Mô hình transformer với cơ chế tập trung đa đầu để cải thiện kết quả dự báo tốc độ gió

Tóm tắt

Năng lượng gió có triển vọng lớn trong việc tạo ra điện, nhưng đặc điểm biến động và không thể đoán trước của nó khiến việc dự báo tốc độ gió chính xác trở nên cần thiết để tích hợp hệ thống hiệu quả. Trong nghiên cứu này, chúng tôi trình bày ứng dụng của mô hình học sâu transformer trong dự báo tốc độ gió chính xác. Mô hình này có kiến ​​trúc mã hóa-giải mã với có chế chú ý đa đầu, các lớp truyền tiếp và các hàm chuẩn hóa. Mô hình transformer tận dụng cơ chế tự chú ý tập trung vào dữ liệu chuỗi thời gian, sử dụng ma trận trọng số để nắm bắt mối quan hệ giữa các đầu vào và đưa ra dự đoán tốc độ gió chính xác. Để đánh giá hiệu quả của mô hình, chúng tôi đã thu thập và xử lý dữ liệu tốc độ gió từ nhà máy điện gió Hồng Phong 1, làm sạch bằng cách giải quyết các giá trị ngoại lai và giá trị bị thiếu. Dữ liệu đã xử lý sau đó được nhúng và thêm mã hóa vị trí để chuẩn bị cho đầu vào mô hình. Mô hình được đào tạo và hiệu suất của nó được đánh giá chuẩn so với các mô hình khác, bao gồm mạng trí nhớ ngắn hạn định hướng dài hạn, mạng nơ-ron tích chập và mạng nơ-ron nhân tạo. Chỉ số RMSE thu được khá thấp, với 0,26 m/s cho dự báo một bước, 0,73 m/s cho dự báo 4 bước và 1,7 m/s cho dự báo 16 bước. Kết quả chứng minh rằng mô hình transformer đạt hiệu suất dự báo vượt trội, cho thấy đây là giải pháp thay thế mạnh mẽ cho các phương pháp dự báo truyền thống, có tiềm năng đáng kể trong việc nâng cao độ chính xác của dự đoán tốc độ gió.