Apr, 2024

太阳辐照传感器阵列的高级基于模拟的预测建模

PDF
TL;DRCAIDE 是一个基于云技术的新框架，用于实时监测、管理和预测太阳辐照度传感器农场，通过模型和仿真方法，同时管理多个传感器农场并实时改进预测模型。该框架利用模型化系统工程和物联网基础设施，在动态环境中支持太阳能电站的部署和分析。实验结果表明，CAIDE 框架在管理和预测太阳能发电的同时，可以实时提高预测模型的准确性，对太阳能电站的部署和可再生能源具有重要意义。
solar power forecastingcaide frameworksolar irradiance sensor farmsmodeling and simulationrenewable energy sources
发现论文，激发创造
  • Omnivision 预测：将卫星观测和天空图像相结合，以提高小时内太阳能预测的准确性

    通过整合来自全天候摄像头和卫星观测的云覆盖率补充信息，本研究利用机器学习将两种信息融合起来，提高了日照预报的准确性。结果表明，混合模型对于晴朗天气的预测效果更好，同时也提高了更长期的预测能力。

    Jun, 2022

  • 基于天空成像的太阳辐照度预测与机器学习

    本文提出了一种新的方法，通过从天空图像中提取特征并使用基于学习的技术来估计短期太阳辐照度，实现了对可再生能源的预测，该方法在计算复杂性方面比现有的算法具有更高的竞争力。

    Oct, 2023

  • 无关位置的无源域自适应学习预测太阳能发电

    提出了一个基于领域自适应深度学习的框架来估计太阳能发电量，该框架利用天气特征来解决太阳能发电预测中的挑战。该方法在计算速度、存储效率和改善预测准确性方面在加利福尼亚（CA）、佛罗里达（FL）和纽约（NY）等地的太阳能发电预测中显示出明显优势。

    Jan, 2024

  • 如何利用时空上下文丰富日前太阳辐照预测

    本文采用深度学习，设计了一个利用卫星数据的时空上下文来高精度预测全球水平辐照度（GHI）的天际时间序列预测模型，并提出了一种预测不确定性分布的方法。作者通过将特别困难的日子（在这项研究中特别是经历变化多端的多云天）与简单的日子分开来评估模型性能，提出了一种测试方案。同时，作者还提出了一个新的多模态数据集，收集了来自多个地理位置不同的太阳能站的太阳能辐射和其他相关物理变量的卫星图像和时间序列。该方法在太阳辐照度预测中表现出鲁棒性，包括在未观测到的太阳能站进行零样本推广测试，并极有潜力促进太阳能与电网的有效整合。

    Jun, 2023

  • SaDI: 自适应分解解释性电力负荷极端事件预测框架

    本文提出了一种新的用于电力负载预测的框架，名为自适应分解可解释性框架（SaDI），通过集成长期趋势、短期趋势和周期建模来捕捉不同组成部分的时间特征，在极端条件下实现更好的预测，外部变量触发损失则用于解决极端事件下的不平衡学习问题，框架中还采用广义可加模型（GAM）进行理解性分析，并在中部中国电力负载和建筑公共能源计量器上进行实验验证，相对于当前先进算法，该框架的预测效果平均提高了 22.14％。

    Jun, 2023

  • 利用卫星数据在尼泊尔不同地区进行太阳能供电预测

    该研究利用替代气象参数预测尼泊尔潜在站点的太阳辐射，使用包括 CERES SYN1deg 和 MERRA-2 的近十年数据集，采用随机森林、XGBoost、K - 最近邻、LSTM 和 ANN-MLP 等机器学习模型，结果显示这些模型在预测太阳辐射方面具有高准确性，通过分析参数整合可显著提高预测准确性，并且神经网络模型表现出最佳性能。

    Jun, 2024

  • 基于多地天气数据指导的高效确定性可再生能源预测

    利用多地天气预报的 U 型时间卷积自编码器（UTCAE）方法和多尺度核卷积空时注意力（MKST-Attention）机制，该研究提出了一种新的方法来确定多个发电站的确定性风能和太阳能发电预测，试验评估表明该方法在五个数据集上的日前太阳能和风能预测场景中取得了最佳结果，优于所有竞争的时序预测方法。

    Apr, 2024

  • 基于深度学习的智能电网网络攻击检测模型

    通过使用人工智能技术，本研究提出了一种新颖的智能电网基于模型的网络攻击检测方法，以阻止监控控制和数据采集系统（SCADA）上接收的负载数据的数据完整性网络攻击（DIAs），并使用回归模型进行负载数据的预测，以及通过无监督学习方法对处理后的数据进行聚类，以实现最佳性能。实验结果表明，EE-BiLSTM 方法比其他两种方法更稳健和准确。

    Dec, 2023

  • A2CI：面向大气研究的基于云计算和服务的地理空间基础设施

    大地科学数据、地理空间基础设施、数据发现、数据管理以及大气科学研究是本论文的关键词，该论文介绍了一个通过云计算原则构建的气象分析系统的实施。

    Mar, 2024

  • 短期太阳辐照度预测在数据传输约束下的应用

    通过降维天空相机图像的标量特征以满足数据传输限制，我们提出了一种用于太阳辐照短期预测的数据简化机器学习模型。经过受控理论的启发，我们使用噪声输入反映未测量的变量，并证明其显著提高了模型的预测能力。利用来自 NREL Solar Radiation Research Laboratory 的五年数据，我们创建了三个滚动训练验证集，确定了时间的最佳表示形式、输入测量的最佳跨度以及最具影响力的模型输入数据（特征）。在选择的测试数据上，与云量持续模型的基准值 134.35 $W/m^2$ 相比，该模型实现了 74.34 $W/m^2$ 的平均绝对误差。

    Mar, 2024