Predikce výroby větrných elektráren

Model předpoví výkon na příští hodinu s R² 0,998. Na delší horizont nestačí.

Čtyři větrné farmy, pět let hodinových dat. Model je přesný hlavně proto, že vychází z výkonu v předchozí hodině. Pro plánování na den dopředu je potřeba přidat předpověď počasí.

Ilustrační obrázek datasetu: Predikce výroby větrných elektráren

Shrnutí

Co analýza ukázala

Model stojí na jediné proměnné: výkonu v předchozí hodině. V modelu Random Forest má 98,7 % důležitosti, všechny ostatní proměnné dohromady 1,3 %.
Nejlépe vyšla lineární regrese, R² 0,997 až 0,999 na všech čtyřech farmách.
Z údajů o počasí souvisí s výkonem nejvíc rychlost větru ve 100 m (korelace 0,78 na lokaci 1).
Farmy se liší: jedna má kapacitní faktor 40,5 %, ostatní 25 až 31 %.

Zadání

Provozovatel sítě potřebuje vědět, kolik elektřiny větrná farma vyrobí. Otázka analýzy zněla: dá se výkon předpovědět z dat o počasí a které veličiny na něj mají největší vliv?

Cíl jsem si stanovil předem: R² nad 0,95 a seznam deseti nejvlivnějších proměnných pro každou farmu. R² (koeficient determinace) říká, jakou část kolísání výkonu model vysvětlí. Hodnota 1 znamená úplnou shodu.

Postup

Data jsem rozdělil chronologicky: model se učil na starších hodinách a testoval na novějších, aby neviděl do budoucnosti.

Z 10 původních proměnných jsem odvodil další:

výkon před 1, 3, 6, 12 a 24 hodinami
klouzavý průměr a směrodatnou odchylku výkonu za 6, 12 a 24 hodin
hodinu zakódovanou cyklicky (sinus a kosinus)
směr větru převedený na sinus a kosinus
třetí mocninu rychlosti větru a hustotu výkonu větru

Porovnal jsem pět modelů: lineární regresi, Ridge, Lasso, Random Forest a Gradient Boosting. Hodnotil jsem je křížovou validací podle R², MSE (střední kvadratická chyba) a MAE (střední absolutní chyba).

Data

Dataset má 175 200 hodinových záznamů, 43 800 pro každou ze čtyř farem, za roky 2017 až 2021. Nechybí v něm žádná hodnota a žádná časová značka se neopakuje.

Proměnná	Význam
temperature_2m	teplota ve 2 m (°F)
relativehumidity_2m	relativní vlhkost ve 2 m (%)
dewpoint_2m	rosný bod ve 2 m (°F)
windspeed_10m, windspeed_100m	rychlost větru v 10 a 100 m (m/s)
winddirection_10m, winddirection_100m	směr větru v 10 a 100 m (0 až 360°)
windgusts_10m	poryvy větru v 10 m (m/s)
Power	výkon turbíny jako podíl maxima (0 až 1)

Kapacitní faktor, tedy průměrný výkon vůči maximu, se mezi farmami liší:

Farma	Kapacitní faktor
Lokace 1	40,5 %
Lokace 2	25,0 %
Lokace 3	30,8 %
Lokace 4	25,1 %

Osm grafů: průměrný výkon každé ze čtyř farem podle hodiny dne a podle měsíce, s rozptylem hodnot. — Průměrný výkon podle hodiny a měsíce. Na všech čtyřech farmách je výkon nejnižší v červenci a srpnu. Během dne kolísá průměr jen málo.

Co ovlivňuje výkon

Model Random Forest pro lokaci 1 přidělil proměnným tuto důležitost:

Pořadí	Proměnná	Důležitost
1	výkon před 1 h	98,67 %
2	výkon před 3 h	0,72 %
3	směrodatná odchylka výkonu za 6 h	0,44 %
4	průměr výkonu za 6 h	0,03 %
5	výkon před 6 h	0,02 %

Model si pamatuje poslední hodinu a počasí skoro nepoužívá. Díky tomu je přesný, ale dál než o hodinu nedohlédne.

Bez minulého výkonu zbývá počasí. Korelace s výkonem na lokaci 1:

Veličina	Korelace
rychlost větru ve 100 m	0,78
rychlost větru v 10 m	0,73
poryvy v 10 m	0,66
směr větru ve 100 m	0,17
teplota ve 2 m	−0,21
rosný bod ve 2 m	−0,22

Test ADF (Augmented Dickey-Fuller) potvrdil, že řady výkonu jsou stacionární (p < 0,0001): nemají dlouhodobý trend. Výkon kolísá v denním a týdenním cyklu.

Vodorovný sloupcový graf 15 nejdůležitějších proměnných. Sloupec výkonu v předchozí hodině sahá skoro k 1, ostatní jsou téměř nulové. — Důležitost proměnných. Model Random Forest pro lokaci 1. Výkon v předchozí hodině má 98,67 % důležitosti, výkon před 3 hodinami 0,72 %, ostatní proměnné méně než 0,5 %.

Bodové grafy rychlosti větru v 10 a 100 m proti výkonu pro čtyři lokality. Výkon roste s rychlostí větru a nahoře se zastaví u maxima. — Rychlost větru a výkon. Každý bod je jedna hodina. Korelace s výkonem na lokaci 1: rychlost větru ve 100 m 0,78, v 10 m 0,73.

Čtyři korelační matice meteorologických proměnných a výkonu, jedna pro každou lokalitu. — Korelace proměnných. Korelační matice pro každou lokalitu. S výkonem nejvíc souvisí rychlost větru a poryvy, teplota a rosný bod mírně záporně.

Výsledky modelů

Lokace	Nejlepší model	R²	MSE	MAE
1	lineární regrese	0,9986	0,000125	0,0074
2	lineární regrese	0,9969	0,000099	0,0062
3	lineární regrese	0,9985	0,000127	0,0067
4	lineární regrese	0,9983	0,000085	0,0060

Průměrné R² přes všechny lokace:

lineární regrese 0,9981
Ridge 0,9980
Random Forest 0,9961
Gradient Boosting 0,9957
Lasso 0,9931

Lineární regrese porazila složitější modely. Když výsledek určuje hlavně výkon před hodinou, stačí ho přenést přímkou.

Omezení:

bez historie výkonu model nepočítá
potřebuje nepřerušený tok dat ze senzorů
předpovídá jen další hodinu

Čtyři grafy: R², střední kvadratická chyba a střední absolutní chyba pěti modelů pro každou lokalitu a nejlepší model podle lokality (všude lineární regrese). — Porovnání modelů. R², MSE a MAE pěti modelů na čtyřech lokalitách. Průměrné R²: lineární regrese 0,9981, Ridge 0,9980, Random Forest 0,9961, Gradient Boosting 0,9957, Lasso 0,9931.

Co by z toho plynulo pro firmu

Na plánování hodinu dopředu model stačí. Lineární regrese je ze všech pěti modelů nejjednodušší na nasazení.
Když vypadne měření výkonu, model nemá z čeho počítat. Senzor výkonu by potřeboval zálohu.
Na den dopředu je potřeba jiný model, postavený na předpovědi počasí místo minulého výkonu.

Další analýzy

Chcete analýzu svých dat

První schůzka je zdarma. Stačí, když přinesete ukázku dat.

Chci analýzu svých dat