기상 기초 모델과 위성 데이터를 통합하여 고정밀 태양 복사량 예측을 가능하게 하는 방법

IntegratingWeather Foundation Model and Satellite to Enable Fine-Grained Solar Irradiance Forecasting

정확한 하루 전 예측은 태양 에너지를 전력망에 통합하는 데 필수적입니다. 그러나 뚜렷한 일주기 변화와 복잡한 구름 역학으로 인해 여전히 어려운 과제입니다. 현재 방법은 미세한 해상도를 제공하지 못하거나 (예: 수치 예보, 기상 기초 모델) 장기 예측에서 성능이 저하되는 경우가 있습니다 (예: 위성 외삽). 본 논문에서는 Baguan, 즉 전 세계 기상 기초 모델에서 생성된 예측과 고해상도 정지 궤도 위성 이미지를 결합하는 두 단계의 다중 모드 프레임워크인 Baguan-solar를 제안합니다. 이 프레임워크는 먼저 낮과 밤의 연속적인 중간값 (예: 구름 덮개)을 예측하고, 이어서 태양 복사량을 추정합니다. 또한, 위성 데이터에서 얻은 미세한 구름 구조와 Baguan 예측에서 얻은 대규모 제약을 동시에 활용하여 정확도를 높입니다. 동아시아 지역에서 CLDAS 데이터를 사용하여 Baguan-solar의 성능을 평가한 결과, 기존의 강력한 방법 (ECMWF IFS, 일반적인 Baguan, SolarSeer 포함)보다 RMSE를 16.08% 감소시키고, 구름에 의한 일시적인 변화를 더 잘 반영했습니다. Baguan-solar는 2025년 7월부터 중국 동부 지역의 한 성에서 태양광 발전 예측 시스템 운영에 활용되고 있습니다. 본 연구의 코드는 https://github.com/DAMO-DI-ML/Baguansolar.git 에서 확인할 수 있습니다.

Accurate day-ahead solar irradiance forecasting is essential for integrating solar energy into the power grid. However, it remains challenging due to the pronounced diurnal cycle and inherently complex cloud dynamics. Current methods either lack fine-scale resolution (e.g., numerical weather prediction, weather foundation models) or degrade at longer lead times (e.g., satellite extrapolation). We propose Baguan-solar, a two-stage multimodal framework that fuses forecasts from Baguan, a global weather foundation model, with high-resolution geostationary satellite imagery to produce 24- hour irradiance forecasts at kilometer scale. Its decoupled two-stage design first forecasts day-night continuous intermediates (e.g., cloud cover) and then infers irradiance, while its modality fusion jointly preserves fine-scale cloud structures from satellite and large-scale constraints from Baguan forecasts. Evaluated over East Asia using CLDAS as ground truth, Baguan-solar outperforms strong baselines (including ECMWF IFS, vanilla Baguan, and SolarSeer), reducing RMSE by 16.08% and better resolving cloud-induced transients. An operational deployment of Baguan-solar has supported solar power forecasting in an eastern province in China, since July 2025. Our code is accessible at https://github.com/DAMO-DI-ML/Baguansolar. git.