Resumen

Ante el creciente agotamiento de los combustibles fósiles tradicionales y su impacto adverso en el entorno natural, la energía eólica ha ganado cada vez más popularidad en todo el mundo. Caracterizada por su amplia distribución, su bajo coste y una tecnología muy completa, ha logrado un rápido crecimiento de la capacidad instalada en los últimos años. Sin embargo, la energía eólica es volátil y aleatoria por naturaleza, y las variaciones de potencia causadas por condiciones meteorológicas extremas siempre amenazan el funcionamiento seguro, estable y económico de la red eléctrica. Para hacer frente a los problemas de insuficiencia de datos de muestra y baja precisión de predicción en los métodos de predicción de rampas existentes, se propone una nueva forma de predicción de la energía eólica teniendo en cuenta los eventos de rampa basada en la Red Generativa Adversarial (GAN). En primer lugar, se identifican y separan los eventos de rampa de la base de datos de energía eólica histórica, y a continuación se extrae el conjunto de características de los eventos de rampa históricos según la forma de onda y los factores meteorológicos. Tomando el conjunto de características que integra características similares con las históricas como entrada del GAN, los datos de rampa simulados se producen continuamente a través del entrenamiento adversarial del generador y el discriminador, enriqueciendo así la base de datos de rampa. Después, la base de datos de rampas ampliada puede aplicarse para predecir la potencia de rampa mediante el modelo LSTM. Un experimento basado en el conjunto de datos de energía eólica en una determinada zona del noroeste de China verifica aún más la eficacia y superioridad de este método en comparación con los tradicionales.

• Materias:Ingeniería electrónica Redes Inalámbricas Procesamiento de señales asistido por computador Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Signal processing computer-assisted Computing Data processing
• Palabras claves:eventos, red generativa adversarial, eventos históricos de rampa, energía eólica histórica, datos de muestra insuficientes, baja precisión de predicción, datos simulados de rampa, combustibles fósiles tradicionales, conjunto de datos de energía eólica, predicción de energía eólica.
• Keywords:events, generative adversarial network, historical ramping events, historical wind power, insufficient sample data, low prediction accuracy, simulated ramping data, traditional fossil fuels, wind power dataset, wind power prediction