Tận dụng kiến trúc mạng nơ-ron sâu biến áp chú ý đa đầu để cải thiện dự báo tốc độ gió

Ảnh minh họa

Nghiên cứu này khám phá ứng dụng của mô hình học sâu dựa trên máy biến áp để dự báo tốc độ gió. Mô hình này có kiến trúc bộ mã hóa-giải mã với sự chú ý đa đầu, các lớp truyền thẳng và các hàm chuẩn hóa. Bằng cách tận dụng cơ chế tự chú ý, mô hình máy biến áp nắm bắt hiệu quả các phụ thuộc thời gian trong dữ liệu chuỗi thời gian thông qua các mối quan hệ có trọng số giữa các chuỗi đầu vào, dẫn đến độ chính xác dự báo được cải thiện.

Để đánh giá hiệu quả của nó, chúng tôi đã thu thập và xử lý trước dữ liệu tốc độ gió từ nhà máy điện gió Hồng Phong 1, làm sạch dữ liệu bằng cách loại bỏ các giá trị ngoại lai và xử lý các 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 của mô hình. Mô hình đã được đào tạo và hiệu suất của nó được đánh giá chuẩn so với các mô hình khác, bao gồm Bộ nhớ dài hạn ngắn, Mạng nơ-ron tích chập và Mạng nơ-ron nhân tạo. Giá trị 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 1,70 m/s cho dự báo 16 bước.

Những kết quả này chứng minh rằng mô hình máy biến áp đạt hiệu suất dự báo vượt trội, cho thấy đây là một giải pháp thay thế mạnh mẽ cho các phương pháp dự báo truyền thống, với tiềm năng đáng kể trong việc nâng cao độ chính xác của dự báo tốc độ gió.

Xem chi tiết bài viết tại đây