基于天空图像的光照估计基准测试及其在基于视频预测的光照即时预测中的应用
图像与视频处理
2025-10-07 v2
摘要
为解决光伏能源的高不确定性问题，越来越多的研究聚焦于短期太阳光预测（即即时预测），并发表相关论文。大多数研究使用基于深度学习的模型直接预测给定输入天空图像序列后的光照或光伏功率值。最近，生成模型的进展导致将即时预测问题分为两个子问题的方法出现：1）未来事件预测，即生成未来天空图像；2）光照或光伏功率估计，即从单张图像预测相应值。一种此类方法是 SkyGPT 模型，其在估计组件中的潜在改进远大于在生成组件中。在本文中，我们专注于光照估计问题，对深度学习架构在广泛使用的 Folsom、SIRTA 和 NREL 数据集上进行大规模基准测试。此外，我们对不同的训练配置和数据处理技术进行消融实验，包括用于训练的目标变量选择以及图像与光照测量值之间时间戳对齐的调整。特别是，我们注意到 Folsom 数据集中天空图像时间戳可能存在的潜在误差，并提出可能的修复方案。通过利用这三个数据集，我们表明我们的发现在不同太阳站点间是一致的。最后，我们将最佳光照估计模型与视频预测模型结合，在 SIRTA 数据集上获得了最先进的结果。
引用
@article{arxiv.2503.21966,
title = {Benchmarking Deep Learning Methods for Irradiance Estimation from Sky Images with Applications to Video Prediction-Based Irradiance Nowcasting},
author = {Lorenzo F. C. Varaschin and Danilo Silva},
journal= {arXiv preprint arXiv:2503.21966},
year = {2025}
}
备注
To appear in Solar Energy