研究人员开发了GateFormer,一种新颖的双解码器Vision Transformer (ViT)模型,用于利用天空图像进行逐时太阳辐照度预测。该模型整合了观测到的全球水平辐照度 (GHI) 和视觉云动力学,将预测分解为轨迹预测和变化预测。在NREL-TSI基准测试中,GateFormer比现有的Transformer基线模型在RMSE上提高了9.6%,并在多个数据集上实现了最低的最终视线RMSE,比智能持久性预测提高了高达28.86%。自适应加权机制和监督校正进一步提高了其准确性,尤其是在正斜坡事件期间。 AI
影响 这项研究可能带来更准确的短期太阳能发电预测,从而提高电网稳定性和可再生能源整合。
排序理由 该条目描述了一篇关于太阳辐照度预测新模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- Chilbolton
- DagsHub
- GateFormer
- Gotit.pub
- Graphormer Hypergraph Incidence
- Hugging Face
- NREL-TSI
- ScienceCast
- Sirta
- smart persistence
- Vít
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →