面向离网系统的可靠太阳能 irradiance 预测的物理信息状态空间模型
机器学习
2026-04-21 v3 人工智能
系统与控制
系统与控制
摘要
离网光伏系统的稳定运行需要准确、计算效率高的太阳能预测。当前深度学习模型常因计算开销巨大且缺乏物理信息，产生不可能的预测。本文提出了物理信息状态空间模型（Physics-Informed State Space Model, PISSM），旨在平衡效率与物理准确性，适用于边缘部署的微控制器。PISSM利用动态 Hankel 矩阵嵌入来过滤随机传感器噪声，将原始气象序列转化为稳健的状态空间。线性状态空间模型取代重型注意力机制，高效建模时序依赖，实现并行处理。关键在于，本文提出的新型物理信息门控机制（Physics-Informed Gating）利用太阳高度角（Solar Zenith Angle）和明度指数（Clearness Index）对输出进行结构性约束，确保预测严格遵守昼夜循环，防止夜间错误。我们在撒丁玛的多年数据集上进行验证，PISSM在不足4万个参数的情况下实现了卓越的精度，为实时离网控制建立了超轻量级基准。
引用
@article{arxiv.2604.11807,
title = {Physics-Informed State Space Models for Reliable Solar Irradiance Forecasting in Off-Grid Systems},
author = {Mohammed Ezzaldin Babiker Abdullah},
journal= {arXiv preprint arXiv:2604.11807},
year = {2026}
}
备注
Code is available at: https://github.com/Marco9249/PISSM-Solar-Forecasting