An ensemble of mixture density neur

An ensemble of mixture density neural networks is used for short-term wind speed and power forecasting. Predicted wind speeds obtained from a numerical weather prediction model are used as the input data for the mixture density network, whose outputs are the mixture density parameters (used to represent the probability density function of the uncertain output or target variable). All mixture density neural networks in an ensemble are assumed to have a three-layer architecture, with each architecture having different numbers of nodes in the hidden layer. Because a mixture of Gaussian distributions is used to approximate the conditional distribution of the target random variable (either wind speed or wind turbine power), the uncertainties arising from both the model structure and model output can be completely quantified. In consequence, rigorous confidence intervals reflecting these sources of uncertainty in the prediction can be obtained and used to assess the performance for the wind speed and wind turbine power forecasting. An application of the proposed approach to a data set of the measured wind speed and power from an operational wind turbine in a wind farm in Taiwan is used to test the methodology. The results of this application demonstrate that the proposed methodology works well for the multi-step ahead wind speed and power forecasting.

ผลลัพธ์ (ไทย) 1:

เพลิดเพลินของเครือข่ายประสาทความหนาแน่นของส่วนผสมจะใช้ความเร็วลมระยะสั้นและการคาดการณ์พลังงาน ความเร็วลมที่เคลื่อนที่ได้จากแบบจำลองพยากรณ์อากาศเลขจะใช้เป็นข้อมูลป้อนเข้าสำหรับเครือข่ายความหนาแน่นของส่วนผสม เอาท์พุตมีพารามิเตอร์ความหนาแน่นส่วนผสม (ใช้แทนฟังก์ชันความหนาแน่นของความน่าเป็นของตัวแปรผลหรือเป้าหมายที่ไม่แน่นอน) ผสมความหนาแน่นประสาทเครือข่ายทั้งหมดในสิ่งที่สมมติให้มี 3 ชั้นสถาปัตยกรรม กับสถาปัตยกรรมแต่ละที่มีจำนวนโหนอื่นในชั้นซ่อน เนื่องจากส่วนผสมของ Gaussian กระจายใช้ประมาณการแจกแจงแบบมีเงื่อนไขของตัวแปรสุ่มการเป้าหมาย (ความเร็วลมหรือพลังงานลมกังหัน), ความไม่แน่นอนเกิดจากโครงสร้างแบบจำลองและแสดงผลแบบจำลองสามารถจะสมบูรณ์ quantified ในผล ช่วงความเชื่อมั่นอย่างเข้มงวดที่สะท้อนให้เห็นถึงความไม่แน่นอนในการคาดเดาแหล่งเหล่านี้สามารถรับ และใช้ในการประเมินประสิทธิภาพการทำงานความเร็วลมและกังหันลมพลังงานคาดการณ์ ประยุกต์วิธีนำเสนอชุดข้อมูลของลมวัดความเร็วและพลังงานจากกังหันลมที่ปฏิบัติการในฟาร์มลมในไต้หวันใช้ทดสอบระหว่าง ผลของโปรแกรมประยุกต์นี้แสดงให้เห็นว่า วิธีการนำเสนอที่ทำงานดีสำหรับความเร็วลมล่วงหน้าหลายขั้นตอนและการคาดการณ์พลังงาน

ผลลัพธ์ (ไทย) 2:

