智能AI
morning
FarSky：用于生成小时内太阳预报的任务感知潜在空间耦合
摘要
arXiv:2608.11254v1 Announce Type: new Abstract: Accurate solar irradiance forecasting is essential for the reliable integration of photovoltaic power into modern electricity grids. All-sky imagers (AS...
forecasting
the
and
latent
for
irradiance
are
generative
task
solar
2026-08-13
1 阅读
约1分钟阅读
Yann Fabel, Bijan Nouri, Milon Miah, Niklas Blum, Luis F. Zarzalejo, Julia Kowalski, Robert Pitz-Paal
字号:
arXiv:2608.11254v1 发布类型：新 摘要：准确的太阳辐照度预测对于光伏发电可靠地并入现代电网至关重要。全天空成像仪（ASI）提供高分辨率的云观测，使其非常适合小时内预报。最近的深度学习方法大大提高了预测准确性，但通常受到确定性预测和预测斜坡事件能力下降的限制。这项工作提出了 FarSky，一种生成预测框架，利用潜在空间耦合来学习天空图像的任务感知表示。多任务自动编码器首先学习用于图像重建和辐照度估计的共享潜在表示。然后，潜在扩散模型根据最近的观测结果生成未来的潜在状态，从中直接解码辐照度预测。概率预测本质上是通过随机抽样获得的。该框架是使用从西班牙 Plataforma Solar de Almer'ia 获取的多年 ASI 数据集开发的，并针对持久性、最先进的端到端和生成预测方法在两个独立的测试数据集上进行了评估。 FarSky 实现了最佳的总体确定性和概率预测性能，将预测技能提高了多达 11 个百分点。此外，与现有方法相比，它大大改进了斜坡事件检测，实现了 60% 以上的 F1 分数。这些结果证明了将生成模型与任务感知的潜在空间耦合相结合进行太阳预报的潜力。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