[論文レビュー] Uncertainty of short-term Wind Power Forecasts -- A methodology for on-line Assessment

Georges Kariniotakis, Pierre Pinson|arXiv (Cornell University)|Oct 4, 2023

Energy Load and Power Forecasting参考文献 7被引用数 25

ひとこと要約

本論文は、ユーザー定義の信頼区間、風力発電誤差適応リサンプリング、そして予測リスクを示す2つの気象リスク指標（MRIとPRI）を用いて、短期風力予測不確実性をオンラインで評価する方法を提案する。

ABSTRACT

The paper introduces a new methodology for assessing on-line the prediction risk of short-term wind power forecasts. The first part of this methodology consists in computing confidence intervals with a confidence level defined by the end-user. The resampling approach is used for this purpose since it permits to avoid a restrictive hypothesis on the distribution of the errors. It has been however appropriately adapted for the wind power prediction problem taking into account the dependency of the errors on the level of predicted power through appropriately defined fuzzy sets. The second part of the proposed methodology introduces two indices, named as MRI and PRI, that quantify the meteorological risk by measuring the spread of multi-scenario Numerical Weather Predictions and wind power predictions respectively. The multi-scenario forecasts considered here are based on the 'poor man's' ensembles approach. The two indices are used either to fine-tune the confidence intervals or to give signals to the operator on the prediction risk, i.e. the probabilities for the occurrence of high prediction errors depending on the weather stability. A relation between these indices and the level of prediction error is shown. Evaluation results over a three-year period on the case of a wind farm in Denmark and over a one-year period on the case of several farms in Ireland are given. The proposed methodology has an operational nature and can be applied to all kinds of wind power forecasting models

研究の動機と目的

• 短期風力予測における予測リスクをオンラインで定量化する方法を提供する。
• 風力発電誤差に適合したリサンプリング手法を用いて、厳密な誤差分布仮定を回避する。
• 多シナリオ予報と風力予測からの気象リスクを定量化するMRIとPRI指標を導入する。

提案手法

• 分布仮定を避けるため、リサンプリングによりユーザー定義の信頼水準で信頼区間を計算する。
• 予測風力に対する誤差の依存性をファジー集合を通して組み込み、リサンプリングを風力に適応させる。
• MRI（多シナリオ予報からの気象リスク）とPRI（風力予測からのリスク）という2つの指標を、貧者のエンサンブルに基づいて定義する。
• 貧者のエンサンブルである多シナリオ予報を用いて広がりを定量化し、それを予測誤差レベルと関連付ける。
• 気象安定性を考慮した場合の高予測誤差の確率を示す運用信号を提供する。

実験結果

リサーチクエスチョン

• RQ1 強い分布仮定を用いずに、短期風力予測のオンライン信頼区間をどのように構築できるか？
• RQ2 多シナリオの気象予報と風力予測は、 大きな予測誤差のリスクとどのように関連するか？
• RQ3 2つの指標（MRIとPRI）は、気象リスクを効果的に定量化し、運用上の意思決定を導くことができるか？
• RQ4 気象の安定性、予測の広がりと実際の予測誤差との関係は何か？

主な発見

• リサンプリングを用いてユーザー定義レベルの信頼区間をオンラインで計算でき、厳密な分布仮説を回避できる。
• MRIとPRIは、それぞれ多シナリオの気象予報と風力予測の広がりを通じて気象リスクを定量化する。
• これらの指標は、気象の安定性に基づいて信頼区間を微調整したり、高予測誤差の運用リスク信号を提供したりできる。
• MRI/PRIの値と予測誤差のレベルとの間に観測された関係がある。