Fabel, Yann und Nouri, Bijan und Wilbert, Stefan und Blum, Niklas und Zarzalejo, L. F. und Pitz-Paal, Robert (2022) All-sky imager based irradiance nowcasts: combining a physical and a deep learning model. ISES. [sonstige Veröffentlichung]
PDF
2MB |
Offizielle URL: https://www.ises.org/sites/default/files/2022-12/Presentation_Bijan%20Nouri.pdf
Kurzfassung
Improved solar irradiance nowcasts based on all-sky imagers. Hybrid physical and end-to-end machine learning (ML) model. The ML model is based on an multi-modal deep learning model combining an vision transformer (for images) with an time series transformer (for time series data). Skill score improvements >12% points are achieved. Correct detection of cloud ramp rates improved by >8% points.
elib-URL des Eintrags: | https://elib.dlr.de/192515/ | ||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Dokumentart: | sonstige Veröffentlichung | ||||||||||||||||||||||||||||
Titel: | All-sky imager based irradiance nowcasts: combining a physical and a deep learning model | ||||||||||||||||||||||||||||
Autoren: |
| ||||||||||||||||||||||||||||
Datum: | Dezember 2022 | ||||||||||||||||||||||||||||
Erschienen in: | Webinar beim Internation Solar Energy Society (ISES) | ||||||||||||||||||||||||||||
Referierte Publikation: | Nein | ||||||||||||||||||||||||||||
Open Access: | Ja | ||||||||||||||||||||||||||||
Verlag: | ISES | ||||||||||||||||||||||||||||
Name der Reihe: | IEA PVPS Task 16 - All Sky Imagers Benchmarking | ||||||||||||||||||||||||||||
Status: | veröffentlicht | ||||||||||||||||||||||||||||
Stichwörter: | Hybrid nowcasting model, Transformer, Deep learning, All-sky imager | ||||||||||||||||||||||||||||
HGF - Forschungsbereich: | Energie | ||||||||||||||||||||||||||||
HGF - Programm: | Materialien und Technologien für die Energiewende | ||||||||||||||||||||||||||||
HGF - Programmthema: | Thermische Hochtemperaturtechnologien | ||||||||||||||||||||||||||||
DLR - Schwerpunkt: | Energie | ||||||||||||||||||||||||||||
DLR - Forschungsgebiet: | E SW - Solar- und Windenergie | ||||||||||||||||||||||||||||
DLR - Teilgebiet (Projekt, Vorhaben): | E - Condition Monitoring | ||||||||||||||||||||||||||||
Standort: | Köln-Porz | ||||||||||||||||||||||||||||
Institute & Einrichtungen: | Institut für Solarforschung > Qualifizierung | ||||||||||||||||||||||||||||
Hinterlegt von: | Nouri, Bijan | ||||||||||||||||||||||||||||
Hinterlegt am: | 23 Dez 2022 09:54 | ||||||||||||||||||||||||||||
Letzte Änderung: | 28 Feb 2023 08:46 |
Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags