随着人类从化石燃料转向可再生能源，风力发电将在全球能源容量中发挥至关重要的作用。风速是估算某个地点风能潜力的关键参数。但预测风速是一项艰巨的任务。这对需要依靠可靠估计来为其电网供电的公用事业公司提出了挑战。
一些模型已经能够以不同程度的准确性和可靠性预测风速。在Concordia领导的一项发表在《能源》杂志上的研究中，吉娜科迪工程与计算机科学学院建筑、土木和环境工程系的研究人员提出了一种集成多种类型模型的混合方法。
研究人员表示，这种混合方法可以将预测精度提高高达30%。该项目是作为当时的博士论文的一部分开始的。学生纳维德·希尔扎迪。希尔扎迪正在考虑为康科迪亚大学蒙特利尔市中心校区设计一个微电网。
新方法使用来自两个来源的数据分析和输出：威布尔概率分布和数值天气预报(NWP)。
本例中的威布尔分布根据历史数据和其他变量预测风速概率。相比之下，数值天气预报利用物理原理基于大型、复杂的算法来预测未来行为。气象服务和应用程序通常使用NWP进行每小时和每日预报。
尽管这些模型各有优势，但Shirzadi表示，在尝试将其应用于发电时，它们存在很大的局限性。
“可再生能源的随机行为及其波动使得微电网的设计和运营非常具有挑战性，”他解释道。
“没有可以轻松捕获的特殊模式或季节性。我们需要一个非常强大的模型来预测风力发电。”
研究人员首先将威布尔概率融合到长短期记忆(LTSM)模型中。LTSM是一种循环神经网络，对于时间序列分析特别有用。研究人员随后添加了数值天气预报的数据，以进一步加强他们的模型。
Shirzadi说，LSTM和Weibull分布之间的最初混合产生了有希望的结果。添加NWP后，这些结果得到了加强：与非混合LTSM预测相比，48小时范围内的预测误差减少了32%。
成长的阵风
尽管风电在全球范围内持续增长，但要在2050年实现国际净零排放目标，仍有许多工作要做。根据国际能源署的数据，到本世纪中叶实现净零排放需要我们在本十年末仅通过风能发电7,400太瓦时。目前全球风力发电量为2100太瓦时，这意味着在可预见的未来，投资将需要同比稳健增长。
副教授兼合著者FuzhanNasiri表示，他相信这项研究以及该大学下一代城市研究所和Volt-age计划成员正在进行的其他研究可以为康考迪亚大学的脱碳工作做出贡献。康考迪亚大学正在朝着2050年净零排放的承诺迈进，将大学定位为加拿大的领导者。
“我们必须使我们的能源来源多样化。当地能力是其中的一部分，”纳西里解释道。
“我们不能仅仅依靠现有的电网，它很容易受到冰暴等自然灾害的影响。它在停电期间增加了缓冲。因此，准确了解风速以了解哪个地区的风速最高是非常重要的。”涡轮机运行效率的潜力。”
加拿大智能、可持续和弹性城市和社区卓越研究、Shirzadi的主要导师UrsulaEicker强调，“能源管理越来越重要，因为间歇性可再生能源需要始终满足需求。准确的风速预测是关键最好地预测可变发电并调整负载和存储使用的基础。”