🤖 AI

Step-adaptive multimodal fusion network with multi-scale cloud feature learning for ultra-short-term solar irradiance forecasting

यह शोध पत्र एक स्टेप-एडैप्टिव मल्टीमॉडल फ्यूजन नेटवर्क का प्रस्ताव करता है जो मौजूदा विधियों की तुलना में अल्ट्रा-शॉर्ट-टर्म सौर विकिरण पूर्वानुमान सटीकता में उल्लेखनीय सुधार करने के लिए InceptionNeXt के माध्यम से मल्टी-स्केल क्लाउड फीचर एक्सट्रैक्शन, डायनेमिक लो-फ्रीक्वेंसी कंपनसेशन और TempAttnLSTM टेम्पोरल मॉडलिंग को एकीकृत करता है।

मूल लेखक: Jingxin Zhang Xiaoqin Wang

प्रकाशित 2026-06-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jingxin Zhang Xiaoqin Wang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप ठीक यह अनुमान लगाने की कोशिश कर रहे हैं कि अगले कुछ घंटों में एक सोलर पैनल पर कितनी धूप पड़ेगी। यह मुश्किल है क्योंकि बादल शरारती नर्तकों की तरह होते हैं: वे तेजी से चलते हैं, अपना आकार बदलते हैं, और अचानक सूरज को ढक सकते हैं, जिससे बिजली का उत्पादन अचानक बढ़ या घट सकता है।

यह शोध पत्र एक नए "सुपर-फोरकास्टर" (अति-पूर्वानुमानकर्ता) के बारे में बताता है जिसे IST (इंटेलिजेंट स्पैटियो-टेम्पोरल) कहा जाता है। यह इस समस्या को हल करने के लिए केवल एक व्यक्ति के अनुमान लगाने के बजाय, तीन विशिष्ट विशेषज्ञों की एक टीम के रूप में काम करता है जो एक साथ मिलकर काम करते हैं।

IST सिस्टम कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ समझाया गया है:

1. समस्या: पुराने तरीके क्यों विफल होते हैं

सौर ऊर्जा की भविष्यवाणी करने के के पिछले प्रयासों में तीन मुख्य कमियां थीं:

"एक ही दिशा में सोचने" की समस्या (The "One-Track Mind" Problem): कुछ मॉडल केवल नंबरों (जैसे हवा की गति या पिछला तापमान) को देखते थे। वे बादलों के आकाश में घूमने की दृश्य वास्तविकता को समझने में चूक जाते थे।
"धुंधले लेंस" की समस्या (The "Blurry Lens" Problem): अन्य मॉडल बादलों की तस्वीरें तो देखते थे, लेकिन उन्होंने ऐसे मानक उपकरणों का उपयोग किया जो एक ही समय में छोटे, बिखरे हुए बादलों और विशाल, बड़े क्लाउड सिस्टम दोनों को नहीं देख सकते थे। यह एक ही फोटो में एक चींटी और एक पूरे पहाड़ दोनों को ज़ूम-इन या ज़ूम-आउट किए बिना देखने की कोशिश करने जैसा है।
"सबके लिए एक जैसा" होने की समस्या (The "One-Size-Fits-All" Problem): अधिकांश मॉडल 15 मिनट की भविष्यवाणी को 4 घंटे की भविष्यवाणी के समान ही मानते थे। लेकिन भविष्य की तत्काल स्थिति बताने के लिए तेज़ गति वाले विवरणों पर ध्यान केंद्रित करने की आवश्यकता होती है, जबकि दूर के भविष्य की भविष्यवाणी करने के लिए बड़े, धीमे रुझानों को समझने की आवश्यकता होती है। पुराने मॉडल दोनों के लिए एक ही रणनीति का उपयोग करते थे, जो काम नहीं करती थी।

2. समाधान: IST की "ड्रीम टीम"

लेखकों ने एक ऐसा सिस्टम बनाया है जो ग्राउंड-बेस्ड स्काई कैमरों (बादलों की तस्वीरें लेने के लिए) को मौसम स्टेशन डेटा (तापमान और हवा जैसे नंबर) के साथ जोड़ता है। यह जानकारी को प्रोसेस करने के लिए तीन विशिष्ट उपकरणों का उपयोग करता है:

विशेषज्ञ A: "मल्टी-लेंस फोटोग्राफर" (InceptionNeXt)

