論文の概要: Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning
- arxiv url: http://arxiv.org/abs/2406.04424v1
- Date: Thu, 6 Jun 2024 18:08:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-10 18:39:07.931853
- Title: Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning
- Title(参考訳): ポストプロセッシングと機械学習による確率的太陽エネルギー予測のためのモデルチェインアプローチの改善
- Authors: Nina Horat, Sina Klerings, Sebastian Lerch,
- Abstract要約: 我々は,グローバル水平照度と太陽光発電のアンサンブル後予測のための統計的および機械学習手法を開発した。
その結果, 後処理が発電予測を大幅に改善すること, 特に後処理が発電予測に応用されることが示唆された。
- 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: Weather forecasts from numerical weather prediction models play a central role in solar energy forecasting, where a cascade of physics-based models is used in a model chain approach to convert forecasts of solar irradiance to solar power production, using additional weather variables as auxiliary information. Ensemble weather forecasts aim to quantify uncertainty in the future development of the weather, and can be used to propagate this uncertainty through the model chain to generate probabilistic solar energy predictions. However, ensemble prediction systems are known to exhibit systematic errors, and thus require post-processing to obtain accurate and reliable probabilistic forecasts. The overarching aim of our study is to systematically evaluate different strategies to apply post-processing methods in model chain approaches: Not applying any post-processing at all; post-processing only the irradiance predictions before the conversion; post-processing only the solar power predictions obtained from the model chain; or applying post-processing in both steps. In a case study based on a benchmark dataset for the Jacumba solar plant in the U.S., we develop statistical and machine learning methods for post-processing ensemble predictions of global horizontal irradiance and solar power generation. Further, we propose a neural network-based model for direct solar power forecasting that bypasses the model chain. Our results indicate that post-processing substantially improves the solar power generation forecasts, in particular when post-processing is applied to the power predictions. The machine learning methods for post-processing yield slightly better probabilistic forecasts, and the direct forecasting approach performs comparable to the post-processing strategies.
- Abstract(参考訳): 数値天気予報モデルによる天気予報は、太陽エネルギー予測において中心的な役割を担っている。
エンサンブル気象予報は、将来の気象の発達における不確実性を定量化することを目的としており、この不確実性をモデル連鎖を通じて伝播させ、確率的な太陽エネルギー予測を生成するために利用することができる。
しかし、アンサンブル予測システムは体系的な誤りを示すことが知られており、正確で信頼性の高い確率予測を得るためには後処理が必要である。
本研究の目的は, モデルチェーンアプローチにポストプロセッシングを適用するための異なる戦略を体系的に評価することであり, ポストプロセッシングを全く適用しないこと, 変換前の照射予測のみをポストプロセッシングすること, モデルチェーンから得られたソーラーパワー予測のみをポストプロセッシングすること, および両ステップでポストプロセッシングを適用することである。
米国におけるジャクムバ・ソーラープラントのベンチマークデータセットに基づくケーススタディでは,グローバル水平照射と太陽光発電のアンサンブル予測を後処理する統計的および機械学習手法を開発した。
さらに,モデルチェーンをバイパスする直接太陽エネルギー予測のためのニューラルネットワークモデルを提案する。
その結果, 後処理が発電予測を大幅に改善すること, 特に後処理が発電予測に応用されることが示唆された。
後処理の機械学習手法は確率予測をわずかに改善し、直接予測手法は後処理戦略に匹敵する性能を発揮する。
関連論文リスト
- 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) - FengWu-4DVar: Coupling the Data-driven Weather Forecasting Model with 4D Variational Assimilation [67.20588721130623]
我々は,AIを用いた循環型天気予報システムFengWu-4DVarを開発した。
FengWu-4DVarは観測データをデータ駆動の天気予報モデルに組み込むことができる。
シミュレーションされた観測データセットの実験は、FengWu-4DVarが合理的な解析場を生成することができることを示した。
論文 参考訳(メタデータ) (2023-12-16T02:07:56Z) - 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 two-step machine learning approach to statistical post-processing of
weather forecasts for power generation [0.0]
風と太陽のエネルギー源は非常に揮発性があり、グリッドオペレーターの計画が困難である。
本研究では、アンサンブル天気予報の校正のための2段階の機械学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2022-07-15T16:38:14Z) - An Energy-Based Prior for Generative Saliency [62.79775297611203]
本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。
生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。
実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
論文 参考訳(メタデータ) (2022-04-19T10:51:00Z) - Machine learning methods for postprocessing ensemble forecasts of wind
gusts: A systematic comparison [0.0]
系統的な誤りを正すためにアンサンブルの天気予報を後処理することは、研究や運用において標準的な慣行となっている。
本稿では,確率論的風速予測のための8つの統計的および機械学習手法の総合的なレビューと体系的比較を行う。
本稿では,様々な確率予測型を出力とする局所適応型ニューラルネットワークの柔軟なフレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-17T14:03:29Z) - Learning Interpretable Deep State Space Model for Probabilistic Time
Series Forecasting [98.57851612518758]
確率的時系列予測は、その歴史に基づいて将来の分布を推定する。
本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。
実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
論文 参考訳(メタデータ) (2021-01-31T06:49:33Z) - Short-Term Solar Irradiance Forecasting Using Calibrated Probabilistic
Models [14.579720180539136]
我々は、SURFRADネットワーク内の7つの局の公開データを用いてモデルを訓練し、評価する。
NGBoostは, 太陽放射予測モデルよりも, 時間内解像度で高い性能が得られることを示す。
論文 参考訳(メタデータ) (2020-10-09T17:57:59Z) - Physics-Informed Gaussian Process Regression for Probabilistic States
Estimation and Forecasting in Power Grids [67.72249211312723]
電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。
PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。
提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
論文 参考訳(メタデータ) (2020-10-09T14:18:31Z) - Forecasting Photovoltaic Power Production using a Deep Learning Sequence
to Sequence Model with Attention [0.0]
本稿では,PV発電のエンド・ツー・エンド予測のための教師付きディープラーニングモデルを提案する。
提案モデルは2つの基本概念に基づいており、他のシーケンス関連分野の大幅な性能向上につながった。
その結果、新しい設計は、PV電力予測技術の現在の状態以上で実行可能であることがわかった。
論文 参考訳(メタデータ) (2020-08-06T17:20:08Z) - An Integrated Multi-Time-Scale Modeling for Solar Irradiance Forecasting
Using Deep Learning [1.52292571922932]
太陽エネルギーの非定常特性のため、短期的な太陽照度予測は困難である。
日内太陽光のマルチスケール予測のための統一アーキテクチャを提案する。
提案手法は,全試験場の平均RMSEを71.5%削減する。
論文 参考訳(メタデータ) (2019-05-07T14:40:32Z)
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。