WiSoSuper：风能与太阳能数据上超分辨率方法的基准测试
计算机视觉与模式识别
2021-09-24 v2
摘要
向绿色能源电网的转型依赖于精细的风能与太阳能预报，以优化可再生能源发电的选址与调度。然而，来自数值天气预报模式的业务化预报仅具有10至20公里的空间分辨率，这导致可再生能源发电场的次优使用与开发。气象科学家一直在开发超分辨率方法以提高分辨率，但常常依赖于简单插值技术或计算昂贵的基于微分方程的模型。近来，基于机器学习的模型，特别是物理信息分辨率增强生成对抗网络（PhIREGAN），已优于传统降尺度方法。我们提供了领先的基于深度学习的超分辨率技术（包括增强超分辨率生成对抗网络（ESRGAN）与增强深度超分辨率（EDSR）网络）在风能与太阳能数据上的详尽且可扩展的基准测试。我们为该基准测试配套提供了一个新颖的、公开的、处理过的且机器学习就绪的数据集，用于风能与太阳能数据上超分辨率方法的基准测试。
引用
@article{arxiv.2109.08770,
title = {WiSoSuper: Benchmarking Super-Resolution Methods on Wind and Solar Data},
author = {Rupa Kurinchi-Vendhan and Björn Lütjens and Ritwik Gupta and Lucien Werner and Dava Newman},
journal= {arXiv preprint arXiv:2109.08770},
year = {2021}
}