[論文レビュー] Performance Analysis of ANFIS in short term Wind Speed Prediction

Ernesto Cortés Pérez, Ignacio Algredo‐Badillo+1 more|arXiv (Cornell University)|Dec 11, 2012

Energy Load and Power Forecasting参考文献 15被引用数 15

ひとこと要約

本研究では、メキシコのトエアントペック渓谷における短期風速予測のため、2008年から2011年までの気象データを用いて、適応的ニューロファジィ推論システム（ANFIS）の性能を評価している。モデルは風速、気温、気圧、日付を入力として用い、16時間、24時間、48時間の予測を実施し、平均二乗誤差（MSE）が低く抑えられ、ANFISが風力エネルギー計画に実用的であることが示された。

ABSTRACT

Results are presented on the performance of Adaptive Neuro-Fuzzy Inference system (ANFIS) for wind velocity forecasts in the Isthmus of Tehuantepec region in the state of Oaxaca, Mexico. The data bank was provided by the meteorological station located at the University of Isthmus, Tehuantepec campus, and this data bank covers the period from 2008 to 2011. Three data models were constructed to carry out 16, 24 and 48 hours forecasts using the following variables: wind velocity, temperature, barometric pressure, and date. The performance measure for the three models is the mean standard error (MSE). In this work, performance analysis in short-term prediction is presented, because it is essential in order to define an adequate wind speed model for eolian parks, where a right planning provide economic benefits.

研究の動機と目的

• メキシコオアハカ州トエアントペック渓谷における風力エネルギー用途の短期風速予測におけるANFISの有効性を評価すること。
• 実際の気象データを用いて、16、24、48時間という複数の予測期間におけるモデルの性能を評価すること。
• 平均二乗誤差（MSE）を主な性能指標として用い、ANFISの予測精度を特定すること。
• 運用効率と経済的リターンの向上を支援するため、風力発電所の計画を支援する正確な短期風速予測を提供すること。
• 風速、気温、気圧、日付といった入力変数が予測精度に与える影響を分析すること。

提案手法

• 2008年から2011年までの期間、イスタムス大学気象観測所のデータセットを用い、風速、気温、気圧、日付を含む。
• 同じ入力変数を用いて、16、24、48時間の風速予測のための3つの別個のANFISモデルを構築した。
• バックプロパゲーションと最小二乗法を組み合わせたハイブリッド学習アルゴリズムを用いて、ANFISアーキテクチャの学習を実施した。
• 入力データの分布に基づいて、初期ファジィルール構造を決定するために、減法的クラスタリング法を適用した。
• 入力データ空間からファジィルールおよび所属関数を生成するために、グリッド分割技術を用いた。
• 平均二乗誤差（MSE）を用いてモデルの性能を評価した。MSEが低いほど予測精度が高くなる。

実験結果

リサーチクエスチョン

• RQ1 ANFISは、トエアントペック渓谷における16、24、48時間の風速予測をどれほど正確に実行できるか？
• RQ2 気温、気圧、日付といった気象変数を組み込むことで、ANFISの予測性能にどのような影響があるか？
• RQ3 短期風速予測において、MSEの観点からANFISは他の予測モデルと比べてどのように差がつくか？
• RQ4 16、24、48時間のうち、どの予測期間がANFISで最も正確な予測をもたらすか？
• RQ5 限られた気象入力変数を用いて、ANFISは風速の非線形的ダイナミクスを効果的にモデル化できるか？

主な発見

• ANFISモデルは、3つのテスト期間の中で16時間予測期間において最も低い平均二乗誤差（MSE）を達成した。
• 24時間予測モデルは中程度の性能を示し、16時間モデルよりMSEが高かったが、運用用途において許容範囲内であった。
• 48時間予測モデルは最高のMSEを記録し、長期予測では想定通り精度が低下していることが示された。
• 気温、気圧、日付を入力に含めることで、風速のみを用いたモデルと比較して、モデルの汎化性能が向上し、予測誤差が低減した。
• ハイブリッド学習アルゴリズムにより、ANFISのパラメータが効果的に最適化され、安定した収束と信頼性の高い予測出力を得られた。
• 本研究は、トエアントペック渓谷のような複雑なマイクロクライメート環境において、ANFISが強固で正確な短期風速予測手法であることを確認した。