WindDragon: Enhancing wind power forecasting with Automated Deep Learning - Institut des Systèmes Intelligents et de Robotique Accéder directement au contenu
Communication Dans Un Congrès Année : 2024

WindDragon: Enhancing wind power forecasting with Automated Deep Learning

Résumé

Achieving net zero carbon emissions by 2050 requires the integration of increasing amounts of wind power into power grids. This energy source poses a challenge to system operators due to its variability and uncertainty. Therefore, accurate forecasting of wind power is critical for grid operation and system balancing. This paper presents an innovative approach to short-term (1 to 6 hour horizon) wind power forecasting at a national level. The method leverages Automated Deep Learning combined with Numerical Weather Predictions wind speed maps to accurately forecast wind power.
Fichier principal
Vignette du fichier
main.pdf (418.17 Ko) Télécharger le fichier
Figures/Images/AutoDL.pdf (16.85 Ko) Télécharger le fichier
Figures/Images/AutoDL_CNN.pdf (18.61 Ko) Télécharger le fichier
Figures/Images/AutoDL_only.pdf (16.85 Ko) Télécharger le fichier
Figures/Images/CNN.pdf (16.59 Ko) Télécharger le fichier
Figures/Images/Convex_surrogate.png (144.23 Ko) Télécharger le fichier
Figures/Images/Persistence.pdf (15.72 Ko) Télécharger le fichier
Figures/Images/ViT.pdf (16.33 Ko) Télécharger le fichier
Figures/Images/XGB_on_mean.pdf (16.71 Ko) Télécharger le fichier
Figures/Images/XGB_on_mean_explanations.pdf (20.22 Ko) Télécharger le fichier
Figures/Images/auvergne_1.png (9.73 Ko) Télécharger le fichier
Figures/Images/auvergne_2.png (10.74 Ko) Télécharger le fichier
Figures/Images/auvergne_3.png (10.16 Ko) Télécharger le fichier
Figures/Images/cnn_model.gv.pdf (12.03 Ko) Télécharger le fichier
Figures/Images/grand_est_model.pdf (12.41 Ko) Télécharger le fichier
Figures/Images/scheme_wind_forecast.pdf (91.81 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04456905 , version 1 (21-02-2024)
hal-04456905 , version 2 (22-04-2024)

Identifiants

Citer

Julie Keisler, Etienne Le Naour. WindDragon: Enhancing wind power forecasting with Automated Deep Learning. Workshop - ”Tackling Climate Change with Machine Learning", ICLR 2024, Climate Change AI, May 2024, Vienna, Austria. ⟨hal-04456905v2⟩
41 Consultations
20 Téléchargements

Altmetric

Partager

Gmail Mastodon Facebook X LinkedIn More