[論文レビュー] Forecasting wind speed financial return

Guglielmo D’Amico, Filippo Petroni+1 more|arXiv (Cornell University)|Dec 13, 2013

Energy Load and Power Forecasting参考文献 12被引用数 4

ひとこと要約

本論文は、風速の非パrametric予測のためのインデックス付き半マルコフ連鎖（ISMC）モデルを提案し、10分から2時間の複数の時間スケールにおいて、パーシステンスモデルを上回る優れた性能を示した。このモデルは、離散化された状態を用いて風速を正確に予測でき、さらに風力発電投資の財務指標（内部収益率（IRR）、期間、コネクシティ）の推定に応用された。インcentivizedおよび非インセンティブ化シナリオの両方において、実データとシミュレートされたデータの間に強い整合性が確認された。

ABSTRACT

The prediction of wind speed is very important when dealing with the production of energy through wind turbines. In this paper, we show a new nonparametric model, based on semi-Markov chains, to predict wind speed. Particularly we use an indexed semi-Markov model that has been shown to be able to reproduce accurately the statistical behavior of wind speed. The model is used to forecast, one step ahead, wind speed. In order to check the validity of the model we show, as indicator of goodness, the root mean square error and mean absolute error between real data and predicted ones. We also compare our forecasting results with those of a persistence model. At last, we show an application of the model to predict financial indicators like the Internal Rate of Return, Duration and Convexity.

研究の動機と目的

• 分布的仮定に依存しない風速の非パラメトリック予測モデルの開発を目的とする。
• ISMCモデルの予測精度が、10分から2時間までの複数の時間スケールでどのように評価されるかを検証すること。
• ISMCモデルを用いて、風力発電投資の財務指標（IRR、期間、コネクシティ）を予測すること。
• RMSEおよびMAE指標を用いて、ISMCモデルとパーシステンスモデルの性能を比較すること。
• 政府のインcentiveあり・なしの両シナリオにおいて、実データとシミュレートされたデータを用いてモデルの財務的適用性を検証すること。

提案手法

• ISMCモデルは、風速を8つの範囲（0–3 m/s から >9 m/s）に離散化することで、離散状態空間を用いる。
• モデルは、30分、1時間、2時間の間隔に再サンプリングされた歴史的風速データを用いて訓練され、マルチスケール予測性能を評価する。
• タービンのホイール高さにおける風速は、パワー則を用いて補正される：$ v_h = v_{ref} \left( \frac{h}{h_{ref}} \right)^\alpha $、ここで $ \alpha = \frac{1}{\ln(h/z_0)} $ であり、陸上条件では $ z_0 = 0.005 $ と設定される。
• エネルギー生産は、10 kWのAircon HAWTタービンの出力曲線を用いてモデル化され、風速から電気出力をマッピングする。
• モンテカルロシミュレーションにより、ISMCモデルに基づき、将来の風速およびエネルギー生産の1000通りのシナリオが生成される。
• 財務指標（IRR、期間、コネクシティ）は、標準的な式を用いてシミュレートされたキャッシュフローから計算され、IRRは反復的に解き、期間／コネクシティは3％の割引率で計算される。

実験結果

リサーチクエスチョン

• RQ1 インデックス付き半マルコフ連鎖モデルは、分布的仮定に依存せずに、複数の時間スケール（10分から2時間）で風速を正確に予測できるか？
• RQ2 RMSEおよびMAEの観点から、ISMCモデルの予測性能はパーシステンスモデルと比べてどの程度優れているか？
• RQ3 ISMCモデルは、風力発電投資の現実的な財務指標（IRR、期間、コネクシティ）をどの程度正確にシミュレートできるか？
• RQ4 政府のインセンティブは、ISMCでシミュレートされた風速シナリオから導かれる財務指標にどのような影響を及ぼすか？
• RQ5 ISMCモデルの予測精度は、30分、1時間、2時間の異なるサンプリング周波数においても安定しているか？

主な発見

• ISMCモデルは、10分から2時間までの全テスト時間スケールで、パーシステンスモデルを上回る風速予測性能を示し、RMSEおよびMAEが低い。
• 政府インセンティブ付きの15年間投資ケースにおいて、実データの平均IRRは0.5256 ± 0.0063、ISMCシミュレーションでは0.5186 ± 0.0062であった。
• インセンティブなしの30年間投資ケースでは、実データの平均IRRは0.0249 ± 0.0021（実）であり、シミュレートされた値は0.0240 ± 0.0003であった。両者には強い整合性が確認された。
• 期間の値は、インセンティブありの場合は実データが7.0134 ± 0.0253、シミュレートデータが6.9997 ± 0.0024とほぼ同一であり、インセンティブなしの場合は7.2680 ± 0.0122 対 7.2288 ± 0.0023であった。
• コネクシティの値についても高い一貫性が確認された：インセンティブありでは71.7516 ± 0.3638（実） 対 71.5337 ± 0.0401（シミュレート）、インセンティブなしでは126.9422 ± 0.3119 対 126.1550 ± 0.0590であった。
• モデルは、10分から2時間までの時間スケールにおいて、一貫した予測性能を維持しており、時間スケールの延長に伴う著しい性能低下は認められなかった。