Wind turbines has played an important part in the energy grid and in the growth of renewable energy sources. When it comes to producing electrical energy from wind turbines, the challenging part is the accurate prediction of power generation due to high volatility and intermittency of the wind. The knowledge about the accuracy of different prediction models is important for better production planning, load balancing, optimal trading on electricity market, and better utilization of the wind resource.
In order to model wind power prediction, an exploratory data analysis is performed on wind speed data and wind power data to characterize the power curve behavior. The analysis is performed from statistical, quantitative, temporal and probabilistic aspects.
Moreover, this work proposes a method for data preprocessing and outlier removal to improve the performance of prediction model. The preprocessing step is an important step prior to building a prediction model and it can affect the prediction accuracy. The proposed method is based on detecting extremely large changes within power series and wind speed series. The method yields good results and its performance is evaluated.
Furthermore, this work addresses the problem of assessing the prediction models for different time horizons and different types of data resolutions that are used to make the prediction. In this work several types of prediction models are built and tested with different types on input data. The accuracy of models is evaluated in terms of the time horizon, as well as the resolution of the input data, and the prediction strategies for very-short term and short-term prediction horizons are established. The prediction models include an ARIMA model, Support Vector regression, Artificial Neural Network Multi Layer Perceptron, as well as a new model: Probabilistic State Transition model.
풍력 터빈은 에너지 그리드와 재생 가능 에너지원의 성장에 중요한 역할을 한다. 높은 변동성과 간헐성을 갖는 풍력의 특성때문에 풍력으로부터 발전을 정확하게 예측하는 것은 어려운 부분이다. 다양한 예측 모델의 정확성에 대한 정보는 더 나은 발전 계획, 부하 균형, 전력 시장에서의 최적 거래 및 풍력 자원의 보다 나은 활용을 위해 중요하다.
풍력 예측을 모델링하기 위해 풍속 데이터 및 풍력 데이터에 대한 탐색 데이터 분석을 수행하여 전력 곡선 동작을 특성화한다. 분석은 통계적, 양적, 시간적, 확률적 측면에서 수행된다.
또한, 본 연구는 예측 모델의 성능을 향상시키기 위해 데이터 전처리 및 특이치 제거 방법을 제안한다. 전처리 단계는 예측 모델을 작성하기에 앞서 수행되는 중요한 단계이며 예측 정확도에 영향을 줄 수 있다. 제안된 방법은 전력 시리즈와 풍속 시리즈 내의 큰 변화를 감지하는 것을 기반으로 한다. 본 연구에서는 제안된 기법에 대한 성능 평가가 수행되며 제안된 기법은 좋은 결과를 보인다.
또한, 이 연구는 서로 다른 시간 범위 및 서로 다른 예측 데이터 해상도 대한 예측 모델의 평가를 다룬다. 본 연구에서는 여러 유형의 예측 모델이 설계되었고 서로 다른 입력 데이터에 대해 평가된다. 모델의 정확성은 입력 데이터의 해상도뿐만 아니라 시간의 관점에서도 평가되며, 초단기 및 단기 예측을 위한 예측 전략이 수립된다. 예측 모델에는 ARIMA 모델, 지원 벡터 회귀, 인공 신경망 다중 레이어 퍼셉트론, 새로운 모델 인 확률론적 상태 천이 모델이 포함된다.
