Omnivision forecasting: combining satellite observations with sky images for improved intra-hour solar energy predictions

要約

断続的な再生可能エネルギー源を電力網に大量に統合することは困難です。この難題を解決するためのアプローチとして確立されているのが、今後のエネルギー供給の変動を予測して、送電網の対応を適合させるというものです。太陽エネルギーでは、全天カメラ（最大30分先）と衛星観測（最大6時間先）から、雲による発電量の短期的な変動を異なる時間スケールで予測することが可能です。本研究では、雲量に関するこれら二つの補完的な視点を一つの機械学習の枠組みで統合し、時間内（最大60分先まで）の日射量予測を改善することを目的とする。決定論的予測と確率的予測の両方を、異なる気象条件（晴天、曇り、曇天）と異なる入力構成（空画像、衛星観測、過去の放射照度値）で評価した。その結果、ハイブリッドモデルは晴天時の予測に有効であり、より長期的な予測を改善することが示された。この研究は、太陽予報を向上させるために、空画像と衛星観測を単一の学習フレームワークで組み合わせるという将来の新しいアプローチのための基礎を築くものである。

要約(オリジナル)

Integration of intermittent renewable energy sources into electric grids in large proportions is challenging. A well-established approach aimed at addressing this difficulty involves the anticipation of the upcoming energy supply variability to adapt the response of the grid. In solar energy, short-term changes in electricity production caused by occluding clouds can be predicted at different time scales from all-sky cameras (up to 30-min ahead) and satellite observations (up to 6h ahead). In this study, we integrate these two complementary points of view on the cloud cover in a single machine learning framework to improve intra-hour (up to 60-min ahead) irradiance forecasting. Both deterministic and probabilistic predictions are evaluated in different weather conditions (clear-sky, cloudy, overcast) and with different input configurations (sky images, satellite observations and/or past irradiance values). Our results show that the hybrid model benefits predictions in clear-sky conditions and improves longer-term forecasting. This study lays the groundwork for future novel approaches of combining sky images and satellite observations in a single learning framework to advance solar nowcasting.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL