[論文レビュー] A three-stage model for short-term extreme wind speed probabilistic forecasting

Daniela Castro‐Camilo, Raphaël Huser+1 more|arXiv (Cornell University)|Oct 9, 2018

Energy Load and Power Forecasting参考文献 29被引用数 1

ひとこと要約

本論文は、短時間風速の極端値と非極端値を同時に予測するための、スプライスドガンマ一般化パレート分布を組み合わせた3段階の潜在ガウスモデルを提案する。統合ネストラス近似（INLA）を用いた効率的な推論と柔軟な加法的予測子により、風速分布の本体と裾野の両方を捉え、風力タービンの安全性と電網安定性に不可欠な正確な確率的予測を可能にする。

ABSTRACT

Renewable sources of energy such as wind power have become a sustainable alternative to fossil fuel-based energy. However, the uncertainty and fluctuation of the wind speed derived from its intermittent nature bring a great threat to the wind power production stability, and to the wind turbines themselves. Lately, much work has been done on developing models to forecast average wind speed values, yet surprisingly little has focused on proposing models to accurately forecast extreme wind speeds, which can damage the turbines. In this work, we develop a flexible spliced Gamma-Generalized Pareto model to forecast extreme and non-extreme wind speeds simultaneously. Our model belongs to the class of latent Gaussian models, for which inference is conveniently performed based on the integrated nested Laplace approximation method. Considering a flexible additive regression structure, we propose two models for the latent linear predictor to capture the spatio-temporal dynamics of wind speeds. Our models are fast to fit and can describe both the bulk and the tail of the wind speed distribution while producing short-term extreme and non-extreme wind speed probabilistic forecasts.

研究の動機と目的

• 風力タービンの健全性と電網安定性に深刻な脅威をもたらす極端風速の確率的予測に焦点を当てたモデルの不足に対処すること。
• 非極端値と極端値の両方の風速分布を同時にモデル化する統合フレームワークを構築し、予測精度を向上させること。
• 効率的な計算手法を用いて、空間時系列風速ダイナミクスの高速かつ信頼性の高い推論を可能にすること。
• 極端値理論と柔軟な回帰構造を統合することで、風速分布の全般的な挙動（特に重い尾部）を捉えること。

提案手法

• 非極端風速のためのガンマ分布と極端値のための一般化パレート分布（GPD）を組み合わせた柔軟なスプライスド分布を提案し、閾値で連続性を保証すること。
• 潜在ガウスモデルの枠組み内でモデルを定式化し、統合ネストラス近似（INLA）法による効率的推論を可能にすること。
• 空間時系列的依存関係を風速データにモデル化するため、潜在線形予測子に加法的回帰構造を用いること。
• 時間的トレンド、日周期、空間的変動を捉えるために、柔軟な共変量およびスムーズ関数を組み込むこと。
• 潜在ガウス設定下で統一された尤度フレームワークを用いて、ガンマ成分とGPD成分の両方のパラメータを同時に推定すること。
• 計算コストの高いMCMCサンプリングを回避することで、短時間予測における計算効率とスケーラビリティを確保すること。

実験結果

リサーチクエスチョン

• RQ1 1つの確率的モデルが、短時間予測枠組み内で非極端値と極端値の両方の風速を効果的に予測できるか。
• RQ2 スプライスドガンマ-GPD分布は、単変量モデルと比較して、風速分布全体をどれほどより正確に表現できるか。
• RQ3 潜在ガウスモデルにおける加法的予測子は、複雑な空間時系列パターンを維持したまま計算効率を保って風速データに適応できるか。
• RQ4 提案モデルは、極端風速予測の既存モデルと比較して、予測性能においてどの程度優れているか。

主な発見

• 提案された3段階モデルは、風速分布の本体と尾部の両方を的確に捉えており、包括的な確率的予測を可能にした。
• 統合ネストラス近似（INLA）の使用により、高速かつ正確な推論が実現され、リアルタイムまたは運用予測に適したモデルとなった。
• スプライスドガンマ一般化パレートモデルは、極端値を別個に扱うか尾部の挙動を無視するモデルと比較して、極端風速の表現がより正確である。
• 潜在線形予測子における柔軟な加法的構造は、風速の時間的・空間的変動を効果的にモデル化し、予測の信頼性を向上させた。
• 高い計算効率を達成しており、分布の正確性を損なわずに迅速なフィッティングと短時間予測が可能となった。
• 本フレームワークは、風力発電システムにおけるタービン保護と電網連系の向上に強く応用可能であると示された。