MétaCan
Menu
Retour à la cohorte
Enregistrement W4323895136 · doi:10.1109/spec55080.2022.10058414

Development of Short-Term Wind Power Forecasting Methods

2022· article· en· W4323895136 sur OpenAlexaffabout
Bo Cao, Liuchen Chang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésWind powerWind speedWind power forecastingMeteorologyTerm (time)Computer scienceElectric power systemPower (physics)Environmental scienceEconometricsEngineeringMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

This paper presents new approaches for short-term wind power forecasts developed by the authors. Day-ahead and hours-ahead wind power forecasts were derived from the wind speed forecast data generated by High Resolution Deterministic Prediction System (HRDPS) Model at the Environment and Climate Change Canada (ECCC). Following a statistical analysis to verify the accuracy of the ECCC wind speed forecasts themselves, a power curve transfer model was developed to offer day-ahead wind power forecasts by converting the ECCC wind speed forecasts to wind power forecasts. An hours-ahead wind speed forecasting method was developed using a fusion approach to predict wind power for look-ahead times ranging from 30 minutes to six and a half hours with 5-min time steps to meet forecast delivery requirements of utilities and system operators. Using operational data over several years from six wind farms in different locations in Canada, the forecasting methodologies were validated for their good performance on the basis of statistical metrics and error distribution analyses.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,043
Tête enseignante GPT0,277
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEnergy Load and Power ForecastingTravaux en français237 207