論文の概要: Short-Term Forecasting of Photovoltaic Power Generation Based on Entropy during the Foggy Winter
- arxiv url: http://arxiv.org/abs/2407.19663v1
- Date: Mon, 29 Jul 2024 02:53:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 15:16:04.596783
- Title: Short-Term Forecasting of Photovoltaic Power Generation Based on Entropy during the Foggy Winter
- Title(参考訳): 冬期のエントロピーに基づく太陽光発電の短期予測
- Authors: Xuan Yang, Yunxuan Dong, Thomas Wu,
- Abstract要約: 本稿では,太陽光発電の予測問題を実現するための新しいモデルを提案する。
発達したエントロピーは、霧の冬の間に不確実性を評価するために作成される。
中国江蘇省の太陽光発電発電所から得られたデータを用いて, 予測モデルを用いて評価を行った。
- 参考スコア(独自算出の注目度): 8.199215043967198
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solar energy is one of the most promising renewable energy resources. Forecasting photovoltaic power generation is an important way to increase photovoltaic penetration. However, the task of photovoltaic forecasting is complicated due to its property of uncertainty, especially in specific regions during the foggy winter. This paper proposes a novel model to accomplish the problem. A developed entropy is created to qualify the uncertainty during the foggy winter. The clustering method and modified retention network are applied to reduce complexity and forecast, respectively. We adopt an optimization to optimize the hyperparameters. Results are validated from the multivariate forecasting model using the dataset from a photovoltaic power station in Jiangsu Province, China. Experiments show that the proposed model improves the forecasting accuracy compared to various models during the foggy winter.
- Abstract(参考訳): 太陽エネルギーは最も有望な再生可能エネルギー資源の1つである。
太陽光発電の予測は、太陽光発電の浸透を増大させる重要な方法である。
しかし、特に霧の多い冬の特定の地域では、不確かさが原因で、光エネルギー予測の課題は複雑である。
本稿では,この問題を実現するための新しいモデルを提案する。
発達したエントロピーは、霧の冬の間に不確実性を評価するために作成される。
クラスタリング法と改良された保持ネットワークを適用して,複雑性と予測を低減した。
我々はハイパーパラメーターを最適化するために最適化を採用する。
中国江蘇省の太陽光発電発電所から得られたデータを用いて,多変量予測モデルを用いて評価を行った。
実験により,霧の冬の各種モデルと比較して予測精度が向上することが示された。
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) - 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-GHR: Learning the Kilometer-scale Medium-range Global Weather
Forecasting [56.73502043159699]
この研究は、データ駆動型世界天気予報モデルであるFengWu-GHRを、0.09$circ$水平解像度で実行した。
低解像度モデルから事前知識を継承することにより、MLベースの高解像度予測を操作するための扉を開く新しいアプローチを導入する。
2022年の天気予報は、FengWu-GHRがIFS-HRESよりも優れていることを示している。
論文 参考訳(メタデータ) (2024-01-28T13:23:25Z) - Photovoltaic power forecasting using quantum machine learning [32.73124984242397]
太陽パネルの出力予測はエネルギー遷移を促進するために重要であるが、太陽エネルギーの変動性と非線形の性質により複雑である。
我々の研究は、これらの複雑さに対処するために設計されたハイブリッド量子ニューラルネットワークを中心とした一連のソリューションを紹介した。
最初の提案されたモデルであるHybrid Quantum Long Short-Term Memoryは、テスト対象のモデルを平均絶対誤差と平均二乗誤差を40%以上下回っている。
2つ目のモデルであるHybrid Quantum Sequence-to-Sequence Neural Networkは、事前気象データを必要とせずに、任意の時間間隔に対して平均絶対誤差を16%低くして、光電力を予測する。
論文 参考訳(メタデータ) (2023-12-27T02:37:46Z) - Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。
エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。
本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
論文 参考訳(メタデータ) (2023-10-31T14:09:32Z) - 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) - Long-term Wind Power Forecasting with Hierarchical Spatial-Temporal
Transformer [112.12271800369741]
風力発電は、再生可能、汚染のないその他の利点により、世界中の注目を集めている。
正確な風力発電予測(WPF)は、電力系統の運用における電力変動を効果的に低減することができる。
既存の手法は主に短期的な予測のために設計されており、効果的な時空間的特徴増強が欠如している。
論文 参考訳(メタデータ) (2023-05-30T04:03:15Z) - 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) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳(メタデータ) (2023-01-21T19:16:03Z) - Feature Construction and Selection for PV Solar Power Modeling [1.8960797847221296]
太陽光発電(PV)発電を予測するモデルを構築することで、意思決定者はエネルギー不足を補うことができる。
太陽エネルギーの出力は、光や天気など多くの要因に依存する時系列データである。
本研究では, 過去のデータをもとに, 1時間先進太陽エネルギー予測のための機械学習フレームワークを開発した。
論文 参考訳(メタデータ) (2022-02-13T06:49:28Z) - Short-term prediction of photovoltaic power generation using Gaussian
process regression [3.8386504037654534]
本稿は,英国におけるPVシステムによるエネルギーの予測に焦点をあてる。
モデルは3つの主要な要因に対して48時間の短期予測で評価される。
また、予測期間内でのクラウドカバレッジと、予測者としての最初のクラウドカバレッジについて、非常に短期的な予測を比較します。
論文 参考訳(メタデータ) (2020-10-05T18:35:25Z)
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。