В Испании разработали нейросетевую модель для точного прогнозирования солнечной радиации ?? Эта модель основана на глубинном обучении и использующую изображения неба и числовые метеоданные. Новый метод позволяет с высокой точностью оценивать количество солнечной энергии, доступной в ближайшие 10–60 минут, что особенно важно для стабильной и эффективной работы солнечных электростанций. ? Разработанная исследователями модель одновременно обрабатывает изображения неба и числовые параметры, такие как дата и теоретическая внеземная радиация, что позволяет объединить краткосрочные визуальные сигналы, такие как появление облаков, с сезонными и геометрическими характеристиками, включая положение Солнца. Для обучения модели использовались данные, собранные на экспериментальной установке CESA-I — одной из ведущих исследовательских солнечных площадок в Европе. С апреля 2022 по сентябрь 2023 года с помощью широкоугольных камер было получено более 100?000 снимков неба, каждый из которых был синхронизирован с измерениями солнечной радиации и другими метеорологическими параметрами. Для предварительной обработки и маркировки изображений применялся специально разработанный интерфейс Hel-IoT, позволяющий эффективно формировать обучающие выборки для нейросетевых моделей. ? В результате мультимодальный подход показал высокую точность: при прогнозе на 10 минут вперед ошибка составляла всего 2,5–5 %, а при прогнозе на один час — в среднем около 10 %. Особенно заметное преимущество наблюдалось в условиях переменной облачности, где мультимодальная модель значительно превосходила решения, основанные только на метеоданных или только на изображениях. В дальнейшем исследователи планируют расширить функциональность своей модели за счет интеграции спутниковых снимков, использования методов компьютерного зрения для автоматического подсчета облаков и генеративных нейросетей — для создания реалистичных изображений облачного неба. ? Материал доступен на сайте «Глобальной энергии»