एक मानक कैमरा लेंस के बजाय, इस सिस्टम का यह हिस्सा एक विशेष "मल्टी-लेंस" दृष्टिकोण का उपयोग करता है।

उपमा: कल्पना करें कि आप एक साथ चार अलग-अलग चश्मों के माध्यम से एक बादल को देख रहे हैं:
1. एक वर्गाकार कांच ताकि बारीक बनावट (जैसे एक फूले हुए बादल के किनारे) देखी जा सके।
2. एक लंबा क्षैतिज (horizontal) स्ट्रिप ताकि बगल की ओर फैलते बादलों को देखा जा सके।
3. एक लंबा ऊर्ध्वाधर (vertical) स्ट्रिप ताकि ऊपर-नीचे बढ़ते बादलों को देखा जा सके।
4. एक स्पष्ट कांच ताकि मूल तस्वीर बरकरार रहे।
परिणाम: यह कंप्यूटर को सभी आकारों और साइज़ के बादलों को एक साथ समझने में सक्षम बनाता है, जिससे वह बिना भ्रमित हुए सूक्ष्म विवरणों और बड़ी संरचनाओं दोनों को पकड़ पाता है।

विशेषज्ञ B: "स्मार्ट मेमोरी कीपर" (SALFCU)

यह इस शोध पत्र का सबसे अनूठा आविष्कार है। यह एक ऐसे लाइब्रेरियन की तरह काम करता है जिसे पता होता है कि जब आप पूछ रहे हों तो आपको कितने विवरण की आवश्यकता है।

उपमा: मौसम की भविष्यवाणी करना एक कहानी पढ़ने जैसा है।
- अगले 15 मिनट के लिए (Short-term): आपको तत्काल कार्रवाई जानने की आवश्यकता है। "क्या वह काला धब्बा सीधे सूरज की ओर बढ़ रहा है?" इसके लिए हाई-फ्रीक्वेंसी विवरणों (तेज़ बदलावों) की आवश्यकता होती है।
- अगले 4 घंटों के लिए (Long-term): आपको एक अकेले पत्ते के हिलने की ज़रूरत नहीं है; आपको समग्र कथानक (plot) की आवश्यकता है। "क्या पूरा तूफान का सिस्टम दूर जा रहा है?" इसके लिए लो-फ्रीक्वेंसी जानकारी (बड़े, धीमे रुझानों) की आवश्यकता होती है।
जादू: पुराने मॉडल दोनों के लिए विवरण की समान मात्रा का उपयोग करते थे। यह नया "स्मार्ट मेमोरी कीपर" स्वचालित रूप से समायोजन करता है। यह निकट भविष्य के लिए तीखे विवरणों पर ध्यान केंद्रित करता है और दूर के भविष्य के लिए व्यापक, सुचारू रुझानों पर स्विच हो जाता है। यह सुनिश्चित करता है कि मॉडल "छोटे विवरणों" को देखते समय "बड़ी तस्वीर" को न खो दे।

विशेषज्ञ C: "टाइम ट्रैवलर" (TempAttnLSTM)

एक बार जब छवियों और मौसम के नंबरों को मिला दिया जाता है, तो यह अंतिम विशेषज्ञ समय के साथ घटनाओं के क्रम को देखता है।

उपमा: बादलों की एक फिल्म देखने की कल्पना करें। यह विशेषज्ञ केवल फ्रेम-दर-फ्रेम नहीं देखता; यह पैटर्न ढूंढता है। यह पूछता है, "क्या इस तरह का बादल मूवमेंट दिन के इस समय आमतौर पर होता है?" या "हवा आमतौर पर 30 मिनट बाद बादलों को कैसे प्रभावित करती है?"
परिणाम: यह अतीत, वर्तमान और भविष्य के बीच के कड़ियों को जोड़ता है, जिससे यह अगले कुछ घंटों में क्या होगा, इसके बारे में एक आत्मविश्वास भरा अनुमान लगा पाता है।

3. परिणाम: यह कितना सफल रहा?

