Open-Source Ground-based Sky Image Datasets for Very Short-term Solar Forecasting, Cloud Analysis and Modeling: A Comprehensive Survey

要約

ディープラーニングを使用した空画像ベースの太陽予測は、太陽光発電の不確実性を軽減するための有望なアプローチとして認識されています。
ただし、最大の課題の 1 つは、大規模で多様な空の画像サンプルが不足していることです。
この研究では、非常に短期間の太陽予測 (つまり、30 分未満の予測地平線) のためのオープンソースの地上ベースの空画像データセットの包括的な調査と、太陽予測の改善に役立つ可能性のある関連研究分野を提示します。
雲のセグメンテーション、雲の分類、雲の動きの予測などの方法。
最初に、機械学習/深層学習のニーズを満たす 72 のオープンソースの空画像データセットを特定します。
次に、識別されたデータセットのさまざまな側面に関する情報のデータベースが構築されます。
調査された各データセットを評価するために、データの使用に重要な影響を与える可能性のあるデータセットの 8 つの次元に基づいて、多基準ランキング システムをさらに開発します。
最後に、さまざまなアプリケーションでのこれらのデータセットの使用に関する洞察を提供します。
このホワイト ペーパーが、非常に短期的な太陽予測および関連分野のデータセットを探している研究者に概要を提供できることを願っています。

要約(オリジナル)

Sky-image-based solar forecasting using deep learning has been recognized as a promising approach in reducing the uncertainty in solar power generation. However, one of the biggest challenges is the lack of massive and diversified sky image samples. In this study, we present a comprehensive survey of open-source ground-based sky image datasets for very short-term solar forecasting (i.e., forecasting horizon less than 30 minutes), as well as related research areas which can potentially help improve solar forecasting methods, including cloud segmentation, cloud classification and cloud motion prediction. We first identify 72 open-source sky image datasets that satisfy the needs of machine/deep learning. Then a database of information about various aspects of the identified datasets is constructed. To evaluate each surveyed datasets, we further develop a multi-criteria ranking system based on 8 dimensions of the datasets which could have important impacts on usage of the data. Finally, we provide insights on the usage of these datasets for different applications. We hope this paper can provide an overview for researchers who are looking for datasets for very short-term solar forecasting and related areas.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google