Modelo de predicción de velocidad del viento multiescala basado en un algoritmo de escape mejorado para optimizar la...

Área de la Ciencia:

• Sistemas de Energía Renovable
• Inteligencia Computacional
• Procesamiento de Señales

Sus antecedentes:

• La estocasticidad y volatilidad inherentes de la energía eólica plantean importantes desafíos para la estabilidad de la red y el despacho confiable de energía.
• Los métodos de pronóstico existentes basados en la descomposición luchan contra la mezcla de modos y la separación de señales no estacionarias, lo que limita la precisión.

Objetivo del estudio:

• Desarrollar un método avanzado de pronóstico para la energía eólica que mejore la estabilidad de la red y la confiabilidad del despacho.
• Mejorar la precisión y robustez de la predicción de la energía eólica, especialmente para predicciones de varios pasos.

Principales métodos:

• Se propuso un Algoritmo de Escape Mejorado (IESC) con mapeo caótico para optimizar los hiperparámetros de la Descomposición Empírica Modal con Filtro Variable en el Tiempo (TVF-EMD), mitigando la mezcla de modos.
• Se implementó un modelo híbrido adaptativo a la frecuencia que utiliza XLSTM para componentes de señales de viento de alta frecuencia, LSTM para frecuencia media y ELM para frecuencia baja.
• Se evaluó la TVF-EMD optimizada por IESC y el modelo de pronóstico híbrido en un conjunto de datos de energía eólica a gran escala.

Principales resultados:

• El algoritmo IESC demostró un rendimiento superior en comparación con los métodos de optimización estándar ESC, GWO y DE.
• El modelo híbrido logró un Error Absoluto Medio (MAE) 1 paso un 29,8% menor y un R² 15 pasos un 65,6% mayor en comparación con XLSTM solo.
• El crecimiento del error durante 15 pasos se limitó al 12%, con una degradación del R² un 35% más lenta, lo que indica mejoras significativas en la precisión y estabilidad a largo plazo.

Conclusiones:

• La TVF-EMD optimizada por IESC propuesta y el modelo de pronóstico híbrido mejoran significativamente la precisión de la predicción de la energía eólica.
• El método une eficazmente la precisión de la predicción de varios pasos con los requisitos de despacho en tiempo real, garantizando una mejor adaptación de la demanda de la red.
• Este enfoque contribuye a mejorar la estabilidad operativa en las redes eléctricas que integran fuentes de energía eólica variables.