論文の概要: Meteorological data and Sky Images meets Neural Models for Photovoltaic Power Forecasting

• arxiv url: http://arxiv.org/abs/2602.15782v1
• Date: Tue, 17 Feb 2026 18:14:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.156945
• Title: Meteorological data and Sky Images meets Neural Models for Photovoltaic Power Forecasting
• Title（参考訳）: 気象データとスカイイメージは太陽光発電電力予測のためのニューラルモデルに合致する
• Authors: Ines Montoya-Espinagosa, Antonio Agudo,
• Abstract要約: 本研究は,同目的の2つの研究に基づいて,短期・長期予測のためのハイブリッドアプローチを開発する。 空と太陽光発電の歴史を気象データと組み合わせたマルチモーダル手法を提案する。 主な目標は、ランプイベント予測の精度を改善し、曇り条件下での予測の堅牢性を高め、現在の放送を超えて機能を拡張することである。
• 参考スコア（独自算出の注目度）: 18.633528239379483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the rise in the use of renewable energies as an alternative to traditional ones, and especially solar energy, there is increasing interest in studying how to address photovoltaic forecasting in the face of the challenge of variability in photovoltaic energy production, using different methodologies. This work develops a hybrid approach for short and long-term forecasting based on two studies with the same purpose. A multimodal approach that combines images of the sky and photovoltaic energy history with meteorological data is proposed. The main goal is to improve the accuracy of ramp event prediction, increase the robustness of forecasts in cloudy conditions, and extend capabilities beyond nowcasting, to support more efficient operation of the power grid and better management of solar variability. Deep neural models are used for both nowcasting and forecasting solutions, incorporating individual and multiple meteorological variables, as well as an analytical solar position. The results demonstrate that the inclusion of meteorological data, particularly the surface long-wave, radiation downwards, and the combination of wind and solar position, significantly improves current predictions in both nowcasting and forecasting tasks, especially on cloudy days. This study highlights the importance of integrating diverse data sources to improve the reliability and interpretability of solar energy prediction models.
• Abstract（参考訳）: 従来のエネルギー、特に太陽エネルギーの代替として再生可能エネルギーが使われるようになったため、異なる手法を用いて、光エネルギー生産における変動性の課題に直面して、光エネルギー予測にどう対処するかを研究することに興味が高まっている。 本研究は,同目的の2つの研究に基づいて,短期・長期予測のためのハイブリッドアプローチを開発する。 空と太陽光発電の歴史を気象データと組み合わせたマルチモーダル手法を提案する。 主な目的は、ランプイベント予測の精度を改善し、曇り条件下での予測の堅牢性を高め、流し込みを超えて機能を拡張し、電力グリッドのより効率的な運用と太陽変動のより良い管理を支援することである。 ディープ・ニューラル・モデル (Deep Neural Model) は、個々の気象変数と複数の気象変数、分析的な太陽位置を組み込んだ、今流と予測のソリューションの両方に使用される。 その結果、気象データ、特に地表の長波、放射下方、風と太陽の位置の組み合わせは、特に曇りの日に、流し込みと予測の両方のタスクにおいて、現在の予測を著しく改善することが示された。 本研究では,太陽エネルギー予測モデルの信頼性と解釈可能性を向上させるために,多様なデータソースを統合することの重要性を強調した。

関連論文リスト

• Ultra-short-term solar power forecasting by deep learning and data reconstruction [60.200987006598524]
  深層学習に基づく超短周期太陽エネルギー予測とデータ再構成を提案する。 我々は、ターゲット予測期間に対する長期的および短期的依存関係をキャプチャするために、ディープラーニングモデルを用いる。
  論文  参考訳（メタデータ） (2025-09-21T14:22:35Z)
• Short-Term Photovoltaic Forecasting Model for Qualifying Uncertainty during Hazy Weather [9.367926898177815]
  我々は、悪天候下で不確実性を評価するために、改良されたエントロピーを導入する。 クラスタリングとアテンション機構は、計算コストを削減し、予測精度を高めるために使用される。 悪天候に関連する2つのデータセットの実験により、我々のモデルは予測精度を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2024-07-29T02:53:39Z)
• 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)
• Comparing Data-Driven and Mechanistic Models for Predicting Phenology in Deciduous Broadleaf Forests [47.285748922842444]
  我々は、気象時系列から表現指標を予測するために、ディープニューラルネットワークを訓練する。 このアプローチは従来のプロセスベースのモデルよりも優れています。
  論文  参考訳（メタデータ） (2024-01-08T15:29:23Z)
• 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)
• 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)

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。