論文の概要: Local-Global Methods for Generalised Solar Irradiance Forecasting

• arxiv url: http://arxiv.org/abs/2303.06010v2
• Date: Mon, 10 Jul 2023 15:33:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 22:16:44.140572
• Title: Local-Global Methods for Generalised Solar Irradiance Forecasting
• Title（参考訳）: 一般日射予測のための局所グローバル法
• Authors: Timothy Cargan, Dario Landa-Silva, Isaac Triguero
• Abstract要約: 我々は、新しい場所で太陽の光を正確に予測できるモデルを作成することができることを示した。 これは、新たに設置されたソーラーファームと国内施設の両方の計画と最適化を促進する可能性がある。
• 参考スコア（独自算出の注目度）: 1.4452289368758378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As the use of solar power increases, having accurate and timely forecasts will be essential for smooth grid operators. There are many proposed methods for forecasting solar irradiance / solar power production. However, many of these methods formulate the problem as a time-series, relying on near real-time access to observations at the location of interest to generate forecasts. This requires both access to a real-time stream of data and enough historical observations for these methods to be deployed. In this paper, we propose the use of Global methods to train our models in a generalised way, enabling them to generate forecasts for unseen locations. We apply this approach to both classical ML and state of the art methods. Using data from 20 locations distributed throughout the UK and widely available weather data, we show that it is possible to build systems that do not require access to this data. We utilise and compare both satellite and ground observations (e.g. temperature, pressure) of weather data. Leveraging weather observations and measurements from other locations we show it is possible to create models capable of accurately forecasting solar irradiance at new locations. This could facilitate use planning and optimisation for both newly deployed solar farms and domestic installations from the moment they come online. Additionally, we show that training a single global model for multiple locations can produce a more robust model with more consistent and accurate results across locations.
• Abstract（参考訳）: 太陽エネルギーの利用が増加するにつれて、スムーズなグリッドオペレーターには正確でタイムリーな予測が不可欠である。 太陽光/太陽光発電の予測には多くの方法が提案されている。 しかし、これらの手法の多くは時系列として問題を定式化し、興味のある場所の観測にほぼリアルタイムでアクセスして予測を生成する。 これには、リアルタイムデータストリームへのアクセスと、これらのメソッドをデプロイするための十分な履歴観察が必要である。 本稿では,我々のモデルを一般化した方法で学習するためにグローバル手法を用いることを提案する。 このアプローチを古典的MLと最先端技術の両方に適用する。 イギリス全土に分布する20か所のデータと広く利用可能な気象データを用いて、このデータにアクセスする必要のないシステムを構築することができることを示す。 我々は気象データの衛星観測と地上観測(温度、圧力など)の両方を利用して比較する。 気象観測と他の場所からの観測を活用すれば、新しい場所での太陽放射を正確に予測できるモデルを作成することができる。 これにより、新たに設置された太陽光発電所と国内施設の両方の計画と最適化が、オンライン化の瞬間から容易になる。 さらに,複数のロケーションに対して単一のグローバルモデルをトレーニングすることで,より一貫性があり正確な結果が得られることを示す。

関連論文リスト

• Multi-modal graph neural networks for localized off-grid weather forecasting [3.890177521606208]
  機械学習や数値気象モデルによる天気予報製品は、現在、グローバル・レギュラー・グリッドで作成されている。 本研究では、異種グラフニューラルネットワーク(GNN)をエンドツーエンドにトレーニングし、グリッド化された予測をダウンスケールして、関心のある場所をオフグリッドする。 提案手法は,グローバルな大規模気象モデルと局所的高精度な予測とのギャップを橋渡しして,局所的な意思決定に役立てることができることを示す。
  論文  参考訳（メタデータ） (2024-10-16T18:25:43Z)
• SolNet: Open-source deep learning models for photovoltaic power forecasting across the globe [0.0]
  SolNetは、新しい汎用多変量太陽発電予測器である。 我々はSolNetがデータスカース設定よりも予測性能を向上させることを示す。 転校学習実践者に対するガイドラインと考察を行う。
  論文  参考訳（メタデータ） (2024-05-23T12:00:35Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• 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)
• ClimaX: A foundation model for weather and climate [51.208269971019504]
  ClimaXは気象と気候科学のディープラーニングモデルである。 気候データセットの自己教師型学習目標で事前トレーニングすることができる。 気候や気候の様々な問題に対処するために、微調整が可能である。
  論文  参考訳（メタデータ） (2023-01-24T23:19:01Z)
• GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
  我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。 全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。 我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-24T18:15:39Z)
• Sky-image-based solar forecasting using deep learning with multi-location data: training models locally, globally or via transfer learning? [0.0]
  ディープラーニングモデルをトレーニングする上で最大の課題のひとつは、ラベル付きデータセットの可用性だ。 近年、ますます多くの天空画像データセットがオープンソース化され、正確で信頼性の高い太陽予測手法の開発は、大きな成長の可能性を秘めている。
  論文  参考訳（メタデータ） (2022-11-03T19:25:28Z)
• Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
  我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。 初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
  論文  参考訳（メタデータ） (2022-11-03T17:19:43Z)
• Prediction of Solar Radiation Based on Spatial and Temporal Embeddings for Solar Generation Forecast [3.174751774599701]
  気象データを用いたリアルタイム太陽光発電予測手法を提案する。 気象観測は、予測段階で天気予報を行う間、構造化回帰モデルを訓練するために使用される。 実験は、サンアントニオのTXエリアの288箇所で実施され、国立太陽放射データベースから得られた。
  論文  参考訳（メタデータ） (2022-06-17T15:26:38Z)

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。