[論文レビュー] Open-Source Ground-based Sky Image Datasets for Very Short-term Solar Forecasting, Cloud Analysis and Modeling: A Comprehensive Survey

Yuhao Nie, Xiatong Li+4 more|arXiv (Cornell University)|Nov 27, 2022

Solar Radiation and Photovoltaics被引用数 4

ひとこと要約

本論文は、非常に短期的な太陽光発電予測、曇り雲分析およびモデリングを目的とした、72のオープンソースの地上基準の空撮画像データセットに関する包括的なサーベイを提示している。8つの次元にわたる多基準評価システムを導入し、深層学習応用における日射量予測、雲セグメンテーション、分類、および運動推定の最適なデータ選定を可能にしている。

ABSTRACT

Sky-image-based solar forecasting using deep learning has been recognized as a promising approach in reducing the uncertainty in solar power generation. However, one of the biggest challenges is the lack of massive and diversified sky image samples. In this study, we present a comprehensive survey of open-source ground-based sky image datasets for very short-term solar forecasting (i.e., forecasting horizon less than 30 minutes), as well as related research areas which can potentially help improve solar forecasting methods, including cloud segmentation, cloud classification and cloud motion prediction. We first identify 72 open-source sky image datasets that satisfy the needs of machine/deep learning. Then a database of information about various aspects of the identified datasets is constructed. To evaluate each surveyed datasets, we further develop a multi-criteria ranking system based on 8 dimensions of the datasets which could have important impacts on usage of the data. Finally, we provide insights on the usage of these datasets for different applications. We hope this paper can provide an overview for researchers who are looking for datasets for very short-term solar forecasting and related areas.

研究の動機と目的

• 機械学習および深層学習応用に適した、非常に短期的な太陽光発電予測を目的としたオープンソースの地上基準の空撮画像データセットを特定およびアーカイブすること。
• 非常に短期的な太陽光発電予測におけるデータ不足および多様性の欠如という重要な課題に対処するため、グローバルかつ包括的なデータセットインventryを構築すること。
• モデルの性能および利用可能性に影響を与える要因に基づき、データセットをランク付ける多基準評価フレームワークを構築すること。
• 研究者が雲セグメンテーション、分類、運動予測、日射量予測のための適切なデータセットを選定できるよう、実用的なインサイトとアクセス経路を提供すること。

提案手法

• 地理的・気候的多様性に富む地域から、地上基準の全天カメラ（ASIs）およびスカイ偏光画像（SPIs）に焦点を当て、72のオープンソースの空撮画像データセットを体系的にサーベイおよび収集した。
• 地理的位置、時間的・空間的分解能、画像フォーマット、雲ラベルの種別、画像数、画像サイズ、時間的カバレッジ、データアクセス方法の8つの次元にわたるメタデータを含む詳細なデータベースを構築した。
• 画像分解能、時間周波数、雲アノテーション品質、データアクセス可能性などの評価次元を用いた8基準の多基準ランク付けシステムを設計し、異なる応用ニーズに応じたデータセットのランク付けを実現した。
• 非常に短期的な太陽光発電予測、雲セグメンテーション、雲分類、雲運動予測などの特定のタスクに適したデータセットの適合性を評価した。
• 深層学習およびコンピュータビジョン研究への採用を促進するため、各データセットの直接アクセスリンクと利用ガイドラインを提供した。
• 主な応用分野（例：太陽光発電予測、雲分析）に基づいてデータセットを分類し、公開論文と照合することで、実世界での使用実績を検証した。

実験結果

リサーチクエスチョン

• RQ1 非常に短期的な太陽光発電予測（予測期間 <30分）に最も適したオープンソースの地上基準の空撮画像データセットはどれか？
• RQ2 画像分解能、時間周波数、雲アノテーション品質などの異なるデータセット特性が、日射量予測のための深層学習モデルの性能にどのように影響するか？
• RQ3 近年の雲セグメンテーション、分類、運動予測に関する研究で、空撮画像を用いて最も頻繁に使用されているデータセットは何か？
• RQ4 利用可能なデータセットの地理的・気候的分布が、太陽光発電予測モデルの一般化能力にどのように影響するか？
• RQ5 太陽光発電予測または雲モデリングの特定の応用分野において、空撮画像データセットを選定する際、研究者が優先すべき基準は何か？

主な発見

• 世界中さまざまな気候帯および地理的場所をカバーする72のオープンソースの地上基準の空撮画像データセットが同定され、アーカイブされた。
• 8つの次元にわたる包括的なメタデータを含むデータセットデータベースにより、特定の研究ニーズに応じた体系的な比較および選定が可能になった。
• 多基準ランク付けシステムにより、各応用分野における優れた性能を示すデータセットが明確に特定された。特に、SRRL-BMS、SIRTA、ARM-SGP、SKIPP’D は太陽光発電予測分野で高いランクを得た。
• MGCD、GRSCD、WMD といった雲分類データセットは、画像またはピクセルレベルでのWMOベースの雲種別ラベルを備えた優れたアノテーション品質を有していた。
• サーベイの結果、19のデータセットが140件以上の公開論文で使用されており、太陽光発電予測および雲モデリング研究の進展に活発に貢献していることが確認された。
• データセットの豊富さにもかかわらず、熱帯および乾燥気候地域のカバレッジに顕著なギャップが残っており、より多様なデータ収集の必要性が浮き彫りになった。