論文の概要: SkyGPT: Probabilistic Short-term Solar Forecasting Using Synthetic Sky
Videos from Physics-constrained VideoGPT
- arxiv url: http://arxiv.org/abs/2306.11682v1
- Date: Tue, 20 Jun 2023 16:58:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 13:27:47.552667
- Title: SkyGPT: Probabilistic Short-term Solar Forecasting Using Synthetic Sky
Videos from Physics-constrained VideoGPT
- Title（参考訳）: SkyGPT:物理制約ビデオGPTの合成スカイビデオによる確率的短期太陽予測
- Authors: Yuhao Nie, Eric Zelikman, Andea Scott, Quentin Paletta, Adam Brandt
- Abstract要約: 我々は,様々な雲の動きパターンを持つ空の複数の将来像を生成する物理インフォームドビデオ予測モデルであるemphSkyGPTを紹介する。
ベンチマークビデオ予測モデルとの比較実験により,提案モデルの有効性が示された。
その結果、将来の10のシナリオは確率的太陽予測性能と計算コストのバランスをとる良い選択であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.8155575318208631
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, deep learning-based solar forecasting using all-sky images
has emerged as a promising approach for alleviating uncertainty in PV power
generation. However, the stochastic nature of cloud movement remains a major
challenge for accurate and reliable solar forecasting. With the recent advances
in generative artificial intelligence, the synthesis of visually plausible yet
diversified sky videos has potential for aiding in forecasts. In this study, we
introduce \emph{SkyGPT}, a physics-informed stochastic video prediction model
that is able to generate multiple possible future images of the sky with
diverse cloud motion patterns, by using past sky image sequences as input.
Extensive experiments and comparison with benchmark video prediction models
demonstrate the effectiveness of the proposed model in capturing cloud dynamics
and generating future sky images with high realism and diversity. Furthermore,
we feed the generated future sky images from the video prediction models for
15-minute-ahead probabilistic solar forecasting for a 30-kW roof-top PV system,
and compare it with an end-to-end deep learning baseline model SUNSET and a
smart persistence model. Better PV output prediction reliability and sharpness
is observed by using the predicted sky images generated with SkyGPT compared
with other benchmark models, achieving a continuous ranked probability score
(CRPS) of 2.81 (13\% better than SUNSET and 23\% better than smart persistence)
and a Winkler score of 26.70 for the test set. Although an arbitrary number of
futures can be generated from a historical sky image sequence, the results
suggest that 10 future scenarios is a good choice that balances probabilistic
solar forecasting performance and computational cost.
- Abstract（参考訳）: 近年,全天球画像を用いたディープラーニングによる太陽予測が,太陽光発電の不確実性を軽減するための有望なアプローチとして浮上している。
しかし、雲の動きの確率的な性質は、正確で信頼性の高い太陽予測にとって大きな課題である。
生成人工知能の最近の進歩により、視覚的に可視だが多様化したスカイビデオの合成は予測に寄与する可能性がある。
本研究では,過去の空画像シーケンスを入力として,様々な雲の動きパターンを用いて,複数の将来像を生成可能な物理インフォームド確率的ビデオ予測モデルである \emph{SkyGPT} を紹介する。
大規模実験とベンチマークビデオ予測モデルとの比較は、クラウドダイナミクスを捉え、高リアリズムと多様性を備えた将来のスカイイメージを生成する際に提案モデルの有効性を実証する。
さらに,30kWの屋根上PVシステムに対して,ビデオ予測モデルから生成した将来の天空画像を,エンドツーエンドのディープラーニングベースラインモデルSUNSETとスマート永続モデルと比較した。
