SkyGPT：基于物理约束 VideoGPT 合成天空视频的概率式短期太阳能预报
计算机视觉与模式识别
2023-06-21 v1
摘要
近年来，利用全天空图像、基于深度学习的太阳能预报已成为缓解光伏(PV)发电不确定性的一种有前景的方法。然而，云运动的随机性仍是实现准确可靠太阳能预报的主要挑战。随着生成式人工智能的最新进展，合成视觉上合理且多样化的天空视频具有辅助预报的潜力。在本研究中，我们提出 SkyGPT，一种物理信息驱动的随机视频预测模型，能够以过去天空图像序列为输入，生成具有多样云运动模式的多种可能未来天空图像。大量实验及与基准视频预测模型的对比表明，所提模型在捕捉云动力学以及生成高真实度与多样性的未来天空图像方面有效。此外，我们将视频预测模型生成的未来天空图像用于某 30 kW 屋顶光伏系统提前 15 分钟的概率式太阳能预报，并与端到端深度学习基线模型 SUNSET 及一种智能持续性模型进行比较。相较于其他基准模型，使用 SkyGPT 生成的预测天空图像可观察到更优的 PV 输出预测可靠性与锐度，在测试集上取得连续排序概率分数(CRPS) 2.81（较 SUNSET 提升 13%，较智能持续性提升 23%）以及 Winkler 分数 26.70。尽管可从一段历史天空图像序列生成任意数量的未来情景，结果表明 10 个未来情景是平衡概率式太阳能预报性能与计算成本的较好选择。
引用
@article{arxiv.2306.11682,
title = {SkyGPT: Probabilistic Short-term Solar Forecasting Using Synthetic Sky Videos from Physics-constrained VideoGPT},
author = {Yuhao Nie and Eric Zelikman and Andea Scott and Quentin Paletta and Adam Brandt},
journal= {arXiv preprint arXiv:2306.11682},
year = {2023}
}