En ny forskningsmodel fra Spanien kan blive et vigtigt redskab for netoperatører og energiselskaber, der kæmper med solkraftens største udfordring: pludselige skydækker, der får produktionen til at dykke på få minutter. Modellen, kaldet FarSky, er beskrevet i et nyt paper på arXiv og kombinerer generative AI-teknikker med data fra all-sky-kameraer, der observerer skyerne i høj opløsning.
FarSky adskiller sig fra tidligere metoder ved at lære en fælles latent repræsentation af himmelbilleder, der både bruges til at rekonstruere billeder og estimere solindstråling. En latent diffusionsmodel genererer derefter fremtidige tilstande, som oversættes direkte til prognoser. Det giver probabilistiske forudsigelser, der er essentielle for at håndtere usikkerhed i elnettet.
I test mod state-of-the-art-metoder opnår FarSky den bedste samlede præstation og forbedrer prognosefærdigheden med op til 11 procentpoint. Særligt vigtigt er forbedringen i at opdage såkaldte ramp events – pludselige ændringer i solindstråling – hvor modellen opnår F1-score over 60 procent. Det er en markant forbedring i forhold til eksisterende metoder og kan være afgørende for netoperatører, der skal balancere forsyningen i realtid.
For beslutningstagere i energisektoren betyder det, at solkraft kan integreres mere pålideligt i elnettet, hvilket potentielt reducerer behovet for dyre reservekapaciteter og gør solenergi mere konkurrencedygtig. Modellen er udviklet og valideret på data fra Plataforma Solar de Almería i Spanien, hvilket giver et solidt empirisk grundlag.
