BriefGPT - AI 论文速递
·
利用历史发电和天气数据的分层时序卷积神经网络进行区域光伏日前功率预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文利用深度学习设计了预测全球水平辐照度的模型，并提出了预测不确定性分布的方法。作者通过测试方案评估了模型性能，并收集了多个地理位置的太阳能辐射数据。该方法在太阳能预测中表现出鲁棒性，有潜力促进太阳能与电网的整合。
🎯
关键要点
- 采用深度学习设计高精度预测全球水平辐照度的模型。
- 利用卫星数据的时空上下文进行天际时间序列预测。
- 提出了一种预测不确定性分布的方法。
- 通过将困难日与简单日分开评估模型性能，提出测试方案。
- 收集了多个地理位置的太阳能辐射数据和相关物理变量的多模态数据集。
- 模型在太阳辐照度预测中表现出鲁棒性，能够进行零样本推广测试。
- 该方法有潜力促进太阳能与电网的有效整合。
➡️
