Fugu-MT 論文翻訳(概要): Temporal fusion transformer using variational mode decomposition for wind power forecasting

論文の概要: Temporal fusion transformer using variational mode decomposition for wind power forecasting

arxiv url: http://arxiv.org/abs/2302.01222v2
Date: Sun, 5 Feb 2023 14:08:57 GMT
ステータス: 処理完了
システム内更新日: 2023-02-07 12:47:50.682827
Title: Temporal fusion transformer using variational mode decomposition for wind power forecasting
Title（参考訳）: 風力予測のための変動モード分解を用いた時間融合変圧器
Authors: Meiyu Jiang, Xuetao Jiang, and Qingguo Zhou
Abstract要約: 風力タービンの出力は、異なる高さでの風速、風向き、温度、タービン特性など、様々な要因に依存する。本研究では,次回の1h,3h,6hの風力予測に,変分モード分解(VMD)を用いて風力系列と時間融合変圧器(TFT)を分解する。
参考スコア（独自算出の注目度）: 0.4014524824655106
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The power output of a wind turbine depends on a variety of factors, including wind speed at different heights, wind direction, temperature and turbine properties. Wind speed and direction, in particular, have complex cycles and fluctuate dramatically, leading to large uncertainties in wind power output. This study uses variational mode decomposition (VMD) to decompose the wind power series and Temporal fusion transformer (TFT) to forecast wind power for the next 1h, 3h and 6h. The experimental results show that VMD outperforms other decomposition algorithms and the TFT model outperforms other decomposition models.
Abstract（参考訳）: 風力タービンの出力は、異なる高さでの風速、風向き、温度、タービン特性など、様々な要因に依存する。特に風速と方向は複雑なサイクルを持ち、劇的に変動し、風力発電量に大きな不確実性をもたらす。本研究では,次回の1h,3h,6hの風力予測に,変分モード分解(VMD)を用いて風力系列と時間融合変圧器(TFT)を分解する。実験の結果、VMDは他の分解アルゴリズムより優れ、TFTモデルは他の分解モデルより優れていた。

関連論文リスト

Hiformer: Hybrid Frequency Feature Enhancement Inverted Transformer for Long-Term Wind Power Prediction [6.936415534357298]
ハイブリット周波数特徴強調変換器(ハイフォーマ)という新しい手法を提案する。 Hiformerは、気象条件と風力発電の相関関係のモデリングを強化するために、信号分解技術と気象特徴抽出技術を統合する。最先端の手法と比較して、(i)予測精度を最大52.5%向上させ、(ii)計算時間を最大68.5%削減することができる。
論文参考訳（メタデータ） (2024-10-17T08:00:36Z)
Efficient Deterministic Renewable Energy Forecasting Guided by Multiple-Location Weather Data [4.048814984274799]
本稿では,複数の発電施設を対象とした風力・太陽光発電予測手法を提案する。気象及びエネルギー関連時系列の時間的処理にU字型の時間的畳み込み自動エンコーダアーキテクチャを用いる。 5つのデータセットの日平均太陽・風力エネルギー予測シナリオを実験により評価し,提案手法が最上位となることを示した。
論文参考訳（メタデータ） (2024-04-26T09:30:55Z)
Bias correction of wind power forecasts with SCADA data and continuous learning [0.0]
我々は,4つの機械学習に基づく風力予測モデルを提示し,評価し,比較する。本モデルは,65基の風力タービンからなるウィンドパークのデータセットを用いて評価した。
論文参考訳（メタデータ） (2024-02-21T16:31:45Z)
Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
論文参考訳（メタデータ） (2023-10-31T14:09:32Z)
Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
論文参考訳（メタデータ） (2023-07-14T06:50:02Z)
Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal Transformer [112.12271800369741]
風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
論文参考訳（メタデータ） (2023-05-30T04:03:15Z)
Towards Long-Term Time-Series Forecasting: Feature, Pattern, and Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。 LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文参考訳（メタデータ） (2023-01-05T13:59:29Z)
Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文参考訳（メタデータ） (2022-11-03T17:19:43Z)
Probabilistic forecasts of wind power generation in regions with complex topography using deep learning methods: An Arctic case [3.3788638227700734]
本研究は,ディープラーニングを用いた確率的予測に関する概念とアプローチを提示する。深層学習モデルを用いて、ノルウェー北部の風力発電所から日頭発電の確率予測を行う。
論文参考訳（メタデータ） (2022-03-10T15:52:11Z)
Calibration of wind speed ensemble forecasts for power generation [0.0]
過去数十年間、風力発電は欧州連合で2番目に大きな電力供給源となり、電力需要の16%を占めた。そのボラティリティのため、風力エネルギーを電気グリッドにうまく統合するには、正確な短距離風力予測が必要である。生のアンサンブルと比較すると,ポストプロセッシングは常に確率的および精度の高い点予測のキャリブレーションを改善する。
論文参考訳（メタデータ） (2021-04-30T11:18:03Z)
Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
論文参考訳（メタデータ） (2020-10-09T14:18:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。