Forecasting Solar Irradiance without Direct Observation: An Empirical Analysis

要約

太陽光発電の使用が増加するにつれて、正確でタイムリーな予測者を持つことは、円滑なグリッド運用にとって不可欠になります。
日射量・太陽光発電量の予測手法は数多く提案されています。
ただし、これらの方法の多くは、予測を生成するために、関心のある場所での観測へのほぼリアルタイムのアクセスに依存して、問題を時系列として定式化します。
これには、リアルタイムのデータ ストリームへのアクセスと、これらの方法を展開するための十分な履歴観測の両方が必要です。
このホワイトペーパーでは、従来の機械学習アプローチと最先端の深層学習を比較して、予測問題を定式化する効果的な方法を徹底的に分析します。
英国全土に分布する 20 か所のデータと市販の気象データを使用して、このデータへのアクセスを必要としないシステムを構築できることを示します。
他の場所からの気象観測と測定を活用して、新しい場所での太陽放射照度を正確に予測できるモデルを作成できることを示しています。
気象データの衛星観測と地上観測（気温、気圧など）の両方を比較します。
これにより、新しく展開されたソーラー ファームと国内の設備の両方がオンラインになった瞬間から、使用計画と最適化が容易になります。
さらに、複数の場所に対して単一のグローバル モデルをトレーニングすると、場所全体でより一貫した正確な結果を持つより堅牢なモデルを生成できることを示しています。

要約(オリジナル)

As the use of solar power increases, having accurate and timely forecasters will be essential for smooth grid operators. There are many proposed methods for forecasting solar irradiance / solar power production. However, many of these methods formulate the problem as a time-series, relying on near real-time access to observations at the location of interest to generate forecasts. This requires both access to a real-time stream of data and enough historical observations for these methods to be deployed. In this paper, we conduct a thorough analysis of effective ways to formulate the forecasting problem comparing classical machine learning approaches to state-of-the-art deep learning. Using data from 20 locations distributed throughout the UK and commercially available weather data, we show that it is possible to build systems that do not require access to this data. Leveraging weather observations and measurements from other locations we show it is possible to create models capable of accurately forecasting solar irradiance at new locations. We utilise compare both satellite and ground observations (e.g. temperature, pressure) of weather data. This could facilitate use planning and optimisation for both newly deployed solar farms and domestic installations from the moment they come online. Additionally, we show that training a single global model for multiple locations can produce a more robust model with more consistent and accurate results across locations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google