शोधकर्ताओं ने इस "ड्रीम टीम" का दो तरीकों से परीक्षण किया:

सार्वजनिक डेटा (NREL) पर: बादलों की तस्वीरों और मौसम के रिकॉर्ड के एक विशाल, मानक डेटासेट का उपयोग करके।
वास्तविक जीवन में (शेडोंग, चीन): क्षेत्र में स्थित एक वास्तविक सौर ऊर्जा स्टेशन के वास्तविक डेटा का उपयोग करके।

परिणाम:
IST मॉडल ने हर उस पद्धति को पछाड़ दिया जिसका उन्होंने परीक्षण किया था।

इसने अन्य मॉडलों की तुलना में कम गलतियाँ कीं (कम त्रुटि दर) जो केवल नंबरों को देखते थे या केवल तस्वीरों को देखते थे।
यह उन अन्य "हाइब्रिड" मॉडलों से बेहतर था जिन्होंने दोनों को मिलाने की कोशिश की थी लेकिन उनमें विशेष "स्मार्ट मेमोरी कीपर" और "मल्टी-लेंस" टूल्स की कमी थी।
वास्तविक दुनिया के परीक्षण में, यह विशेष रूप से "चरम त्रुटियों" (wildly wrong guesses) से बचने में बहुत अच्छा था, जिससे इसकी भविष्यवाणियाँ मौसम के उथल-पुथल के दौरान भी सटीक और विश्वसनीय बनी रहीं।

सारांश

संक्षेप में, यह शोध पत्र सौर ऊर्जा की भविष्यवाणी करने का एक नया तरीका प्रस्तुत करता है, जिसमें कंप्यूटर को एक ऐसे फोटोग्राफर की तरह बादलों को देखना सिखाया गया है जिसके पास कई लेंस हैं, भविष्य में कितनी दूर तक देखने के लिए सही मात्रा में विवरण को याद रखना सिखाया गया है, और मौसम कैसे बदलता है इसकी कहानी को समझना सिखाया गया है। यह इसे तब अधिक विश्वसनीय बनाता है जब सूरज अप्रत्याशित हो रहा हो, जिससे पावर ग्रिड को स्थिर रखने में मदद मिलती है।

तकनीकी सारांश: अल्ट्रा-शॉर्ट-टर्म सौर विकिरण पूर्वानुमान के लिए स्टेप-एडेप्टिव मल्टीमॉडल फ्यूजन नेटवर्क

समस्या विवरण
अल्ट्रा-शॉर्ट-टर्म सौर विकिरण पूर्वानुमान, फोटोवोल्टिक (PV) सिस्टम डिस्पैच और ग्रिड स्थिरता के लिए अत्यंत महत्वपूर्ण है। हालांकि, मौजूदा दृष्टिकोणों के सामने तीन प्राथमिक सीमाएं हैं:

अपर्याप्त स्थानिक गतिशीलता (Inadequate Spatial Dynamics): एकल टाइम-सीरीज मॉडल जटिल मौसम स्थितियों के तहत क्लाउड क्लस्टर्स के स्थानिक प्रवासन (spatial migration) और छायांकन प्रभावों (shading effects) को पकड़ने में विफल रहते हैं।
अपर्याप्त फीचर प्रतिनिधित्व (Insufficient Feature Representation): मानक कन्वेल्शन और सिंगल-स्केल फीचर एक्सट्रैक्शन मॉड्यूल विविध क्लाउड संरचनाओं (जैसे, छोटे बिखरे हुए बादल बनाम बड़े स्ट्रैटस बादल) के मल्टी-स्केल और मल्टी-डायरेक्शनल गुणों को अनुकूल रूप से प्रदर्शित करने में असमर्थ हैं।
स्थिर क्षतिपूर्ति रणनीतियां (Static Compensation Strategies): पारंपरिक लो-फ्रीक्वेंसी कंपनसेशन विधियां अक्सर निश्चित रणनीतियों पर निर्भर करती हैं जो विभिन्न भविष्यवाणी चरणों की भिन्न फीचर आवश्यकताओं के अनुकूल होने में विफल रहती हैं। शॉर्ट-रेंज पूर्वानुमान के लिए तीव्र क्लाउड मूवमेंट को ट्रैक करने हेतु हाई-फ्रीक्वेंसी लोकल डिटेल्स की आवश्यकता होती है, जबकि लॉन्ग-रेंज पूर्वानुमान के लिए समग्र विकास पैटर्न के लिए लो-फ्रीक्वेंसी ग्लोबल ट्रेंड्स की आवश्यकता होती है।

कार्यप्रणाली: IST फ्रेमवर्क
इन चुनौतियोंों को संबोधित करने के लिए, लेखक IST प्रस्तावित करते हैं, जो एक मल्टीमॉडल फ्यूजन मॉडल है जो ग्राउंड-बेस्ड क्लाउड इमेजेस और मौसम संबंधी टाइम-सीरीज डेटा को एकीकृत करता है। इस आर्किटेक्चर के तीन मुख्य घटक हैं:

