論文の概要: Machine learning-based probabilistic forecasting of solar irradiance in Chile

• arxiv url: http://arxiv.org/abs/2411.11073v1
• Date: Sun, 17 Nov 2024 13:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:32:34.287452
• Title: Machine learning-based probabilistic forecasting of solar irradiance in Chile
• Title（参考訳）: チリにおける太陽放射の機械学習による確率予測
• Authors: Sándor Baran, Julio C. Marín, Omar Cuevas, Mailiu Díaz, Marianna Szabó, Orietta Nicolis, Mária Lakatos,
• Abstract要約: 本研究はチリの第三地域及び第四地域における太陽放射の確率論的予測について検討する。 ニューラルネットワークを用いた後処理手法を提案し、8員のアンサンブル予測を改善した。 全ての予測は30か所の観測結果に対して評価され、後処理の予測技術は生のWRFアンサンブルと比較される。
• 参考スコア（独自算出の注目度）: 0.7067443325368975
• License:
• Abstract: By the end of 2023, renewable sources cover 63.4% of the total electric power demand of Chile, and in line with the global trend, photovoltaic (PV) power shows the most dynamic increase. Although Chile's Atacama Desert is considered the sunniest place on Earth, PV power production, even in this area, can be highly volatile. Successful integration of PV energy into the country's power grid requires accurate short-term PV power forecasts, which can be obtained from predictions of solar irradiance and related weather quantities. Nowadays, in weather forecasting, the state-of-the-art approach is the use of ensemble forecasts based on multiple runs of numerical weather prediction models. However, ensemble forecasts still tend to be uncalibrated or biased, thus requiring some form of post-processing. The present work investigates probabilistic forecasts of solar irradiance for Regions III and IV in Chile. For this reason, 8-member short-term ensemble forecasts of solar irradiance for calendar year 2021 are generated using the Weather Research and Forecasting (WRF) model, which are then calibrated using the benchmark ensemble model output statistics (EMOS) method based on a censored Gaussian law, and its machine learning-based distributional regression network (DRN) counterpart. Furthermore, we also propose a neural network-based post-processing method resulting in improved 8-member ensemble predictions. All forecasts are evaluated against station observations for 30 locations, and the skill of post-processed predictions is compared to the raw WRF ensemble. Our case study confirms that all studied post-processing methods substantially improve both the calibration of probabilistic- and the accuracy of point forecasts. Among the methods tested, the corrected ensemble exhibits the best overall performance. Additionally, the DRN model generally outperforms the corresponding EMOS approach.
• Abstract（参考訳）: 2023年末までに、再生可能エネルギー源はチリの電力需要全体の63.4%をカバーし、世界的傾向に合わせて、太陽光発電(PV)電力は最もダイナミックな増加を示している。 チリのアタカマ砂漠は地球上で最も太陽が当たる場所と考えられているが、この地域でもPV発電は非常に不安定である。 国の電力網にPVエネルギーをうまく統合するには、太陽の光と関連する気象量の予測から得られる、正確な短期的なPV電力予測が必要である。 今日、天気予報において最先端のアプローチは、複数の数値天気予報モデルに基づいてアンサンブル予測を使用することである。 しかし、アンサンブル予測はいまだに偏見や偏見を伴わない傾向にあり、ある種の後処理が必要である。 本研究はチリの第三地域及び第四地域における太陽放射の確率的予測について検討する。 このため、2021年の太陽日射量の8員の短期的アンサンブル予測は、ウェザーリサーチ・フォアキャスティング(WRF)モデルを用いて生成され、このモデルは、検閲されたガウス法に基づくベンチマークアンサンブルモデル出力統計(EMOS)法と、その機械学習に基づく分布回帰ネットワーク(DRN)法とを用いてキャリブレーションされる。 さらに,ニューラルネットワークを用いた後処理手法を提案し,それによって8員のアンサンブル予測が改善された。 全ての予測は30か所の観測結果に対して評価され、後処理の予測技術は生のWRFアンサンブルと比較される。 今回のケーススタディでは,全ての研究後処理手法が確率のキャリブレーションと点予測の精度の両方を著しく改善していることを確認した。 テストされた方法の中で、修正されたアンサンブルは全体的なパフォーマンスで最高のものである。 さらに、DRNモデルは一般的に対応するEMOSアプローチよりも優れている。

関連論文リスト

• Improving Model Chain Approaches for Probabilistic Solar Energy Forecasting through Post-processing and Machine Learning [0.0]
  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。
  論文  参考訳（メタデータ） (2024-06-06T18:08:50Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• 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)
• GraphCast: Learning skillful medium-range global weather forecasting [107.40054095223779]
  我々は、再分析データから直接トレーニングできる「GraphCast」と呼ばれる機械学習ベースの手法を導入する。 全世界で10日以上、0.25度で、数百の気象変動を1分以内で予測する。 我々は,GraphCastが1380の検証対象の90%において,最も正確な運用決定システムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-12-24T18:15:39Z)
• 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)
• 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)
• Calibration of wind speed ensemble forecasts for power generation [0.0]
  過去数十年間、風力発電は欧州連合で2番目に大きな電力供給源となり、電力需要の16%を占めた。 そのボラティリティのため、風力エネルギーを電気グリッドにうまく統合するには、正確な短距離風力予測が必要である。 生のアンサンブルと比較すると,ポストプロセッシングは常に確率的および精度の高い点予測のキャリブレーションを改善する。
  論文  参考訳（メタデータ） (2021-04-30T11:18:03Z)
• 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)
• 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)
• 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)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)

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。