English(EN) Time series Foundation Models based on Physics-Informed Synthetic Histories for Cold-Start Photovoltaic Forecasting

AI模型利用合成历史预测光伏能源

作者 PulseAugur 编辑部 · [2 个来源] · 2026-06-05 17:05

研究人员开发了一种新颖的光伏（PV）预测流程，解决了在无法获得历史场地数据的冷启动场景下的挑战。该方法利用工厂元数据和气象数据生成合成产量历史，使时间序列基础模型（TSFM）能够预测能源产量。该方法显著优于传统基线，在各种气候条件和光伏场地下的准确性提高了2倍。 AI

影响在具有挑战性的冷启动场景下实现更准确的可再生能源预测，可能提高电网稳定性和能源管理。

排序理由该集群包含一篇详细介绍基于AI的预测新方法的学术论文。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Riccardo Rosati · 2026-06-05 17:05

基于物理信息合成历史的冷启动光伏预测时间序列基础模型

At commissioning time, Photovoltaic (PV) operators must forecast production before target-site observations are available, limiting the direct use of standard supervised forecasters. This cold-start setting is addressed with a zero-shot pipeline that generates a synthetic product…
arXiv stat.ML TIER_1 English(EN) · Lorenzo Longarini, Alessandro Rongoni, Simone Silenzi, Emanuele Frontoni, Riccardo Rosati · 2026-06-08 04:00

基于物理信息合成历史的用于冷启动光伏预测的时间序列基础模型

arXiv:2606.07457v1 Announce Type: cross Abstract: At commissioning time, Photovoltaic (PV) operators must forecast production before target-site observations are available, limiting the direct use of standard supervised forecasters. This cold-start setting is addressed with a zer…