Precise Forecasting of Sky Images Using Spatial Warping

要約

雲による閉塞による太陽光発電の断続性は、商業環境と住宅環境の両方での普及を妨げる主な要因の 1 つです。
したがって、グリッド全体にリソースをスケジュールして割り当てるには、グリッドに接続された太陽光発電システムの太陽放射照度をリアルタイムで予測する必要があります。
空の広い視野の画像を取得する地上設置の画像装置は、太陽放射量を予測する目的で、特定の場所の周囲の雲の動きを監視するために一般的に使用されます。
ただし、これらの広い FOV イメージャは、地平線近くの領域が大幅に圧縮されている、空の画像の歪んだ画像をキャプチャします。
これにより、地平線付近の雲の動きを正確に予測する能力が妨げられ、特に長い期間にわたる予測に影響を及ぼします。
この研究では、深層学習手法を導入して、以前の手法よりも高い解像度で将来の空の画像フレームを予測することで、前述の制約に対処します。
私たちの主な貢献は、地平線上の雲の悪影響に対抗するための最適なワーピング方法を導き出し、より長い時間地平線での雲の進化をより適切に決定する将来の空の画像予測のフレームワークを学習することです。

要約(オリジナル)

The intermittency of solar power, due to occlusion from cloud cover, is one of the key factors inhibiting its widespread use in both commercial and residential settings. Hence, real-time forecasting of solar irradiance for grid-connected photovoltaic systems is necessary to schedule and allocate resources across the grid. Ground-based imagers that capture wide field-of-view images of the sky are commonly used to monitor cloud movement around a particular site in an effort to forecast solar irradiance. However, these wide FOV imagers capture a distorted image of sky image, where regions near the horizon are heavily compressed. This hinders the ability to precisely predict cloud motion near the horizon which especially affects prediction over longer time horizons. In this work, we combat the aforementioned constraint by introducing a deep learning method to predict a future sky image frame with higher resolution than previous methods. Our main contribution is to derive an optimal warping method to counter the adverse affects of clouds at the horizon, and learn a framework for future sky image prediction which better determines cloud evolution for longer time horizons.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google