論文の概要: Computational Imaging for Long-Term Prediction of Solar Irradiance
- arxiv url: http://arxiv.org/abs/2409.12016v1
- Date: Wed, 18 Sep 2024 14:29:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-19 17:24:06.770768
- Title: Computational Imaging for Long-Term Prediction of Solar Irradiance
- Title(参考訳): 太陽放射の長期予測のための計算イメージング
- Authors: Leron Julian, Haejoon Lee, Soummya Kar, Aswin C. Sankaranarayanan,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 14.339647548237838
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The occlusion of the sun by clouds is one of the primary sources of uncertainties in solar power generation, and is a factor that affects the wide-spread use of solar power as a primary energy source. Real-time forecasting of cloud movement and, as a result, solar irradiance is necessary to schedule and allocate energy across grid-connected photovoltaic systems. Previous works monitored cloud movement using wide-angle field of view imagery of the sky. However, such images have poor resolution for clouds that appear near the horizon, which reduces their effectiveness for long term prediction of solar occlusion. Specifically, to be able to predict occlusion of the sun over long time periods, clouds that are near the horizon need to be detected, and their velocities estimated precisely. To enable such a system, we design and deploy a catadioptric system that delivers wide-angle imagery with uniform spatial resolution of the sky over its field of view. To enable prediction over a longer time horizon, we design an algorithm that uses carefully selected spatio-temporal slices of the imagery using estimated wind direction and velocity as inputs. Using ray-tracing simulations as well as a real testbed deployed outdoors, we show that the system is capable of predicting solar occlusion as well as irradiance for tens of minutes in the future, which is an order of magnitude improvement over prior work.
- Abstract(参考訳): 太陽の雲による隠蔽は、太陽発電における主要な不確実性の源の1つであり、太陽エネルギーを一次エネルギー源として広く利用することに影響を与える要因である。
雲の動きをリアルタイムに予測し、その結果、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太陽放射が必要である。
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。
しかし、このような画像は地平線付近に現れる雲の解像度が低く、太陽閉塞の長期予測の有効性を低下させる。
具体的には、長期間にわたって太陽の衝突を予測するためには、地平線に近い雲を検出し、その速度を正確に推定する必要がある。
このようなシステムを実現するために,一様空間分解能の広角画像を視野に配置するカタディオプトリシステムの設計と展開を行った。
より長い時間的地平面上での予測を可能にするため、推定風向と速度を入力として、画像の時空間スライスを慎重に選択したアルゴリズムを設計する。
レイトレーシングシミュレーションと実際のテストベッドを屋外に配置することにより、太陽の遮蔽だけでなく、将来の数十分間の照射も予測できることが示され、これは以前の作業よりも大幅に改善されている。
関連論文リスト
- 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) - 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) - 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) - Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。
我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。
最適設計と性能は場所によって異なることがわかった。
論文 参考訳(メタデータ) (2022-04-01T14:55:10Z) - 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) - 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) - A Temporally Consistent Image-based Sun Tracking Algorithm for Solar
Energy Forecasting Applications [0.0]
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。
論文 参考訳(メタデータ) (2020-12-02T09:59:45Z)
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。