論文の概要: Efficient Deterministic Renewable Energy Forecasting Guided by Multiple-Location Weather Data
- arxiv url: http://arxiv.org/abs/2404.17276v1
- Date: Fri, 26 Apr 2024 09:30:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-29 13:34:31.365097
- Title: Efficient Deterministic Renewable Energy Forecasting Guided by Multiple-Location Weather Data
- Title（参考訳）: 多地点気象データによる効率的な決定論的再生可能エネルギー予測
- Authors: Charalampos Symeonidis, Nikos Nikolaidis,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.048814984274799
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Electricity generated from renewable energy sources has been established as an efficient remedy for both energy shortages and the environmental pollution stemming from conventional energy production methods. Solar and wind power are two of the most dominant renewable energy sources. The accurate forecasting of the energy generation of those sources facilitates their integration into electric grids, by minimizing the negative impact of uncertainty regarding their management and operation. This paper proposes a novel methodology for deterministic wind and solar energy generation forecasting for multiple generation sites, utilizing multi-location weather forecasts. The method employs a U-shaped Temporal Convolutional Auto-Encoder (UTCAE) architecture for temporal processing of weather-related and energy-related time-series across each site. The Multi-sized Kernels convolutional Spatio-Temporal Attention (MKST-Attention), inspired by the multi-head scaled-dot product attention mechanism, is also proposed aiming to efficiently transfer temporal patterns from weather data to energy data, without a priori knowledge of the locations of the power stations and the locations of provided weather data. The conducted experimental evaluation on a day-ahead solar and wind energy forecasting scenario on five datasets demonstrated that the proposed method achieves top results, outperforming all competitive time-series forecasting state-of-the-art methods.
- Abstract（参考訳）: 再生可能エネルギー源から発生する電力は、エネルギー不足と従来のエネルギー生産法から生じる環境汚染の両面において効率的な対策として確立されている。
太陽光発電と風力発電は、最も支配的な再生可能エネルギー源の2つである。
これらの源のエネルギー発生の正確な予測は、その管理と運用に関する不確実性の負の影響を最小限に抑え、電力網への統合を促進する。
本稿では,多地点における風速予測と太陽エネルギー発生予測のための新しい手法を提案する。
この手法では、U字型の時空間畳み込みオートエンコーダ(UTCAE)アーキテクチャを用いて、気象やエネルギーに関連する時系列の時間的処理を行う。
また,MKST-Attention(Multi-sized Kernels convolutional Spatio-Temporal Attention)は,気象データからエネルギーデータへの時間的パターンの伝達を,発電所の位置や提供された気象データの位置を事前に把握することなく効率的に行うことを目的としている。
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的に評価し,提案手法が最上位となることを示した。
関連論文リスト
- Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - Tree-based Forecasting of Day-ahead Solar Power Generation from Granular
Meteorological Features [1.8638865257327277]
このような予測を生成するには、最先端のツリーベース機械学習手法を用いる。
ベルギーのデータと1時間の解像度で日毎のPV発電を予測しています。
論文 参考訳（メタデータ） (2023-11-30T08:47:37Z) - 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) - Long-Term Hourly Scenario Generation for Correlated Wind and Solar Power
combining Variational Autoencoders with Radial Basis Function Kernels [0.0]
本研究では,風力発電と太陽光発電の長期シナリオを創出するための革新的な手法を提案する。
人工ニューラルネットワークアーキテクチャにラジアル基底関数(RBF)カーネルを組み込むことで、正規化特性を改善した潜在空間を得る。
論文 参考訳（メタデータ） (2023-06-27T14:02:10Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - 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) - A novel automatic wind power prediction framework based on multi-time
scale and temporal attention mechanisms [6.120692237856329]
風力発電は、ボラティリティ、断続性、ランダム性によって特徴づけられる。
従来の風力発電予測システムは、主に超短期または短期的な予測に焦点を当てている。
マルチタイムスケールで風力を予測できる自動フレームワークを提案する。
論文 参考訳（メタデータ） (2023-02-02T17:03:08Z) - Validation Methods for Energy Time Series Scenarios from Deep Generative
Models [55.41644538483948]
一般的なシナリオ生成アプローチでは、データ分散に関する前提なしにシナリオを生成するディープ生成モデル(DGM)を使用する。
エネルギーシナリオ生成文献における現在使われている検証手法の批判的評価を行う。
過去のデータと生成されたデータの両方に4つの検証手法を適用し、検証結果の解釈と、一般的な誤り、落とし穴、検証方法の限界について議論する。
論文 参考訳（メタデータ） (2021-10-27T14:14:25Z) - Deep Spatio-Temporal Wind Power Forecasting [4.219722822139438]
エンコーダ・デコーダ構造に基づく深層学習手法を開発した。
本モデルでは,風力タービンが発生した風力を,他のタービンと比較して空間的位置と過去の風速データを用いて予測する。
論文 参考訳（メタデータ） (2021-09-29T16:26:10Z) - Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。
線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。
改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
論文 参考訳（メタデータ） (2020-10-25T17:56:03Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。