[논문 리뷰] Performance Analysis of ANFIS in short term Wind Speed Prediction

Ernesto Cortés Pérez, Ignacio Algredo‐Badillo외 1명|arXiv (Cornell University)|2012. 12. 11.

Energy Load and Power Forecasting참고 문헌 15인용 수 15

한 줄 요약

이 연구는 2008년에서 2011년까지의 기상 데이터를 사용하여 멕시코 테와안테페의 이스투모스 지역에서 단기 풍속 예측을 위한 적응형 신경 퍼지 추론 시스템(ANFIS)의 성능을 평가한다. 모델은 풍속, 온도, 기압 및 날짜를 사용하여 16시간, 24시간, 48시간 예측을 수행하며, 낮은 평균 제곱오차(MSE)를 기록하여 ANFIS가 풍력 에너지 계획 수립에 유용한 도구임을 입증한다.

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.

연구 동기 및 목표

• 멕시코 온사카 주 테와안테페의 이스투모스 지역에서 풍력 에너지 응용을 위한 단기 풍속 예측에 있어 ANFIS의 효과성을 평가하는 것.
• 실제 기상 데이터를 사용하여 16시간, 24시간, 48시간 예측 수단으로 다중 예측 수명 주기에서의 모델 성능을 평가하는 것.
• 주요 성능 지표로 평균 제곱오차(MSE)를 사용하여 ANFIS의 예측 정확도를 규명하는 것.
• 운영 효율성 및 경제적 수익 증대를 위해 정확한 단기 풍속 예측을 제공함으로써 풍력 발전소 계획을 지원하는 것.
• 풍속, 온도, 기압 및 날짜와 같은 입력 변수가 예측 정확도에 미치는 영향을 분석하는 것.

제안 방법

• 2008~2011년 기간 동안 이스투모스 대학교 기상관측소에서 확보한 데이터셋을 활용하여 풍속, 온도, 기압 및 날짜를 포함한다.
• 동일한 입력 변수를 사용하여 16시간, 24시간, 48시간 풍속 예측을 위한 세 개의 별도 ANFIS 모델을 구축한다.
• 역전파와 최소 제곱법을 조합한 하이브리드 학습 알고리즘을 적용하여 ANFIS 아키텍처를 학습시킨다.
• 입력 데이터 분포를 기반으로 초기 퍼지 규칙 구조를 결정하기 위해 감소형 클러스터링 방법을 적용한다.
• 입력 데이터 공간에서 퍼지 규칙 및 소속도 함수를 생성하기 위해 격자 분할 기법을 사용한다.
• 낮은 값이 더 높은 예측 정확도를 의미하므로 평균 제곱오차(MSE)를 사용하여 모델 성능을 평가한다.

실험 결과

연구 질문

• RQ1 ANFIS는 테와안테페의 이스투모스 지역에서 16시간, 24시간, 48시간 예측 수명 주기에서 풍속을 얼마나 정확하게 예측할 수 있는가?
• RQ2 온도, 기압, 날짜와 같은 기상 변수를 통합함으로써 ANFIS 예측 성능에 어떤 영향을 미치는가?
• RQ3 단기 풍속 예측에서 MSE 기준으로 ANFIS 모델은 다른 예측 모델과 비교해 어떤가?
• RQ4 16시간, 24시간, 48시간 중 어느 예측 수명 주기에서 가장 높은 정확도를 기록하는가?
• RQ5 제한된 기상 입력 자료를 사용하여 ANFIS는 풍속의 비선형 동역학을 효과적으로 모델링할 수 있는가?

주요 결과

• ANFIS 모델은 세 가지 테스트 시간 프레임 중에서 16시간 예측 수명 주기에서 가장 낮은 평균 제곱오차(MSE)를 기록하였다.
• 24시간 예측 모델은 16시간 모델보다 더 높은 MSE를 보였지만, 여전히 운영 사용에 있어 허용 가능한 수준의 중간 성능을 보였다.
• 48시간 예측 모델은 기대되는 바와 같이 장기 수명 주기에서 정확도가 떨어지며 가장 높은 MSE를 기록하였다.
• 온도, 기압 및 날짜를 입력 변수로 통합함으로써 단순히 풍속만을 사용한 모델 대비 일반화 능력 향상과 예측 오차 감소를 확인할 수 있었다.
• 하이브리드 학습 알고리즘이 효과적으로 ANFIS 파라미터를 최적화하여 안정적인 수렴과 신뢰할 수 있는 예측 출력을 이끌어냈다.
• 본 연구는 ANFIS가 테와안테페의 복잡한 미기후 조건을 가진 지역에서 단기 풍속 예측에 있어 강력하고 정확한 방법임을 확인한다.