論文の概要: SolarBench: A global solar energy nowcasting benchmark

• arxiv url: http://arxiv.org/abs/2609.06187v1
• Date: Sat, 05 Sep 2026 17:09:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.215213
• Title: SolarBench: A global solar energy nowcasting benchmark
• Title（参考訳）: SolarBench:世界規模のソーラーエネルギー検索ベンチマーク
• Abstract要約: われわれはSolarBenchを紹介した。SolarBenchは、画像ベースのソーラー・ユースキャスティングのためのオープン・グローバル・ベンチマークである。 SolarBenchは10年にわたる11の多様な場所から600万枚以上の空と衛星画像を調和させる。 我々は代表モデルをベンチマークし、平均予測精度と急速な太陽変動を捉える能力のギャップを明らかにする。
• 参考スコア（独自算出の注目度）: 10.905771157487608
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the share of solar power grows, nowcasting weather-driven solar variability becomes critical for reliable energy system operation. State-of-the-art approaches increasingly apply deep learning to sky camera and geostationary satellite observations, but fragmented datasets and inconsistent evaluation make it difficult to determine whether reported improvements generalize across climates, cloud regimes, and photovoltaic (PV) systems. Here we introduce SolarBench, an open global benchmark for image-based solar nowcasting. SolarBench harmonizes more than six million sky and satellite images from 11 diverse sites spanning a decade, together with irradiance or PV output and auxiliary atmospheric data. An accompanying toolbox supports reproducible data access, processing, model development, and evaluation. Using SolarBench, we benchmark representative models and reveal a gap between average forecasting accuracy and the ability to capture rapid solar fluctuations. We further quantify predictability across cloud regimes and demonstrate data-efficient adaptation to new PV systems. SolarBench provides an extensible foundation for fair comparison and methodological innovation in solar nowcasting.
• Abstract（参考訳）: 太陽エネルギーのシェアが増大するにつれて、現在の気象による太陽変動は信頼性の高いエネルギーシステムの運用にとって重要である。 最先端のアプローチは、スカイカメラや静止衛星観測にディープラーニングを適用する傾向にあるが、断片化されたデータセットと一貫性のない評価により、報告された改善が気候、雲の状況、太陽光発電(PV)システムにわたって一般化されるかどうかを判断することは困難である。 以下はSolarBenchについて紹介する。SolarBenchは、画像ベースのソーラー・ユースキャスティングのためのオープン・グローバル・ベンチマークである。 SolarBenchは10年にわたる11の多様な場所からの600万以上の空と衛星の画像と、照射やPV出力、補助的な大気データとを調和させる。 付属するツールボックスは再現可能なデータアクセス、処理、モデル開発、評価をサポートする。 SolarBenchを用いて、代表モデルのベンチマークを行い、平均予測精度と急速な太陽変動を捉える能力のギャップを明らかにする。 さらに,クラウドシステム全体にわたる予測可能性の定量化と,新しいPVシステムへのデータ効率適応の実証を行う。 SolarBenchは、太陽光発電における公正な比較と方法論的な革新のための拡張可能な基盤を提供する。

関連論文リスト

• AI and Open-data Driven Scalable Solar Power Profiling [48.72868465736126]
  本稿では、オープンデータからソーラーパネルを検出し、都市レベルのソーラーパワープロファイルを生成するための、オープンでスケーラブルなフレームワークを提案する。 ファンデーションビジョンAIモデルを利用して、オープンソースの衛星画像からソーラーパネルを検出する。 このフレームワークは、プロプライエタリなイメージ、手動ラベリング、クローズドソースモデルへの依存を減らし、ソーラープランニングと分析のための透明でスケーラブルなアプローチを提供する。
  論文  参考訳（メタデータ） (2026-05-04T15:37:52Z)
• SolarTformer: A Transformer Based Deep Learning Approach for Short Term Solar Power Forecasting [0.0]
  SolarTformerは気象データから出力される太陽エネルギーを予測するように設計されている。 実験の結果,SolarTformerは同じデータセット上で従来のモデルよりも大幅に優れていた。 これらの知見は、太陽予測の精度を高めるための注意に基づくアーキテクチャの可能性を示している。
  論文  参考訳（メタデータ） (2026-04-27T10:56:16Z)
• 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)
• Data-driven solar forecasting enables near-optimal economic decisions [38.70705528456187]
  我々は,軽量なデータ駆動予測システムであるSunCastNetを紹介する。 0.05$circ$で、地表の太陽放射の10分間の分解予測を提供する。 堅牢な意思決定に比べて、運用上の後悔を76-93%削減します。 地域ごとに最大で10の高エミッション産業セクターのうち5つが、商業的生存率の12%を越えられる。
  論文  参考訳（メタデータ） (2025-09-08T17:38:05Z)
• SolarFormer: Multi-scale Transformer for Solar PV Profiling [7.686020113962378]
  SolarFormerは、ソーラーパネルを空中画像から切り離し、その位置と大きさに関する洞察を提供するように設計されている。 本モデルでは,低レベル機能を活用し,太陽PV設置の局所化を強化するインスタンスクエリ機構を組み込んだ。 我々の実験は、我々のモデルが最先端のモデルと一致しているか、あるいは超えていることを一貫して示している。
  論文  参考訳（メタデータ） (2023-10-30T22:22:01Z)
• 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)
• Data-driven soiling detection in PV modules [58.6906336996604]
  太陽光発電モジュールの土質比を推定する問題について検討した。 私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。 実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-01-30T14:35:47Z)
• SKIPP'D: a SKy Images and Photovoltaic Power Generation Dataset for Short-term Solar Forecasting [0.0]
  画像ベースのソーラー予測のための標準化されたベンチマークデータセットは、ほとんど公開されていない。 SKIPP'D - SKy Images と Photovoltaic Power Generation データセットを紹介する。 データセットには、品質制御されたダウンサンプルスカイイメージと、ディープラーニングを用いた短期太陽予報のためのPV発電データが含まれている。
  論文  参考訳（メタデータ） (2022-07-02T21:52:50Z)
• 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)

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。