.png){kind=icon}
返回
GLDM Algorithm for Big Data (SCADA) Wind Speed Modelling
.png){kind=icon}
PRE
AI
DOI：10.31803/tg-20240419205218.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究通过实施二阶广义最小偏差法（GLDM）来提高风速预测，重点关注土耳其的风力涡轮机。研究旨在通过气象学中的高级数学建模来提高可再生能源系统的预测精度和运行效率。GLDM利用准线性递归方程，解决了风速数据固有的非线性性和变异性。通过将该方法应用于广泛的SCADA数据，本研究在非线性大数据环境中最小化残差，整合线性与非线性成分以优化预测。本研究的关键方面是二阶GLDM与传统预测模型的比较，包括统计方法和机器学习方法。结果表明，GLDM表现出更优的性能，其预测误差更低，关键指标上的准确性更高。研究还强调了GLDM系数αi在提升预测能力中的重要性。研究发现倡导在风速预测中采用GLDM，突出其通过提高精度显著增强风能管理的潜力。本研究也为先进数学模型在环境科学中的更广泛应用树立了先例，展示了GLDM在优化可再生能源资源方面的有效性。
Keyword:
atmospheric dynamics
Generalized Least Deviation Method (GLDM)
renewable energy optimization
SCADA Data Analysis
statistical model validation
wind speed forecasting
wind turbine efficiency
