SkyEvo: Generative probabilistic solar forecasting with sky image evolution

doi:10.1016/j.solener.2026.114996

SkyEvo: Generative probabilistic solar forecasting with sky image evolution

2026-08-01

0

PRE

AI

DOI：10.1016/j.solener.2026.114996

原文链接

原文求助

摘要

En 中文

短期太阳辐照度准确预测对于光伏（PV）系统的可靠运行至关重要。然而，概率方法通常在估计输出不确定性时未能显式表示未来云场可能的多重演变，这限制了其表征快速变化太阳条件的能力。本研究提出SkyEvo，一个两阶段概率预测框架，将随机天空图像生成与多时域辐照度预测相结合。在第一阶段，基于变分潜在动力学的生成天空图像演变（GSE）模块从历史观测生成多个未来天空图像轨迹，从而表示未来视觉条件的不确定性。在第二阶段，每个生成的轨迹通过多模态预测模块与辐照度或光伏功率测量值结合，从15个随机样本生成经验预测分布。SkyEvo在10-60分钟预测时域的Folsom（全球水平辐照度预测）和Stanford（光伏功率预测）两个数据集上进行评估。在Folsom数据集上，SkyEvo在全预测时域保持PICP高于89%，实现10分钟nRMSE为14.51%，并提供稳定的区间宽度和分位数校准。GSE模块也实现了比VanillaVAE和轻量级扩散基视频预测基准更低的MSE以及更高的PSNR和UQI。在直接Folsom到Stanford迁移且无微调的情况下，SkyEvo在六个预测时域中的五个达到最高PICP，在所有时域实现最低CRPS，同时保持有竞争力的预测区间精度。这些结果表明，随机未来天空演变可以提供与预测相关的视觉场景，并支持跨不同数据集和预测目标的可靠样本基概率预测。

Keyword:

Probabilistic solar forecasting

Generative modeling

Sky images

SkyEvo: Generative probabilistic solar forecasting with sky image evolution

摘要

期刊

机构

引用论文