento.
• Utilización de una estrategia de optimización multiobjetivo con múltiples redes neuronales que emplean diversos principios predictivos.
• Integración adaptativa de las salidas de la red neuronal a través de algoritmos de optimización heurística para mejorar la predicción.

Principales resultados:

• El marco propuesto demuestra un rendimiento sobresaliente en el conjunto de datos del parque eólico de Penglai.
• La granulación de información difusa mitiga eficazmente la interferencia del ruido para los modelos de aprendizaje profundo.
• El algoritmo de optimización colaborativa equilibra con éxito la precisión de la predicción y la eficiencia computacional.

Conclusiones:

• El novedoso marco de pronóstico multiescala mejora significativamente la precisión y la robustez de la predicción de la energía eólica.
• La granulación de información difusa es eficaz para manejar datos complejos y volátiles de velocidad del viento.
• El enfoque desarrollado ofrece una solución viable para mejorar la confiabilidad de los sistemas de energía eólica.