Meteorological data and Sky Images meets Neural Models for Photovoltaic Power Forecasting

由于可再生能源，尤其是太阳能源，作为传统能源的替代方案正日益增长，越来越多的人关注如何解决光伏能源预测中的波动性问题。本文提出一种混合方法进行短期和长期预测，基于两个具有相同目标的研究。该方法提出一种多模态方法，将天空图像和光伏能源历史数据与气象数据相结合。主要目标是提高坡事件预测的准确性，增强阴天情况下的预测鲁棒性，并扩展现在预测之外的能力，以支持更高效的电网运行和更好的太阳能波动性管理。使用深度神经网络进行现在预测和预测解决方案，集成单个和多个气象变量，以及解析太阳位置。结果表明，气象数据的加入尤其是表面长波辐射 downward 以及风力和太阳位置的组合，显著改善了现在预测和预测任务中的当前预测，尤其是在阴天情况下的预测效果。该研究强调了整合多源数据以提高太阳能预测模型可靠性和可解释性的重要性。