論文の概要: A Temporally Consistent Image-based Sun Tracking Algorithm for Solar
Energy Forecasting Applications
- arxiv url: http://arxiv.org/abs/2012.01059v2
- Date: Thu, 20 May 2021 17:11:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 04:09:58.902369
- Title: A Temporally Consistent Image-based Sun Tracking Algorithm for Solar
Energy Forecasting Applications
- Title(参考訳): 太陽エネルギー予測のための時間整合画像に基づく太陽追跡アルゴリズム
- Authors: Quentin Paletta and Joan Lasenby
- Abstract要約: 本研究では、過去の観測から日射の軌跡を補間し、画像中の太陽を位置決めする、画像に基づく太陽追跡アルゴリズムを提案する。
実験の結果, 提案手法は, 画像サイズの1%以下の平均絶対誤差で, 円滑な太陽軌道を提供することがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Improving irradiance forecasting is critical to further increase the share of
solar in the energy mix. On a short time scale, fish-eye cameras on the ground
are used to capture cloud displacements causing the local variability of the
electricity production. As most of the solar radiation comes directly from the
Sun, current forecasting approaches use its position in the image as a
reference to interpret the cloud cover dynamics. However, existing Sun tracking
methods rely on external data and a calibration of the camera, which requires
access to the device. To address these limitations, this study introduces an
image-based Sun tracking algorithm to localise the Sun in the image when it is
visible and interpolate its daily trajectory from past observations. We
validate the method on a set of sky images collected over a year at SIRTA's
lab. Experimental results show that the proposed method provides robust smooth
Sun trajectories with a mean absolute error below 1% of the image size.
- Abstract(参考訳): 照射予測の改善は、エネルギー混合における太陽のシェアをさらに増やすために重要である。
短時間のスケールでは、地上の魚眼カメラを使って雲の変位を捉え、電力生産の局所的な変動を引き起こす。
太陽放射のほとんどが太陽から直接来るため、現在の予測手法では、雲のカバーダイナミクスを解釈するために画像中のその位置を使用する。
しかし、既存の太陽追跡方法は外部データとカメラのキャリブレーションに依存しており、デバイスにアクセスする必要がある。
これらの制約に対処するために、過去の観測から日射の軌跡を解釈し、画像中の太陽をローカライズする画像ベースの太陽追跡アルゴリズムを導入する。
本研究では,SIRTA実験室で1年以上にわたって収集された天空画像の集合について検証を行った。
実験結果から,提案手法は画像サイズ1%以下で平均絶対誤差のロバストな平滑な日射路を提供することがわかった。
関連論文リスト
- Computational Imaging for Long-Term Prediction of Solar Irradiance [14.339647548237838]
グリッドに接続された太陽光発電システム間でのエネルギーのスケジュールと割り当てには,クラウド移動のリアルタイム予測が必要である。
それまでの作業では、空の広角視野を用いた雲の動きを監視していた。
我々は,空の広い角度の空間分解能を視野に届けるカタディオプトリシステムの設計と展開を行う。
論文 参考訳(メタデータ) (2024-09-18T14:29:43Z) - Sky Imager-Based Forecast of Solar Irradiance Using Machine Learning [0.41248472494152805]
本稿では,空画像から短時間の太陽放射を推定する新しい手法を提案する。
提案アルゴリズムは、天空画像から特徴を抽出し、学習に基づく手法を用いて太陽放射を推定する。
提案する機械学習(ML)アルゴリズムの性能は,スカイイメージの2つの公開データセットを用いて評価する。
論文 参考訳(メタデータ) (2023-10-26T12:44:45Z) - Counting Crowds in Bad Weather [68.50690406143173]
本研究では,悪天候シナリオにおいて,ロバストな群集カウント手法を提案する。
モデルでは,外見のバリエーションが大きいことを考慮し,効果的な特徴と適応的なクエリを学習する。
実験の結果,提案アルゴリズムは,ベンチマークデータセット上で異なる気象条件下での群集のカウントに有効であることが示唆された。
論文 参考訳(メタデータ) (2023-06-02T00:00:09Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-06-01T19:54:39Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - An Image Processing approach to identify solar plages observed at 393.37
nm by the Kodaikanal Solar Observatory [0.0]
本研究では,高台カナル太陽観測所から得られたCa K波長太陽データ中の太陽プラッジを自動同定するアルゴリズムを提案する。
このアルゴリズムは、画像中のすべての視覚的識別可能なプラージュにアノテートし、対応する計算されたプラージュ指数を出力する。
提案アルゴリズムは太陽プラッジの同定に有効で信頼性の高い手法であり,太陽活動の研究に役立てることができる。
論文 参考訳(メタデータ) (2022-09-21T19:55:10Z) - SKIPP'D: a SKy Images and Photovoltaic Power Generation Dataset for
Short-term Solar Forecasting [0.0]
画像ベースのソーラー予測のための標準化されたベンチマークデータセットは、ほとんど公開されていない。
SKIPP'D - SKy Images と Photovoltaic Power Generation データセットを紹介する。
データセットには、品質制御されたダウンサンプルスカイイメージと、ディープラーニングを用いた短期太陽予報のためのPV発電データが含まれている。
論文 参考訳(メタデータ) (2022-07-02T21:52:50Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with
Parallel Kalman Filters and Smoothness [91.3755431537592]
南アメリカ上空350kmでS4振幅シンチレーションの2次元電離層像を時間分解能1分で作成する。
その結果, 地上受信機のネットワークが比較的良好なエリアでは, 生成画像が信頼性の高いリアルタイム結果を提供できることがわかった。
論文 参考訳(メタデータ) (2021-05-11T23:09:14Z) - A review on physical and data-driven based nowcasting methods using sky
images [0.0]
本論文では,天空画像を用いた近日観測法として知られる短時間太陽予報手法について概説する。
また、どのスカイ画像機能がnowcastingに重要であるかを報告し、議論する。
論文 参考訳(メタデータ) (2021-04-28T10:20:52Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳(メタデータ) (2020-09-30T19:01:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。