मल्टी-स्केल स्पेशियल एक्सट्रैक्शन के लिए InceptionNeXt:
- ग्राउंड-बेस्ड स्काई इमेजेस को InceptionNeXt नेटवर्क का उपयोग करके प्रोसेस किया जाता है।
- यह मॉड्यूल एक समानांतर मल्टी-ब्रांच डेप्थवाइज कन्वेल्शन डिजाइन का उपयोग करता है, जिसमें शामिल हैं:
  - स्क्वायर कन्वेल्शन ( $k_s \times k_s$ ): स्थानीय बनावट (textures) और किनारों के विवरण निकालता है।
  - होरिजॉन्टल ( $1 \times k_b$ ) और वर्टिकल ( $k_b \times 1$ ) बैंड कन्वेल्शन: दिशात्मक संरचनात्मक जानकारी और बड़े पैमाने की क्लाउड प्रणालियों को कैप्चर करता है।
  - आइडेंटिटी मैपिंग: प्रिमिटिव फीचर डेटा को संरक्षित करता है।
- इन शाखाओं को जोड़ा (concatenate) जाता है और उच्च-आयामी स्थानिक विशेषताओं को उत्पन्न करने के लिए एक मल्टी-लेयर परसेप्ट्रॉन (MLP) के माध्यम से परिष्कृत किया जाता है, जो अनिसोट्रोपिक क्लाउड विशेषताओं को अनुकूल रूप से मॉडल करता है।
स्टेप-एडेप्टिव लो-फ्रीक्वेंसी कंपनसेशन यूनिट (SALFCU):
- यह यूनिट डीप नेटवर्क्स में ग्लोबल जानकारी के नुकसान की भरपाई करने के लिए एक समानांतर लो-फ्रीक्वेंसी मेमोरी ब्रांच पेश करती है।
- यह फीचर्स को लो-फ्रीक्वेंसी (स्ट्रक्चरल) और हाई-फ्रीक्वेंसी (डिटेल) घटकों में अलग करने के लिए डिस्क्रीट वेवलेट ट्रांसफॉर्म (DWT) का उपयोग करता है।
- इसमें एक स्टेप-अवेयर डायनेमिक गेटिंग मैकेनिज्म एम्बेडेड है जो भविष्यवाणी चरण $H$ के आधार पर एक एडेप्टिव वेटिंग कोएफिशिएंट, $\alpha(H)$ , उत्पन्न करता है।
- कार्यक्षमता: शुरुआती भविष्यवाणी चरणों के लिए, मॉडल तीव्र क्लाउड परिवर्तनों को ट्रैक करने के लिए हाई-फ्रीक्वेंसी लोकल डिटेल्स को प्राथमिकता देता है। बाद के चरणों के लिए, यह समग्र क्लाउड विकास को कैप्चर करने के लिए लो-फ्रीक्वेंसी ग्लोबल ट्रेंड्स के वेट को गतिशील रूप से बढ़ाता है।
टेम्पोरल मॉडलिंग के लिए TempAttnLSTM:
- फ्यूज्ड मल्टीमॉडल फीचर्स (परिष्कृत क्लाउड इमेजेस + मौसम संबंधी टाइम-सीरीज) को टेम्पोरल अटेंशन LSTM (TempAttnLSTM) में फीड किया जाता है।
- यह मॉड्यूल मल्टी-हेड अटेंशन और लर्नेबल पीरियडिक क्वेरीज के साथ स्टैंडर्ड LSTMs को उन्नत करता है।
- लर्न करने योग्य क्वेरी मैट्रिक्स ( $\beta_t$ ) एक आवधिक पैटर्न का पालन करता है, जिससे मॉडल ग्लोबल पीरियडिक प्रायर्स और लॉन्ग-रेंज डिपेंडेंसीज को शामिल कर सकता है।
- भविष्य के समय-उन्मुख वेक्टर्स (future time-oriented vectors) LSTM को लक्षित मल्टी-स्टेप भविष्यवाणियां उत्पन्न करने के लिए निर्देशित करते हैं।

