May, 2024
基于超级本地气象预测的动态导线额定功率：一种机器学习方法
Dynamic Line Rating using Hyper-local Weather Predictions: A Machine Learning Approach
Henri Manninen, Markus Lippus, Georg Rute
TL;DR利用机器学习技术和超局部天气预报数据，本研究提出了一种新颖的方法来解决传统动态线路额定容量（DLR）方法中遇到的挑战，采用传感器数据无法灵活应对快速变化的天气条件等问题，进而提高可再生能源与输电网的集成效率和可靠性。通过整合地形数据，该方法还能增强预测准确性，考虑电力线周围的地形特征和障碍物。通过在爱沙尼亚进行案例研究，论文展示了所提出方法在实际场景中的有效性，从而完善了过去传感器基础方法的局限性，并为可再生能源与输电系统的集成问题做出了贡献。