Forecast of Infrequent Wind Power Ramps Based on Data Sampling Strategy

معرفی تولید برق باد در ژاپن ترویج شده است. با این حال، قدرت باد یک منبع انرژی ناپایدار است زیرا خروجی آن با توجه به آب و هوا متفاوت است. به طور خاص، تغییرات ناگهانی در خروجی، که می تواند بر سیستم برق تاثیر بگذارد، نامیده می شود و باعث می شود مشکلات سیستم برق قوی باشد. در این مقاله، نویسندگان، با استفاده از طبقه بندی ها، پیش بینی رویداد رمپ را مورد بحث قرار می دهند. یک مسئله جدی در این راهپیمایی این است که پیش بینی طبقه بندی مبتنی بر نادرست است، زیرا وقوع چنین رمپ نسبتا نادر است. این مشکل، مشکل عدم تعادل کلاس در زمینه یادگیری ماشین نامیده می شود. برای غلبه بر مشکل عدم تعادل کلاس در پیش بینی رمپ، چندین روش نمونه گیری داده ها اجرا می شود. اثربخشی این روشهای نمونه گیری با استفاده از داده های تولید انرژی باد در جهان واقعی تجربی ارزیابی می شود. نتایج نشان می دهد که رویکردهای پیاده شده به طور قابل توجهی دقت پیش بینی را بهبود داده اند.