論文の概要: Constructed regional photovoltaic generation fields improve ultra-short-term distributed solar forecasting
- arxiv url: http://arxiv.org/abs/2610.16110v1
- Date: Mon, 12 Oct 2026 03:17:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.296318
- Title: Constructed regional photovoltaic generation fields improve ultra-short-term distributed solar forecasting
- Title（参考訳）: 超短周期の日射予測を改善する地域光発電場の構築
- Abstract要約: 我々は,分散計測を画像のような生成フィールドに変換するフレームワークを開発し,その時間的進化をモデル化する。
496の分散PVシステム(446のソースステーションと50のホールトアウトターゲットステーションを含む)による実験は、これらの領域を効果的に予測し、駅レベルの予測を改善するために使用できることを示した。
- 参考スコア（独自算出の注目度）: 15.219938577969165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultra-short-term forecasting of densely distributed photovoltaic (PV) systems remains challenging because external meteorological and satellite products may not adequately resolve rapid local variations, while heterogeneous PV systems exhibit different generation responses under similar atmospheric conditions. Meanwhile, dense PV fleets provide spatially distributed measurements that reveal regional generation dynamics. Here, we reformulate fleet-level PV forecasting from modeling discrete station time series to predicting explicit, spatially structured regional PV generation fields. We develop SatPV-Field, a regional-to-local forecasting framework that transforms distributed PV measurements into image-like generation fields and models their spatiotemporal evolution. By combining historical PV fields with satellite-derived future shortwave radiation guidance and meteorological forecasts, the framework predicts future regional generation states, which subsequently provide location-specific guidance for individual-station forecasting. Experiments involving 496 distributed PV systems, including 446 source stations and 50 held-out target stations, demonstrate that these regional fields can be effectively forecast and used to improve station-level predictions. The proposed approach reduces station-level MAE by approximately 10.0% relative to the best-performing single-station temporal baseline and by 2.5% relative to a graph-based regional forecasting approach using the same source fleet. These findings establish an explicit spatial-field modeling paradigm that connects regional generation dynamics with individual-site forecasting.
- Abstract（参考訳）: 密集型太陽光発電システム(PV)の超短期予測は、外部の気象・衛星製品が急激な局所的な変動を適切に解決できないことや、異質なPVシステムは同様の大気条件下で異なる生成反応を示すため、依然として困難である。
一方、密集したPV艦隊は、地域発生ダイナミクスを示す空間分布の測定を提供する。
ここでは、離散的なステーション時系列のモデル化から、明示的で空間的に構造化された地域PV生成フィールドの予測まで、フリートレベルのPV予測を再構成する。
SatPV-Fieldは、分散PV測定を画像のような生成フィールドに変換し、その時空間的進化をモデル化する、地域間・地域間予測フレームワークである。
過去のPVフィールドと衛星由来の将来の短波放射誘導と気象予報を組み合わせることで、将来の地域発生状態を予測し、個別局予測のための位置特異的なガイダンスを提供する。
496の分散PVシステム(446のソースステーションと50のホールトアウトターゲットステーションを含む)による実験は、これらの領域を効果的に予測し、駅レベルの予測を改善するために使用できることを示した。
提案手法は, 駅レベルのMAEを, 最高性能のシングルステーション時間ベースラインに対して約10.0%削減し, グラフベースの地域予測手法と比較して2.5%削減する。
これらの知見は、局所的な生成ダイナミクスと個々のサイト予測を結びつける、空間場モデリングのパラダイムを確立している。
関連論文リスト
- Textual Environmental Context and Spatial Graphs for LLM-Based Regional SST Forecasting [57.07427393870074]
海面温度(SST)の予測は、予測日時とともに進化する局所的時間的持続性、地域空間依存性、環境条件に依存する。
本研究では,SSTグリッド全体をテキストとしてシリアライズすることなく,この異種条件を大規模言語モデル (LLM) に提示する方法について検討する。
予測を条件付き数値生成として定式化し, 歴史的SSTと異常シーケンス, 日時順の環境記録, 静的海洋知識をテクスチュアルな文脈で表現する。
数値予測の他に、ルールベースのモジュールは予測トレンドと環境要因の方向と知識エントリとを一致させて、ソースリンクされたポストホックを返す。
論文 参考訳（メタデータ） (2026-10-06T07:42:51Z) - Beyond Time Series: Spatial Reasoning for Epidemic Forecasting via Multimodal Learning [50.948271066372826]
本稿では,地域レベルの時間的監視データと空間的局所的な補助信号を統合する,空間的に構造化されたマルチモーダル流行予測設定を提案する。
我々は,現実的なリアルタイム評価プロトコルの下で,実際の新型コロナウイルス,インフルエンザ,インフルエンザ様疾患(IIL)の予測課題に対するアプローチを評価した。
論文 参考訳（メタデータ） (2026-06-20T17:58:17Z) - Probabilistic Multi-Regional Solar Power Forecasting with Any-Quantile Recurrent Neural Networks [3.8424737607413157]
本稿では、AQ-RNN(Any-Quantile Recurrent Neural Network)に基づくマルチリージョンPV発電のための非量子確率予測フレームワークを提案する。
提案フレームワークは, 任意の確率レベルの条件量子化を, 1つの訓練されたモデル内で推定することができる。
その結果,予測精度,キャリブレーション,予測間隔の品質が一貫した改善を示した。
論文 参考訳（メタデータ） (2026-02-05T13:43:18Z) - 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) - OneForecast: A Universal Framework for Global and Regional Weather Forecasting [67.61381313555091]
本稿では,グラフニューラルネットワークに基づくグローバルなネスト型気象予報フレームワーク(OneForecast)を提案する。
動的システムパースペクティブとマルチグリッド理論を組み合わせることで,マルチスケールグラフ構造を構築し,対象領域を密度化する。
動的ゲーティングユニットを用いた適応型メッセージング機構を導入し,ノードとエッジ機能を深く統合し,より正確なイベント予測を行う。
論文 参考訳（メタデータ） (2025-02-01T06:49:16Z) - 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) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳（メタデータ） (2024-01-22T14:02:56Z) - 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) - Spatio-temporal graph neural networks for multi-site PV power
forecasting [0.0]
決定論的マルチサイト予測のための2つの新しいグラフニューラルネットワークモデルを提案する。
提案手法は,6時間前の予測地平線に対して,最先端のマルチサイト予測手法より優れていた。
論文 参考訳（メタデータ） (2021-07-29T10:15:01Z) - 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。