論文の概要: Intraday spatiotemporal PV power prediction at national scale using satellite-based solar forecast models

• arxiv url: http://arxiv.org/abs/2601.04751v1
• Date: Thu, 08 Jan 2026 09:15:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.131806
• Title: Intraday spatiotemporal PV power prediction at national scale using satellite-based solar forecast models
• Title（参考訳）: 衛星による太陽予報モデルを用いた日内時空間PV電力予測
• Authors: Luca Lanzilao, Angela Meyer,
• Abstract要約: 本稿では,太陽光発電(PV)電力予測のための新しいフレームワークを提案する。 衛星由来の表面太陽放射(SSI)に対して予測が最初に検証される さらに、メソスケールのクラウドシステムが、数時間以下の時間帯に、全国的なPV生産をどのように形成するかを、初めて視覚化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a novel framework for spatiotemporal photovoltaic (PV) power forecasting and use it to evaluate the reliability, sharpness, and overall performance of seven intraday PV power nowcasting models. The model suite includes satellite-based deep learning and optical-flow approaches and physics-based numerical weather prediction models, covering both deterministic and probabilistic formulations. Forecasts are first validated against satellite-derived surface solar irradiance (SSI). Irradiance fields are then converted into PV power using station-specific machine learning models, enabling comparison with production data from 6434 PV stations across Switzerland. To our knowledge, this is the first study to investigate spatiotemporal PV forecasting at a national scale. We additionally provide the first visualizations of how mesoscale cloud systems shape national PV production on hourly and sub-hourly timescales. Our results show that satellite-based approaches outperform the Integrated Forecast System (IFS-ENS), particularly at short lead times. Among them, SolarSTEPS and SHADECast deliver the most accurate SSI and PV power predictions, with SHADECast providing the most reliable ensemble spread. The deterministic model IrradianceNet achieves the lowest root mean square error, while probabilistic forecasts of SolarSTEPS and SHADECast provide better-calibrated uncertainty. Forecast skill generally decreases with elevation. At a national scale, satellite-based models forecast the daily total PV generation with relative errors below 10% for 82% of the days in 2019-2020, demonstrating robustness and their potential for operational use.
• Abstract（参考訳）: 本研究では,時空間太陽光発電(PV)電力予測のための新しいフレームワークを提案し,その信頼性,シャープさ,および日内PV電力流し込みモデルの全体的な性能を評価する。 モデルスイートには、衛星ベースのディープラーニングと光フローアプローチ、物理ベースの数値気象予測モデルが含まれ、決定論的および確率的定式化の両方をカバーする。 予測は、衛星由来の表面太陽放射(SSI)に対して初めて検証される。 照度場は、ステーション固有の機械学習モデルを使用してPVパワーに変換され、スイスの6434のPVステーションの生産データと比較される。 我々の知る限り、これは国家規模での時空間PV予測を調査する最初の研究である。 さらに、メソスケールクラウドシステムが、時間や時間以下の時間スケールで、全国的なPV生産をどのように形成するかを、初めて可視化する。 以上の結果から、衛星ベースのアプローチは、特に短いリード時間において、IFS-ENS(Integrated Forecast System)よりも優れていることが示された。 中でもSolarSTEPSとSHADECastは、最も正確なSSIとPVの電力予測を提供し、SHADECastは最も信頼性の高いアンサンブル展開を提供する。 決定論的モデルであるIrradianceNetは最低根平均二乗誤差を達成する一方、SolarSTEPSとSHADECastの確率的予測はより良い校正の不確実性をもたらす。 予測能力は概して上昇とともに低下する。 衛星ベースのモデルでは、2019-2020年の82%の日において、相対誤差が10%未満の日総PV生成を全国規模で予測し、ロバスト性と運用上の可能性を示している。

関連論文リスト

• SolarCrossFormer: Improving day-ahead Solar Irradiance Forecasting by Integrating Satellite Imagery and Ground Sensors [0.8808021343665318]
  SolarCrossFormerは、日頭照射予測のための新しいディープラーニングモデルである。 地上の気象観測所のネットワークから衛星画像と時系列を合成する。 スイスのあらゆる場所で、最大24時間前の地平線を15分間の解像度で予測する。
  論文  参考訳（メタデータ） (2025-09-19T09:57:40Z)
• Machine learning-based probabilistic forecasting of solar irradiance in Chile [0.7067443325368975]
  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。
  論文  参考訳（メタデータ） (2024-11-17T13:22:05Z)
• 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)
• 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)
• 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)
• 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。