Predizione probabilistica della produzione di potenza eolica a partire da previsioni multivariate del vento

The aim of the project discussed in this thesis was to find a modular and interpretable method for wind power forecasting from wind forecasts, a relevant problem for environmental, management and monetary reasons. In particular, our approach, supported by the literature, strove to employ two major strategies. The first was to use probabilistic forecasting, as it is more informative and complete than its point counterpart, with all the necessary attention to the problem of how to evaluate its performance. The second was to introduce a recalibration of the wind speed forecasts and then, from its output, to predict the wind power. This two-step model aimed at providing more modularity and interpretability to the process. Our case study was a wind farm modeled as a virtual turbine, of which we knew the wind speed and power. Focusing therefore on the former, we analyzed our dataset, which comprised the measured wind speed and twenty wind speed forecasts, and identified its most prominent issues, which we tried to mitigate by reducing the dataset to a subset of selected features that would be necessary in the recalibration phase. Then, considering the latter, we performed data cleaning and found the power curve via a linear generalized additive model using the measured wind speed versus the power from a TSO dataset. We subsequently looked for the best possible model, in terms of performance and reduction of the dimensionality of the covariate space, for the recalibration phase. We chose, after various trials, a lasso quantile regression, which was compared to the marginal model to assess its quality. Having obtained the recalibrated wind speed and the power curve, we predicted the wind power in two steps: first applying the lasso quantile regression to the wind speed forecasts, and then feeding the recalibrated wind speed as input to the power curve. We compared our approach to a direct method and found their performances to be equivalent, a result we considered satisfactory, as our project reached adequate performance while also being more scalable and informative. Moreover, modeling the wind farm as a single comprehensive turbine proved effective, non-negligibly reducing the complexity of the problem.

L'obiettivo del progetto discusso in questa tesi è stato individuare un metodo modulare e interpretabile per la previsione della potenza eolica a partire dalle previsioni del vento, un problema rilevante per ragioni ambientali, gestionali ed economiche. In particolare, il nostro approccio, supportato dalla letteratura, ha cercato di impiegare due strategie principali. La prima consisteva nell'utilizzare la previsione probabilistica, in quanto più informativa e completa rispetto alla sua controparte puntuale, tenendo presente il problema di come valutarne le prestazioni. La seconda consisteva nell'introdurre una ricalibrazione delle previsioni di velocità del vento e, successivamente, nel prevedere la potenza eolica a partire dal suo output. Questo modello a due fasi mirava a fornire maggiore modularità e interpretabilità al processo. Il nostro obiettivo era un parco eolico modellizzato come un’unica turbina virtuale, di cui conoscevamo la velocità del vento e la potenza. Concentrandoci quindi sulla prima, abbiamo analizzato il nostro dataset, composto dalla velocità del vento misurata e da venti previsioni di velocità del vento, identificando le criticità più rilevanti, che abbiamo cercato di mitigare riducendo il dataset a un sottoinsieme di regressori selezionati, azione necessaria per la fase di ricalibrazione. Successivamente, considerando la seconda, abbiamo effettuato la pulizia dei dati e ricavato la curva di potenza tramite un linear generalized model, utilizzando la velocità del vento misurata versus la potenza proveniente da un dataset del TSO. Abbiamo poi cercato il miglior modello possibile, in termini di prestazioni e riduzione della dimensionalità dello spazio delle covariate, per la fase di ricalibrazione. Dopo vari tentativi, abbiamo scelto una lasso quantile regression, che è stata confrontata con il modello marginale per valutarne la qualità. Ottenute la velocità del vento ricalibrata e la curva di potenza, abbiamo predetto la potenza eolica in due fasi: applicando prima la lasso quantile regression alle previsioni di velocità del vento, e utilizzando poi la velocità del vento ricalibrata come input della curva di potenza. Abbiamo confrontato il nostro approccio con un metodo diretto, riscontrando prestazioni equivalenti, un risultato che abbiamo ritenuto soddisfacente, poiché il nostro progetto ha raggiunto prestazioni adeguate risultando al contempo più scalabile e informativo. Inoltre, modellizzare il parco eolico come un'unica turbina complessiva si è rivelato efficace, riducendo in modo non trascurabile la complessità del problema.