論文の概要: Data-driven Surface Solar Irradiance Estimation using Neural Operators at Global Scale

• arxiv url: http://arxiv.org/abs/2411.08843v1
• Date: Wed, 13 Nov 2024 18:21:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:10:35.518421
• Title: Data-driven Surface Solar Irradiance Estimation using Neural Operators at Global Scale
• Title（参考訳）: 地球規模でのニューラル演算子を用いたデータ駆動型表面太陽放射率推定
• Authors: Alberto Carpentieri, Jussi Leinonen, Jeff Adie, Boris Bonev, Doris Folini, Farah Hariri,
• Abstract要約: 本稿では、数値気象予測(NWP)とデータ駆動機械学習気象モデルを用いた太陽放射予測の先駆的なアプローチを提案する。 我々のモデルは、長期SSI予測を提供することができる最初の適応的グローバルフレームワークである。 これらの予測の精度が向上したことは、太陽エネルギーを電力網に統合する上で大きな意味を持つ。
• 参考スコア（独自算出の注目度）: 1.231476564107544
• License:
• Abstract: Accurate surface solar irradiance (SSI) forecasting is essential for optimizing renewable energy systems, particularly in the context of long-term energy planning on a global scale. This paper presents a pioneering approach to solar radiation forecasting that leverages recent advancements in numerical weather prediction (NWP) and data-driven machine learning weather models. These advances facilitate long, stable rollouts and enable large ensemble forecasts, enhancing the reliability of predictions. Our flexible model utilizes variables forecast by these NWP and AI weather models to estimate 6-hourly SSI at global scale. Developed using NVIDIA Modulus, our model represents the first adaptive global framework capable of providing long-term SSI forecasts. Furthermore, it can be fine-tuned using satellite data, which significantly enhances its performance in the fine-tuned regions, while maintaining accuracy elsewhere. The improved accuracy of these forecasts has substantial implications for the integration of solar energy into power grids, enabling more efficient energy management and contributing to the global transition to renewable energy sources.
• Abstract（参考訳）: 再生可能エネルギーシステムの最適化には、特に世界規模での長期エネルギー計画の文脈において、正確な表面太陽放射(SSI)予測が不可欠である。 本稿では,最近の数値天気予報(NWP)とデータ駆動型機械学習気象モデルを利用した太陽放射予測の先駆的アプローチを提案する。 これらの進歩は、長く安定したロールアウトを促進し、大規模なアンサンブル予測を可能にし、予測の信頼性を高める。 我々のフレキシブルモデルは、これらのNWPおよびAI気象モデルによる変数予測を利用して、世界規模で6時間SSIを推定する。 NVIDIA Modulusを用いて開発されたこのモデルは、長期SSI予測を提供することができる最初の適応的グローバルフレームワークである。 さらに、衛星データを用いて微調整が可能であり、精度を維持しつつ、微調整領域の性能を大幅に向上させることができる。 これらの予測の精度は向上し、太陽エネルギーを電力網に統合し、より効率的なエネルギー管理を可能にし、再生可能エネルギー源への世界的移行に寄与する。

関連論文リスト

• Deep Learning for Weather Forecasting: A CNN-LSTM Hybrid Model for Predicting Historical Temperature Data [7.559331742876793]
  本研究では,畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)を併用したハイブリッドモデルを提案する。 CNNは空間的特徴抽出に利用され、LSTMは時間的依存を処理し、予測精度と安定性が大幅に向上する。
  論文  参考訳（メタデータ） (2024-10-19T03:38:53Z)
• FuXi Weather: A data-to-forecast machine learning system for global weather [13.052716094161886]
  FuXi Weatherは、複数の衛星のデータと類似した機械学習の天気予報システムである。 FuXi 気象は、中央アフリカなどの観測圏において、ECMWF HRES を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-08-10T07:42:01Z)
• 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)
• 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)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• 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)
• Forecasting large-scale circulation regimes using deformable convolutional neural networks and global spatiotemporal climate data [86.1450118623908]
  変形可能な畳み込みニューラルネットワーク(deCNN)に基づく教師あり機械学習手法の検討 今後1～15日にわたって北大西洋-欧州の気象条件を予測した。 より広い視野で見れば、通常の畳み込みニューラルネットワークよりも5～6日を超えるリードタイムでかなり優れた性能を発揮することが分かる。
  論文  参考訳（メタデータ） (2022-02-10T11:37:00Z)
• Solar Irradiation Forecasting using Genetic Algorithms [0.0]
  太陽エネルギーは再生可能エネルギーの最も重要な貢献者の1つである。 電力グリッドの効率的な管理には、高精度な太陽光照射を予測する予測モデルが必要である。 訓練と検証に使用されるデータは、アメリカ合衆国の3つの異なる地理的ステーションから記録されている。
  論文  参考訳（メタデータ） (2021-06-26T06:48:20Z)
• Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
  機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。 線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。 改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
  論文  参考訳（メタデータ） (2020-10-25T17:56:03Z)
• 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)

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。