Para mitigar el calentamiento global mediante la reducción de emisiones, Se espera que el viento se convierta en una fuente alternativa de energía. La generación de energía eólica utiliza la atmósfera superficial, donde el movimiento sopla la turbina eólica para generar la potencia de salida. Sin embargo, debido a la turbulencia en la capa cercana a la superficie, las velocidades del viento muestran fuertes variaciones y características de perturbación, lo que crea inestabilidad para la generación de energía eólica. Esto, a su vez, amenaza gravemente la seguridad del sistema de la red eléctrica. Por lo tanto, para garantizar la seguridad y estabilidad de la red eléctrica, Las predicciones fiables de la velocidad del viento y la generación de energía a escala local para los parques eólicos son fundamentales.

En un artículo publicado recientemente en Cartas de ciencia atmosférica y oceánica , Ye Zhang de la Universidad Normal de Hebei y sus coautores del Instituto de Física Atmosférica y la Universidad de Lanzhou, desarrolló tres modelos híbridos de predicción de la velocidad del viento de varios pasos y los comparó entre sí y con modelos de predicción de la velocidad del viento propuestos anteriormente. Los tres modelos se basan en la descomposición de ondículas (WD), el algoritmo de optimización de búsqueda Cuckoo (CS), y una red neuronal wavelet (WNN). Respectivamente, se les conoce como CS-WD-ANN (donde ANN significa 'red neuronal artificial'), CS-WNN, y CS-WD-WNN. Datos de velocidad del viento de dos parques eólicos ubicados en Shandong, este de china se utilizaron en el estudio.

Los resultados mostraron que CS-WD-WNN se desempeña mejor entre los tres modelos híbridos desarrollados, con errores estadísticos mínimos, mientras que CS-WD-ANN funciona peor. De la comparación con modelos de pronóstico de viento propuestos anteriormente, incluyendo BPNN, Persistir, ARIMA, WNN, y PSO-WD-WNN, CS-WD-WNN todavía resultó ser el modelo superior. Esencialmente, El empleo del algoritmo CS en los modelos híbridos desarrollados mostró una mayor ventaja con respecto a los resultados de pronóstico en comparación con otros modelos.

"En general, encontramos que el modelo CS-WD-WNN funciona bien en la predicción de la velocidad del viento, y la precisión es mayor que la de los modelos propuestos anteriormente, "concluye Zhang.