A fully convolutional neural network to interpolate solar irradiation NWP ensemble forecasts

Zech, Matthias und Hammer, Annette und von Bremen, Lüder (2025) A fully convolutional neural network to interpolate solar irradiation NWP ensemble forecasts. Solar Energy. Elsevier. ISSN 0038-092X.

PDF - Verlagsversion (veröffentlichte Fassung)
3MB

elib-URL des Eintrags:

https://elib.dlr.de/220374/

Dokumentart:

Zeitschriftenbeitrag

Titel:

A fully convolutional neural network to interpolate solar irradiation NWP ensemble forecasts

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Zech, Matthias	Matthias.Zech (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Hammer, Annette	annette.hammer (at) dlr.de	https://orcid.org/0000-0002-5630-3620	NICHT SPEZIFIZIERT
von Bremen, Lüder	lueder.von.bremen (at) dlr.de	https://orcid.org/0000-0002-7072-0738	198826799

Datum:

November 2025

Erschienen in:

Solar Energy

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Verlag:

Elsevier

ISSN:

0038-092X

Status:

veröffentlicht

Stichwörter:

Energy meteorology, Temporal interpolation, Deep learning, Machine learning, Probabilistic forecasting

HGF - Forschungsbereich:

Energie

HGF - Programm:

Energiesystemdesign

HGF - Programmthema:

Energiesystemtransformation

DLR - Schwerpunkt:

Energie

DLR - Forschungsgebiet:

E SY - Energiesystemtechnologie und -analyse

DLR - Teilgebiet (Projekt, Vorhaben):

E - Systemanalyse und Technologiebewertung

Standort:

Oldenburg

Institute & Einrichtungen:

Institut für Vernetzte Energiesysteme > Energiesystemanalyse, OL

Hinterlegt von:

Zech, Matthias

Hinterlegt am:

05 Dez 2025 13:55

Letzte Änderung:

05 Dez 2025 13:55

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags