SkyGPT: Probabilistic Short-term Solar Forecasting Using Synthetic Sky Videos from Physics-constrained VideoGPT

要約

近年、全天画像を用いたディープラーニングベースの太陽予測が、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浮上しています。
しかし、雲の動きの確率的な性質は、正確で信頼性の高い太陽予測にとって依然として大きな課題です。
最近の生成人工知能の進歩により、視覚的にもっともらしく、多様な空のビデオを合成することで、予測に役立つ可能性があります。
この研究では、過去の空の画像シーケンスを入力として使用することで、さまざまな雲の動きパターンを持つ複数の将来の空の画像を生成できる、物理学に基づいた確率的ビデオ予測モデルである \emph{SkyGPT} を紹介します。
広範な実験とベンチマークビデオ予測モデルとの比較により、雲のダイナミクスを捕捉し、高い現実性と多様性を備えた将来の空の画像を生成する際の、提案されたモデルの有効性が実証されています。
さらに、30 kW 屋上太陽光発電システムの 15 分先の確率的太陽予測のためにビデオ予測モデルから生成された将来の空の画像をフィードし、それをエンドツーエンドの深層学習ベースライン モデル SUNSET および
スマートな永続化モデル。
SkyGPT で生成された空の予測画像を使用することで、他のベンチマーク モデルと比較して、より優れた PV 出力予測の信頼性と鮮明さが観察され、連続ランク付け確率スコア (CRPS) 2.81 (SUNSET より 13\% 優れ、スマート パーシスタンスより 23\% 優れています) を達成しました。
)、テスト セットの Winkler スコアは 26.70 でした。
過去の空の画像シーケンスから任意の数の将来を生成できますが、この結果は、確率論的な太陽予測パフォーマンスと計算コストのバランスをとるには、10 個の将来シナリオが適切な選択であることを示唆しています。

要約(オリジナル)

In recent years, deep learning-based solar forecasting using all-sky images has emerged as a promising approach for alleviating uncertainty in PV power generation. However, the stochastic nature of cloud movement remains a major challenge for accurate and reliable solar forecasting. With the recent advances in generative artificial intelligence, the synthesis of visually plausible yet diversified sky videos has potential for aiding in forecasts. In this study, we introduce \emph{SkyGPT}, a physics-informed stochastic video prediction model that is able to generate multiple possible future images of the sky with diverse cloud motion patterns, by using past sky image sequences as input. Extensive experiments and comparison with benchmark video prediction models demonstrate the effectiveness of the proposed model in capturing cloud dynamics and generating future sky images with high realism and diversity. Furthermore, we feed the generated future sky images from the video prediction models for 15-minute-ahead probabilistic solar forecasting for a 30-kW roof-top PV system, and compare it with an end-to-end deep learning baseline model SUNSET and a smart persistence model. Better PV output prediction reliability and sharpness is observed by using the predicted sky images generated with SkyGPT compared with other benchmark models, achieving a continuous ranked probability score (CRPS) of 2.81 (13\% better than SUNSET and 23\% better than smart persistence) and a Winkler score of 26.70 for the test set. Although an arbitrary number of futures can be generated from a historical sky image sequence, the results suggest that 10 future scenarios is a good choice that balances probabilistic solar forecasting performance and computational cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google