“最佳实践的海报”归CSEM和Meteotest，因为他们的工作理解了数据驱动和基于天气的PV预测技术的性能。
基于持久性（参考技术，绿色），卫星成像和数值天气预测（红色）和CSEM的图形机器学习（RED）的预测值比较预测值。图片来源：CSEM
2022年3月29日在伯尔尼举行的第20届年度国家光伏会议是瑞士太阳能行业年度最重要的聚会。在活动期间，瑞士光伏研发场景展示了其最新作品。
这次，Pierre-Jean Alet（CSEM数字能源解决方案集团负责人），Rafael Carrillo（数据科学专家，CSEM），StefanMüller（数据科学家，Meteotest）和Jan Re欧洲杯线上买球mund（商务部门太阳能和气候学，太阳能和气候学，Meteotest）赢得了该奖项“最佳练习的海报”。
他们的工作已经对数据驱动（CSEM）和基于天气的（Meteotest）方法的性能产生了可行的见解，以实现光伏电力的高分辨率预测。它还证明了与最先进的方法相比，先进的机器学习可以提供的重大改进。
这些技术增加了光伏电力的市场价值，并促进了当地能源管理。因此，它们对于过渡到无碳能力系统至关重要。
简要效果
该论文比较了太阳辐照度和光伏电源生产的高分辨率室内预测的两种方法。CSEM的数据驱动解决方案以及Meteotest的CloudMove依靠卫星成像，数值天气模型和接地传感器。为了了解平均性能及其驱动状况，比较认为一组瑞士环境和微气候的条件：在全国范围内选择了18个不同的位置并在21天内进行了监测。
CSEM的数据驱动解决方案建立在Graph Machine Learning，这是在线推荐系统背后的强大方法和欺诈检测软件。CSEM是将此技术用于能源应用的先驱。
该团队的调查表明，尽管预测错误较大，但CSEM的数据驱动技术可以准确地预测两个小时以上，尤其是在夏季。
“我很高兴这个奖项是我们与Meteotest的合作，他们对太阳能的预测非常了解。该奖项显示了高级数据科学对该领域从业人员的价值，我期待与更多人合作以建立生产解决方案。欧洲杯线上买球”皮埃尔·吉恩·阿莱特（Pierre-Jean Alet）。
出版物
有关CSEM的图形机学习方法的更多信息，请参见：
- E. Carrillo，M。Leblanc，B。Schubnel，R。Langou，C。Topfel和P.-J。阿莱特，“来自不完美数据的高分辨率PV预测：基于图的解决方案”，能量，第1卷。13，否。21，艺术。不。2020年11月21日，doi：10.3390/en13215763。
- Simeunovic，B。Schubnel，P.-J。Alet和R. E. Carrillo，“用于多站点PV功率预测的时空图神经网络”，IEEE关于可持续能源的交易，第1卷。13，否。2，第1210–1220页，2022年4月，doi：10.1109/TSTE.2021.3125200。
来源：https://www.csem.ch/awards