Πιθανοτική Πρόβλεψη Αιολικής Παραγωγής με Χρήση Τεχνητών Νευρωνικών Δικτύων

Abstract

Σκοπός της παρούσας διπλωματικής εργασίας είναι η πιθανοτική πρόβλεψη της αιολικής παραγωγής μέσω της ανάπτυξης μοντέλων που βασίζονται σε τεχνητά νευρωνικά δίκτυα. Για την παραγωγή των διαστημάτων πρόβλεψης χρησιμοποιείται η μέθοδος εκτίμησης κάτω και άνω ορίου. Το πρώτο μοντέλο που αναπτύσσεται εκπαιδεύεται στη βάση της ελαχιστοποίησης του κριτηρίου του εύρους κάλυψης, ενώ το δεύτερο μοντέλο εκπαιδεύεται σε πολυκριτηριακά πλαίσια. Ως αλγόριθμος βελτιστοποίησης επιλέγεται η βελτιστοποίηση σμήνους σωματιδίων. Στην περίπτωση του δεύτερου μοντέλου ο αλγόριθμος τροποποιείται έτσι ώστε να είναι κατάλληλος για πολυκριτηριακή βελτιστοποίηση. Για την αρχικοποίηση των βαρών και των πολώσεων των δύο μοντέλων επιλέγεται η τεχνική αρχικοποίησης Nguyen-Widrow. Και στα δύο μοντέλα εφαρμόζεται τελεστής μετάλλαξης ο οποίος μειώνεται γραμμικά. Για την εκπαίδευση και την αξιολόγηση των μοντέλων χρησιμοποιούνται δημόσια διαθέσιμα δεδομένα που προέρχονται από τον διαγωνισμό GEFCom 2014. Τα δεδομένα αφορούν δέκα αιολικούς σταθμούς και χωρίζονται σε εποχές ώστε να είναι δυνατή η εποχική ανάλυση. Η ανάπτυξη του κώδικα για την κατασκευή των μοντέλων πιθανοτικής πρόβλεψης της παρούσας διπλωματικής εργασίας γίνεται στη γλώσσα προγραμματισμού Python. Για τα δεδομένα κάθε εποχής, τα μοντέλα παράγουν διαστήματα πρόβλεψης με ωριαία χρονική ανάλυση. Τα αποτελέσματα των μοντέλων συγκρίνονται μεταξύ τους αλλά και με τα αποτελέσματα άλλων μοντέλων πιθανοτικής πρόβλεψης της διαθέσιμης βιβλιογραφίας. Εξάγονται συμπεράσματα σχετικά με την απόδοση των μοντέλων αλλά και την απόδοση ανά εποχή, και προτείνονται ορισμένες πιθανές μελλοντικές επεκτάσεις της εργασίας.