基于注意力深度神经网络的云运动预测用于分布式太阳能发电预测
机器学习
2024-11-19 v1 计算机视觉与模式识别
摘要
分布式太阳能发电的准确预测对于减少因分布式太阳能光伏系统普及增加而带来的负面影响是必要的。然而，由云运动引起的短时间间隔（秒到分钟）内太阳能发电的高度可变性使得这一预测任务变得困难。为了解决这个问题，使用捕捉云覆盖逐秒变化（影响太阳能发电）的云图像已显示出前景。最近，具有“注意力”机制的深度神经网络（专注于图像的重要区域）已在许多计算机视觉应用中成功应用。然而，它们用于预测云运动尚未得到广泛探索。在这项工作中，我们提出了一种基于注意力的卷积长短期记忆网络来预测云运动，并应用了一种先前为视频预测提出的基于自注意力的方法来预测云运动。我们研究并讨论了基于注意力的方法产生的云预测对分布式太阳能发电预测的影响，并与非基于注意力的方法产生的云预测进行了比较。我们进一步提供了关于高海拔和低海拔云可能实现的不同太阳能预测性能的见解。我们发现，对于高海拔云，使用基于注意力的方法获得的云预测相比非基于注意力的方法，太阳能预测技能得分提高了5.86%或更多。
引用
@article{arxiv.2411.10921,
title = {Distributed solar generation forecasting using attention-based deep neural networks for cloud movement prediction},
author = {Maneesha Perera and Julian De Hoog and Kasun Bandara and Saman Halgamuge},
journal= {arXiv preprint arXiv:2411.10921},
year = {2024}
}