วงดนตรีของความหนาแน่นของส่วนผสมเครือข่ายประสาทที่ใช้สำหรับความเร็วลมในระยะสั้นและการคาดการณ์การใช้พลังงาน ความเร็วลมที่คาดการณ์ได้จากแบบจำลองพยากรณ์อากาศเชิงตัวเลขที่ใช้เป็นข้อมูลสำหรับเครือข่ายการป้อนข้อมูลความหนาแน่นของส่วนผสมที่มีเอาท์พุทพารามิเตอร์หนาแน่นผสม (ใช้ในการแสดงฟังก์ชั่นความหนาแน่นของการส่งออกมีความไม่แน่นอนหรือตัวแปรที่กำหนดเป้​​าหมาย) ความหนาแน่นของส่วนผสมทุกเครือข่ายประสาทในวงดนตรีจะถือว่ามีสถาปัตยกรรมสามชั้นที่มีสถาปัตยกรรมที่แต่ละคนมีตัวเลขที่แตกต่างของโหนดในชั้นซ่อน เพราะมีส่วนผสมของการกระจายเสียนจะใช้ในการใกล้เคียงกับเงื่อนไขการจำหน่ายของเป้าหมายตัวแปรสุ่ม (ทั้งความเร็วลมหรือลมไฟฟ้ากังหัน) เป็นความไม่แน่นอนที่เกิดขึ้นจากทั้งสองรูปแบบโครงสร้างและรูปแบบการแสดงผลที่สามารถวัดได้อย่างสมบูรณ์ ในผลให้ความเชื่อมั่นอย่างเข้มงวดช่วงเวลาที่สะท้อนให้เห็นถึงแหล่งที่มาของความไม่แน่นอนเหล่านี้ในการทำนายจะได้รับและใช้ในการประเมินประสิทธิภาพการทำงานสำหรับความเร็วลมและลมคาดการณ์พลังงานกังหัน การประยุกต์ใช้วิธีการที่จะนำเสนอชุดข้อมูลของวัดความเร็วลมและพลังงานจากกังหันลมในการดำเนินงานในฟาร์มกังหันลมในไต้หวันจะใช้ในการทดสอบวิธีการที่ ผลของโปรแกรมนี้แสดงให้เห็นว่าวิธีการที่นำเสนองานได้ดีสำหรับหลายขั้นตอนข้างหน้าความเร็วลมและการคาดการณ์การใช้พลังงาน

ผลลัพธ์ (ไทย) 3:

เป็นวงดนตรีผสมความหนาแน่นของโครงข่ายประสาทเทียมที่ใช้สำหรับความเร็วลมระยะสั้นและอำนาจการพยากรณ์ พยากรณ์ความเร็วลม ที่ได้จากแบบจำลองพยากรณ์อากาศเชิงตัวเลขที่ใช้เป็นข้อมูล สำหรับส่วนผสมของเครือข่ายที่มีผลผลิตเป็นส่วนผสมของพารามิเตอร์ ( ใช้แทนฟังก์ชันความหนาแน่นของความน่าจะเป็นของผลผลิตที่ไม่แน่นอน หรือตัวแปรเป้าหมาย )ส่วนผสมทั้งหมดของโครงข่ายประสาทเทียมในทั้งหมดจะถือว่ามีสามชั้นสถาปัตยกรรม ด้วยสถาปัตยกรรมที่มีตัวเลขที่แตกต่างกันของแต่ละโหนดในชั้นซ่อน . เพราะส่วนผสมของเกาส์เซียนแบบใช้โดยประมาณการเงื่อนไขของเป้าหมายตัวแปรสุ่ม ( ทั้งความเร็วลมหรือลมกังหันพลังงาน )ความไม่แน่นอนที่เกิดขึ้นจากทั้งรูปแบบโครงสร้างและรูปแบบ output สามารถทั้งหมดวัดได้ ในผลที่ตามมาอย่างเข้มงวดเหล่านี้แหล่งที่มาของความเชื่อมั่นที่สะท้อนให้เห็นถึงความไม่แน่นอนในการพยากรณ์ได้ และใช้เพื่อประเมินสมรรถนะความเร็วลมกังหันลมพลังงานและการพยากรณ์การประยุกต์ใช้วิธีการที่เสนอไปยังชุดข้อมูลวัดความเร็วลม และพลังงานจากกังหันเป็นปฏิบัติการลมในฟาร์มกังหันลมในไต้หวันที่ใช้ทดสอบคือ ผลของโปรแกรมนี้แสดงให้เห็นว่า การเสนอวิธีการทำงานได้ดีสำหรับการปรับไปข้างหน้า ความเร็วลมและอำนาจการพยากรณ์