Om de opwarming van de aarde tegen te gaan door de uitstoot te verminderen, Van wind wordt algemeen verwacht dat het een alternatieve energiebron wordt. Windenergieopwekking maakt gebruik van de oppervlakteatmosfeer, waar beweging de windturbine blaast om het vermogen te genereren. Echter, door de turbulentie in de nabije oppervlaktelaag, windsnelheden vertonen sterke variatie- en verstoringskarakteristieken, die instabiliteit creëert voor de opwekking van windenergie. Dit vormt op zijn beurt een ernstige bedreiging voor de veiligheid van het elektriciteitsnet. Daarom, om de veiligheid en stabiliteit van het elektriciteitsnet te waarborgen, betrouwbare voorspellingen van windsnelheid en energieopwekking op lokale schaal voor windparken zijn essentieel.

In een onlangs gepubliceerd artikel in Atmosferische en oceanische wetenschapsbrieven , Ye Zhang van de Hebei Normal University en haar co-auteurs van het Institute of Atmospheric Physics en Lanzhou University, ontwikkelde drie hybride meerstaps windsnelheidsvoorspellingsmodellen en vergeleek deze met elkaar en met eerder voorgestelde windsnelheidsvoorspellingsmodellen. De drie modellen zijn gebaseerd op wavelet-decompositie (WD), het Cuckoo search (CS) optimalisatie-algoritme, en een wavelet neuraal netwerk (WNN). Respectievelijk, ze worden CS-WD-ANN genoemd (waar ANN 'kunstmatig neuraal netwerk' betekent), CS-WNN, en CS-WD-WNN. Windsnelheidsgegevens van twee windparken in Shandong, Oost-China, werden gebruikt in de studie.

De resultaten toonden aan dat CS-WD-WNN het beste presteert van de drie ontwikkelde hybride modellen, met minimale statistische fouten, terwijl CS-WD-ANN het slechtst presteert. Uit de vergelijking met eerder voorgestelde windvoorspellingsmodellen, inclusief BPNN, Volharden, ARIMA, WNN, en PSO-WD-WNN, CS-WD-WNN bleek nog steeds het superieure model te zijn. Eigenlijk, het gebruik van het CS-algoritme in de ontwikkelde hybride modellen toonde meer voordeel ten opzichte van de voorspellingsresultaten in vergelijking met andere modellen.

"Algemeen, we ontdekten dat het CS-WD-WNN-model goed presteert bij het voorspellen van windsnelheden, en de nauwkeurigheid is hoger dan die van eerder voorgestelde modellen, " concludeert Zhang.