PhysEmbedFormer: PV発電の数日前予測のための物理学誘導型解釈可能アーキテクチャ

科学分野:

• 再生可能エネルギーシステム
• 人工知能
• 時系列分析

背景:

• 正確な太陽光発電（PV）電力予測は、グリッドの安定性とエネルギー価格設定に不可欠です。
• 従来のモデルは精度または解釈可能性が不足しており、データ駆動型モデルは天候によるデータシフトに苦労しています。

研究 の 目的:

• 堅牢なPV電力予測のための新しい物理学誘導型アーキテクチャであるPhysEmbedFormerを導入すること。
• 気象データと物理ベースコンポーネントを統合することにより、解釈可能性と精度を向上させること。

主な方法:

• PV時系列を物理学推定コンポーネントと残差コンポーネントに分解すること。
• クロスモダリティモジュールを使用したコンポーネントの共同埋め込み。
• 分布マッチングのためのデュアルステージコルモゴロフ・アーノルドネットワーク（KAN）による洗練。

主要な成果:

• PhysEmbedFormerは、既存のアーキテクチャと比較して、MAEとRMSEが低く、R²が高くなりました。
• 分布シフトに対する堅牢性と、狭い予測間隔（95％CI）を実証しました。
• 複数のPVデータセットにわたって、最大72時間先までの効果的な予測。

結論:

• PhysEmbedFormerは、PV電力予測のための堅牢で解釈可能なアプローチを提供します。
• 物理学誘導型の手法は、太陽放射の天候依存の変動を効果的に処理します。
• このアーキテクチャは、再生可能エネルギー源のグリッド統合と管理を改善します。