用于极短期太阳能预报、云分析与建模的开源地基天空图像数据集：综合综述
计算机视觉与模式识别
2022-12-02 v2 人工智能
摘要
基于天空图像的深度学习太阳能预报已被认为是降低太阳能发电不确定性的一种有前景的方法。然而，最大的挑战之一是缺乏海量且多样化的天空图像样本。在本研究中，我们对用于极短期太阳能预报（即预报时长小于30分钟）的开源地基天空图像数据集，以及可能有助于改进太阳能预报方法的相关研究领域（包括云分割、云分类和云运动预测）进行了综合综述。我们首先确定了72个满足机器学习/深度学习需求的开源天空图像数据集，随后构建了包含所识别数据集各方面信息的数据库。为评估每个被综述的数据集，我们进一步基于可能对数据使用产生重要影响的数据集8个维度，开发了多准则排序系统。最后，我们针对这些数据集在不同应用中的使用提供了见解。我们希望本文能为寻找极短期太阳能预报及相关领域数据集的研究人员提供概览。
引用
@article{arxiv.2211.14709,
title = {Open-Source Ground-based Sky Image Datasets for Very Short-term Solar Forecasting, Cloud Analysis and Modeling: A Comprehensive Survey},
author = {Yuhao Nie and Xiatong Li and Quentin Paletta and Max Aragon and Andea Scott and Adam Brandt},
journal= {arXiv preprint arXiv:2211.14709},
year = {2022}
}