PV出力予測の信頼性とシャープさは、SkyGPTで生成された予測スカイイメージを他のベンチマークモデルと比較し、連続的なランク付け確率スコア(CRPS)が2.81(SUNSETより13倍、スマート永続性より23倍)、ウィンクラースコアが26.70であることを示す。
過去のスカイ画像から任意の数の未来を生成できるが、結果は10の将来のシナリオは確率的太陽予測性能と計算コストのバランスをとる良い選択であることを示唆している。
関連論文リスト
- Solarcast-ML: Per Node GraphCast Extension for Solar Energy Production [0.0]
このプロジェクトは、太陽エネルギー生産予測機能を統合することで、グローバル気象予報のための最先端グラフニューラルネットワーク(GNN)であるGraphCastモデルの拡張を示す。
提案手法は、GraphCastが生成した天気予報を利用して、ニューラルネットワークモデルを用いて、様々な気象条件に基づいて実際の太陽出力と潜在的な太陽出力の比率を予測する。
その結果, 太陽放射の正確な予測, 収束挙動, トレーニング損失の低減, および太陽放射パターンの正確な予測において, モデルの有効性が示された。
論文 参考訳（メタデータ） (2024-06-19T13:47:05Z) - Predicting Long-horizon Futures by Conditioning on Geometry and Time [49.86180975196375]
我々は,過去を前提とした将来のセンサ観測の課題を探求する。
マルチモーダリティを扱える画像拡散モデルの大規模事前学習を活用する。
我々は、屋内と屋外のシーンにまたがる多様なビデオのセットについて、ビデオ予測のためのベンチマークを作成する。
論文 参考訳（メタデータ） (2024-04-17T16:56:31Z) - Revisiting Feature Prediction for Learning Visual Representations from Video [62.08833572467379]
V-JEPAは、機能予測の目的のみを用いて訓練された視覚モデルの集合である。
モデルは、公開データセットから収集された200万のビデオに基づいてトレーニングされる。
以上の結果から,映像特徴の予測による学習が視覚表現の多目的化につながることが示唆された。
論文 参考訳（メタデータ） (2024-02-15T18:59:11Z) - Weather Prediction with Diffusion Guided by Realistic Forecast Processes [49.07556359513563]
気象予報に拡散モデル(DM)を適用した新しい手法を提案する。
提案手法は,同一のモデリングフレームワークを用いて,直接予測と反復予測の両方を実現できる。
我々のモデルの柔軟性と制御性は、一般の気象コミュニティにとってより信頼性の高いDLシステムに力を与えます。
論文 参考訳（メタデータ） (2024-02-06T21:28:42Z) - Solar Irradiance Anticipative Transformer [1.0742675209112622]
本稿では,短期太陽放射予測のための予測変換器モデルを提案する。
また,本モデルでは,画像の特徴のみへの適応を効果的に学習し,照度を予測できることが示唆された。
論文 参考訳（メタデータ） (2023-05-29T12:38:12Z) - 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) - HARP: Autoregressive Latent Video Prediction with High-Fidelity Image
Generator [90.74663948713615]
我々は,高忠実度未来のフレームを予測可能な自己回帰遅延映像予測モデルを訓練する。
既存のモデルに最小限の修正を加えて高解像度(256x256)ビデオを作成する。
論文 参考訳（メタデータ） (2022-09-15T08:41:57Z) - Omnivision forecasting: combining satellite observations with sky images
for improved intra-hour solar energy predictions [0.0]
断続的再生可能エネルギー源の電力網への統合は困難である。
雲の閉塞による発電の短期的な変化は、異なる時間スケールで予測できる。
本研究では,これら2つの相補的な視点をクラウドのカバーとして,単一の機械学習フレームワークに統合する。
論文 参考訳（メタデータ） (2022-06-07T11:52:09Z) - Review of Kernel Learning for Intra-Hour Solar Forecasting with Infrared
Sky Images and Cloud Dynamic Feature Extraction [0.0]
太陽光発電システムによって生じるエネルギーの不確実性は、保証された信頼性の高いエネルギー供給のために追加のコストを発生させる。
本研究は、時間内太陽予報の確率論的多タスクの導入により、追加コストを削減することを目的としている。
論文 参考訳（メタデータ） (2021-10-11T21:25:20Z) - FitVid: Overfitting in Pixel-Level Video Prediction [117.59339756506142]
われわれはFitVidという新しいアーキテクチャを導入し、一般的なベンチマークに厳しいオーバーフィッティングを行えるようにした。
FitVidは、4つの異なるメトリクスで4つの異なるビデオ予測ベンチマークで現在の最先端モデルを上回っている。
論文 参考訳（メタデータ） (2021-06-24T17:20:21Z) - Benchmarking of Deep Learning Irradiance Forecasting Models from Sky
Images -- an in-depth Analysis [0.0]
我々は4つのよく使われるディープラーニングアーキテクチャを訓練し、半球空画像のシーケンスから太陽の照度を予測する。
その結果、時間的側面の符号化は予測を大幅に改善し、10分予測スキルはテスト年度で20.4%に達した。
一般的なセットアップでは、ディープラーニングモデルは"非常にスマートな永続化モデル"のように振る舞う傾向があり、永続モデルと時間的に一致し、最もペナルティの高いエラーを軽減します。
論文 参考訳（メタデータ） (2021-02-01T09:31:14Z)
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。