# Deep-Spatio-Temporal
Code for [Deep Spatio-Temporal Wind Power Forecasting](https://arxiv.org/abs/2109.14530)
## How to use
The model is validated on two datasets.
### Wind power forecasting
This dataset is from https://aml.engr.tamu.edu/book-dswe/dswe-datasets/. The data used here is Wind Spatio-Temporal Dataset2. Download data, put it into the './data' folder and rename it to 'wind_power.csv'. Then, run following
```
python train.py --name wind_power --epoch 300 --batch_size 20000 --lr 0.001 --k 5 --n_turbines 200
```
### Wind speed forecasting
The model performance on wind speed forecasting is validated on NREL WIND dataset (https://www.nrel.gov/wind/data-tools.html). We select one wind farm with 100 turbines from Wyoming. To get data, first run
```
python getNRELdata.py
```
Then run
```
python train.py --name wind_speed --epoch 300 --batch_size 20000 --lr 0.001 --k 9 --n_turbines 100
```
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
Python基于深度学习的风机发电风速及功率预测项目源码+权重文件 如何使用: 1、下载数据集:https://aml.engr.tamu.edu/book-dswe/dswe-datasets/ 2、下载数据后,将其放入/data文件夹,并将其重命名为“wind_power.csv” 3、运行:python train.py--name wind_power--epoch 300--batch_size 20000--lr 0.001--k 5--n_turbines 200
资源推荐
资源详情
资源评论
收起资源包目录
Deep-Spatio-Temporal-main.zip (12个子文件)
Deep-Spatio-Temporal-main
getNRELdata.py 1KB
src
utils.py 843B
trainer.py 7KB
model.py 7KB
datamgr.py 9KB
data
readme.txt 29B
train.py 3KB
outputs
wind_power_metrics.csv 504B
wind_power.pt 92KB
wind_speed_metrics.csv 473B
wind_speed.pt 93KB
README.md 909B
共 12 条
- 1
资源评论
程序员柳
- 粉丝: 6094
- 资源: 1195
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功