Data-driven Surface Solar Irradiance Estimation using Neural Operators at Global Scale

要約

正確な地表太陽放射照度 (SSI) 予測は、再生可能エネルギー システムを最適化するために、特に地球規模での長期エネルギー計画の観点から不可欠です。
この論文では、数値気象予測 (NWP) とデータ駆動型機械学習気象モデルにおける最近の進歩を活用した、日射量予測への先駆的なアプローチを紹介します。
これらの進歩により、長期にわたる安定した展開が容易になり、大規模なアンサンブル予測が可能になり、予測の信頼性が向上します。
私たちの柔軟なモデルは、これらの NWP と AI 気象モデルによって予測される変数を利用して、地球規模で 6 時間ごとの SSI を推定します。
NVIDIA Modulus を使用して開発された当社のモデルは、長期 SSI 予測を提供できる最初の適応型グローバル フレームワークを表します。
さらに、衛星データを使用して微調整することができるため、他の部分では精度を維持しながら、微調整された領域でのパフォーマンスが大幅に向上します。
これらの予測の精度の向上は、太陽エネルギーの電力網への統合に大きな影響を及ぼし、より効率的なエネルギー管理を可能にし、再生可能エネルギー源への世界的な移行に貢献します。

要約(オリジナル)

Accurate surface solar irradiance (SSI) forecasting is essential for optimizing renewable energy systems, particularly in the context of long-term energy planning on a global scale. This paper presents a pioneering approach to solar radiation forecasting that leverages recent advancements in numerical weather prediction (NWP) and data-driven machine learning weather models. These advances facilitate long, stable rollouts and enable large ensemble forecasts, enhancing the reliability of predictions. Our flexible model utilizes variables forecast by these NWP and AI weather models to estimate 6-hourly SSI at global scale. Developed using NVIDIA Modulus, our model represents the first adaptive global framework capable of providing long-term SSI forecasts. Furthermore, it can be fine-tuned using satellite data, which significantly enhances its performance in the fine-tuned regions, while maintaining accuracy elsewhere. The improved accuracy of these forecasts has substantial implications for the integration of solar energy into power grids, enabling more efficient energy management and contributing to the global transition to renewable energy sources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google