[논문 리뷰] Uncertainty of short-term Wind Power Forecasts -- A methodology for on-line Assessment

Georges Kariniotakis, Pierre Pinson|arXiv (Cornell University)|2023. 10. 04.

Energy Load and Power Forecasting참고 문헌 7인용 수 25

한 줄 요약

이 논문은 사용자 정의 신뢰구간, 풍력 예측 오차 적응 재샘플링, 그리고 두 가지 기상 위험 지표(MRI 및 PRI)를 사용하여 단기 풍력 예측 불확실성을 온라인으로 평가하는 방법을 제안한다.

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

연구 동기 및 목표

• 단기 풍력 예측에서 예측 위험을 정량화하기 위한 온라인 방법을 제공한다.
• 풍력 예측 오차에 맞춘 재샘플링 접근법을 사용하여 엄격한 오차 분포 가정의 제약을 피한다.
• 다중 시나리오 예보와 풍력 예측으로부터 기상 위험을 정량화하기 위해 MRI 및 PRI 지수를 도입한다.

제안 방법

• 분포 가정을 피하기 위해 재샘플링으로 사용자가 정의한 신뢰 수준의 신뢰구간을 계산한다.
• 퍼지 집합을 통해 예측 풍력에 따른 오차 의존성을 재샘플링에 반영하여 풍력에 맞게 적응시키다.
• 두 지수 MRI(다중 시나리오 예보에서의 기상 위험)와 PRI(풍력 예측의 위험)를 정의한다, 이를 'poor man’s ensembles'에 기초하여 정의한다.
• 다중 시나리오 예보('poor man’s ensembles')를 사용하여 분산(스프레드)을 정량화하고 이를 예측 오차 수준과 연관시킨다.
• 날씨 안정성과 관련된 고예측 오차의 확률을 나타내는 운영 신호를 제공한다.

실험 결과

연구 질문

• RQ1 강한 분포 가정 없이 단기 풍력 예측에 대한 온라인 신뢰구간을 어떻게 구성할 수 있는가?
• RQ2 다중 시나리오 기상 예보와 풍력 예측은 큰 예측 오차의 위험과 어떻게 연결되는가?
• RQ3 두 지수(MRI 및 PRI)가 기상 위험을 효과적으로 정량화하고 운영 의사결정을 안내할 수 있는가?
• RQ4 날씨 안정성, 예측 분산, 실제 예측 오차 간의 관계는 무엇인가?

주요 결과

• 신뢰구간은 재샘플링을 사용하여 사용자가 정의한 수준으로 온라인에서 계산할 수 있어 엄격한 분포 가정을 피한다.
• MRI와 PRI는 각각 다중 시나리오 기상 예보의 분산과 풍력 예측의 분산을 통해 기상 위험을 정량화한다.
• 이 지수들은 날씨 안정성을 바탕으로 고예측 오차에 대한 신뢰구간을 미세 조정하거나 운영상의 위험 신호를 제공할 수 있다.
• MRI/PRI 값과 예측 오차 수준 간의 관찰된 관계가 있다.