[論文レビュー] SDWPF: A Dataset for Spatial Dynamic Wind Power Forecasting Challenge at KDD Cup 2022

Jingbo Zhou, Xinjiang Lu+5 more|arXiv (Cornell University)|Aug 8, 2022

Energy Load and Power Forecasting被引用数 26

ひとこと要約

この論文は、SDWPFデータセットを用いて、半年間にわたり134基の風力タービンの空間的な配置と動的文脈を含む空間動的風力発電予測（WPF）を提案し、Baidu KDD Cup 2022 チャレンジのベースラインGRU解法を提示します。

ABSTRACT

The variability of wind power supply can present substantial challenges to incorporating wind power into a grid system. Thus, Wind Power Forecasting (WPF) has been widely recognized as one of the most critical issues in wind power integration and operation. There has been an explosion of studies on wind power forecasting problems in the past decades. Nevertheless, how to well handle the WPF problem is still challenging, since high prediction accuracy is always demanded to ensure grid stability and security of supply. We present a unique Spatial Dynamic Wind Power Forecasting dataset: SDWPF, which includes the spatial distribution of wind turbines, as well as the dynamic context factors. Whereas, most of the existing datasets have only a small number of wind turbines without knowing the locations and context information of wind turbines at a fine-grained time scale. By contrast, SDWPF provides the wind power data of 134 wind turbines from a wind farm over half a year with their relative positions and internal statuses. We use this dataset to launch the Baidu KDD Cup 2022 to examine the limit of current WPF solutions. The dataset is released at https://aistudio.baidu.com/aistudio/competition/detail/152/0/datasets.

研究の動機と目的

• WPF研究のための動的文脈を持つ空間分散風力データセットを導入する。
• 空間相関を考慮した風力発電予測手法の風力発電所規模での評価を可能にする。
• 従来の時系列WPFデータセットを超えるデータセットの特徴、評価プロトコル、課題を強調する。
• KDD Cup 2022 競技のためのベースラインモデルと再現可能な評価設定を提供する。

提案手法

• 10分間のサンプリングを含む134発電機風力発電所のSCADAシステムから収集されたデータセット。
• 外部特徴（風速、風向、温度）と内部タービン状態（ナセル温度、ピッチ角など）を組み込む。
• タービンレベルのデータに加えて空間座標を提供し、タービン間の空間相関をモデル化する。
• 48時間先予測タスクを定義し、10分間隔の288ステップのホライズンを生成する。
• 評価フレームワークはタービンごとのRMSEとMAEを集計し、特定のスコアリング式を用いる。
• GRUを用いたベースラインコードをPaddleSpatial向けに公開している。

実験結果

リサーチクエスチョン

• RQ1 SDWPFデータを用いて空間-時間モデルは48時間先の風力発電をどの程度効果的に予測できるか？
• RQ2 空間的位置と動的文脈を含めることは、従来の時系列アプローチと比較して予測精度にどのような影響を与えるか？
• RQ3 欠損、未知、異常なSCADA値は風力発電予測と評価でどのように扱うべきか？
• RQ4 Baidu KDD Cup 2022タスクにおけるベースラインの性能はどの程度か、単純なモデルと高度な手法を比較するとどうなるか？

主な発見

• SDWPFには約半年分のデータ（10分サンプリング）と134基の風力タービンの空間的位置および内部状態が含まれる。
• チャレンジは農場の48時間先の風力発電予測を10分ごとに出力することを要求し、RMSEとMAEで評価される。
• ベースラインGRUモデルが提供され、RMSE 47.081286、MAE 37.558233、195予測に対する総合スコア42.319760を達成した。
• 評価フレームワークはタービンごとのスコアを合計して最終モデルスコアを決定する。
• コードと評価設定は再現性とベンチマークのために公開されている。