The utilities have other criteria t

The utilities have other criteria to evaluate the quality of predictions. A too optimistic
forecast of wind power, for examples, causes a lack of power in the system and the utility
has to buy expensive regulation power. As opposed to this, a too pessimistic prediction
is not as expensive for the utility. However, unless the predicted and the true wind power
exceeds a certain amount (a couple of hundred megawatts in a TSO area) the error is
negligible. The goal for the development of forecast systems is to achieve a minimum
RMSE and a maximum correlation. Optimisation of the systems for the economic needs
of the utilities is then a subsequent step.
All the systems first calculate the power output of single wind farms. They then apply
an upscaling algorithm to obtain the sum power of the entire supply area. Regardless of
the applied system, the RMSE for a single wind farm is between 10% and 20%. After
upscaling to the sum power, the RMSE drops under 10% because of the smoothing
effects produced by adding different signals. The larger the area the better the overall
prediction (for further information, see Holttinen, Nielsen and Giebel, 2002).
The systems are difficult to compare because they are applied in different areas. The
Danish systems run in a mostly flat terrain, which makes obtaining an accurate NWP
much easier, There are fewer slack periods, though, and the average wind power output
is higher, which increases the overall error. In Germany, it is much more difficult to
arrive at an accurate NWP, especially in the lower mountain areas, but periods of low
wind power, especially in the summer, decrease the overall RMSE.

Kết quả (Việt) 1:

Các tiện ích có khác tiêu chí để đánh giá chất lượng của dự báo. Quá lạc quandự báo năng lượng gió, cho ví dụ, nguyên nhân thiếu điện trong hệ thống và các tiện íchđã mua đắt tiền quy định quyền lực. Như trái ngược với điều này, dự đoán bi quan quákhông phải là đắt đối với các tiện ích. Tuy nhiên, trừ khi các dự đoán và đúng lượng gióvượt quá một số tiền nhất định (một vài trăm MW tại một khu vực TSO) các lỗi làkhông đáng kể. Mục tiêu cho sự phát triển của hệ thống dự báo là để đạt được mức tối thiểuWhattheschmidt và một sự tương quan tối đa. Tối ưu hóa các hệ thống cho các nhu cầu kinh tếCác tiện ích sau đó là một bước tiếp theo.Tất cả các hệ thống đầu tiên tính toán đầu ra sức mạnh của trang trại gió duy nhất. Họ sau đó áp dụngmột thuật toán upscaling để có được sức mạnh tổng hợp của khu vực cung cấp toàn bộ. Bất kểHệ thống ứng dụng, Whattheschmidt cho một trang trại gió duy nhất là từ 10% đến 20%. Sau khiupscaling đến sức mạnh tổng hợp, Whattheschmidt giọt nhỏ hơn 10% vì làm mịn cáchiệu ứng được sản xuất bằng cách thêm các tín hiệu khác nhau. Lớn hơn các khu vực tốt hơn tổng thểdự báo (để biết thêm chi tiết, xem Holttinen, Nielsen và Giebel, 2002).Các hệ thống rất khó so sánh bởi vì họ được áp dụng trong các lĩnh vực khác nhau. CácĐan Mạch hệ thống chạy ở một địa hình chủ yếu là bằng phẳng, làm cho việc thu thập một NWP chính xácdễ dàng hơn nhiều, có rất ít slack thời gian, mặc dù, và sản lượng điện gió trung bìnhcao hơn, mà làm tăng tổng thể lỗi. Ở Đức, nó là nhiều khó khăn hơn đểđi đến một NWP chính xác, đặc biệt là ở các vùng núi thấp, nhưng thời gian thấpnăng lượng gió, đặc biệt là trong mùa hè, giảm Whattheschmidt tổng thể.

Kết quả (Việt) 2:

Các tiện ích có tiêu chí khác để đánh giá chất lượng của các dự đoán. Một quá lạc quan
dự báo năng lượng gió, cho ví dụ, gây thiếu điện trong hệ thống và các tiện ích
có để mua điện quy định tốn kém. Trái ngược với điều này, một dự đoán quá bi quan
không phải là tốn kém cho các tiện ích. Tuy nhiên, trừ những dự đoán và năng lượng gió thực sự
vượt quá một mức nhất định (một vài trăm MW trong một khu vực TSO) lỗi này là
không đáng kể. Mục tiêu cho sự phát triển của các hệ thống dự báo là để đạt được một mức tối thiểu
RMSE và một tương quan tối đa. Tối ưu hóa hệ thống cho các nhu cầu kinh tế
của các tiện ích sau đó là một bước tiếp theo.
Tất cả các hệ thống đầu tiên tính toán sản lượng điện của các trang trại gió duy nhất. Sau đó, họ áp dụng
một thuật toán upscaling để có được sức mạnh tổng hợp của toàn bộ khu vực cung ứng. Bất kể
các hệ thống áp dụng, RMSE cho một trang trại gió duy nhất là giữa 10% và 20%. Sau khi
phóng tỉ lệ với sức mạnh tổng hợp, các RMSE xuống dưới 10% vì làm mịn
ảnh hưởng sản xuất bằng cách thêm các tín hiệu khác nhau. Các khu vực tốt hơn tổng thể lớn hơn
dự đoán (để biết thêm thông tin, xem Holttinen, Nielsen và Giebel, 2002).
Các hệ thống này rất khó để so sánh vì chúng được áp dụng trong các lĩnh vực khác nhau. Các
hệ thống của Đan Mạch chạy trong một địa hình chủ yếu là bằng phẳng, mà làm cho có được một NWP chính xác
dễ dàng hơn nhiều, có ít thời gian thấp điểm, mặc dù, và sản lượng điện gió trung bình
là cao hơn, làm tăng các lỗi chung. Tại Đức, nó là nhiều khó khăn hơn để
đi đến một NWP chính xác, đặc biệt là ở các khu vực núi thấp hơn, nhưng thời kỳ thấp
năng lượng gió, đặc biệt là vào mùa hè, giảm RMSE tổng thể.