प्रमुख योगदान

मल्टीमॉडल फ्यूजन फ्रेमवर्क: पेपर IST फ्रेमवर्क प्रस्तुत करता है, जो क्लाउड-व्युत्पन्न स्थानिक विशेषताओं और मौसम संबंधी टाइम-सीरीज जानकारी को संयुक्त रूप से मॉडल करता है ताकि गैर-स्थिर (non-stationary) विकिरण विविधताओं को पकड़ने में सटीकता में सुधार किया जा सके।
InceptionNexT अनुकूलन: क्लाउड इमेज फीचर एक्सट्रैक्शन के लिए InceptionNeX का अनुप्रयोग मल्टी-स्केल और मल्टी-डायरेक्शनल क्लाउड फीचर्स को एडेप्टिवली कैप्चर करने की अनुमति देता है, जो सिंगल-कन्वेल्शन मॉडल्स की सीमाओं को दूर करता है।
स्टेप-एडेप्टिव कंपनसेशन: अभिनव SALFCU मॉड्यूल विशिष्ट पूर्वानुमान चरण के आधार पर हाई-फ्रीक्वेंसी और लो-फ्रीक्वेंसी फीचर्स के बीच संतुलन को गतिशील रूप से नियंत्रित करता है, जो स्थिर फ्यूजन रणनीतियों की समस्याओं को हल करता है।

प्रायोगिक परिणाम
मॉडल का मूल्यांकन दो डेटासेट्स पर किया गया: सार्वजनिक NREL डेटासेट (2021-2023) और शेडोंग, चीन के एक PV स्टेशन का व्यावहारिक डेटासेट (मई-दिसंबर 2024)।

NREL डेटासेट (0–4 घंटे का क्षितिज/horizon):
- IST मॉडल ने सबसे कम मीन एब्सोल्यूट एरर (MAE) 91.45 और रूट मीन स्क्वायर एरर (RMSE) 149.28 प्राप्त किया, जो नौ बेसलाइन मॉडल्स (Tri-TimesNet-TempAttnLSTM, BiLSTM, iTransformer, PatchTST, 3DCNN, और मल्टीमॉडल वेरिएंट सहित) से बेहतर प्रदर्शन करता है।
- इसने 0.7618 का $R^2$ प्राप्त किया।
- एब्लेशन स्टडीज ने पुष्टि की कि इमेज या टाइम-सीरीज इनपुट्स में से किसी एक को हटाने से सबसे अधिक प्रदर्शन गिरावट हुई, जो मल्टीमॉडल फ्यूजन की आवश्यकता को प्रमाणित करता है।
शेडोंग प्रैक्टिकल डेटासेट:
- मॉडल ने वास्तविक इंजीनियरिंग परिदृश्यों में उत्कृष्ट प्रदर्शन प्रदर्शित किया, जिसमें MAE 50.86 और RMSE 68.53 प्राप्त हुआ।
- सर्वश्रेष्ठ बेसलाइन की तुलना में, इसने MAE में 12.7% और RMSE में 13.7% की कमी की।
- एरर डेंसिटी डिस्ट्रीब्यूशन ने दिखाया कि IST ने बेसलाइन्स की तुलना में एक शार्पर, जीरो-सेंटर्ड पीक और संकीर्ण टेल्स (narrower tails) उत्पन्न किए, जो कम चरम भविष्यवाणियों (extreme prediction errors) का संकेत देता है।

महत्व और दावे
पेपर का दावा है कि IST फ्रेमवर्क स्थानिक क्लाउड डायनेमिक्स और टेम्पोरल मौसम संबंधी रुझानों के बीच के अंतर को प्रभावी ढंग से पाटता है। स्टेप-एडेप्टिव फीचर बैलेंसिंग की आवश्यकता को विशेष रूप से संबोधित करके, मॉडल मल्टी-स्टेप फोरकास्टिंग में फिक्स्ड फ्यूजन रणनीतियों की सीमाओं को पार करता है। लेखक का तर्क है कि मल्टी-स्केल स्पेशियल एक्सट्रैक्शन (InceptionNeX), डायनेमिक फ्रीक्वेंसी कंपनसेशन (SALFCU), और पीरियडिक टेम्पोरल अटेंशन (TempAttnLSTM) का एकीकरण अल्ट्रा-शॉर्ट-टर्म सौर विकिरण पूर्वानुमान के लिए एक मजबूत समाधान प्रदान करता है, जो स्टेट-ऑफ-द-आर्ट टाइम-सीरीज, इमेज-आधारित और मल्टीमॉडल दृष्टिकोणों की तुलना में स्थिरता और सटीकता में महत्वपूर्ण सुधार प्रदर्शित करता है।