arXiv · cs.AI· Phil Aupke, Muhammad Hassan, Khalid Ali, Seema, Andreas Kassler, Andreas Theocharis·· 11 小时前
基于物理信息状态空间模型的日前光伏功率预测
Physics-Informed State Space Models for Day-Ahead Photovoltaic Power Forecasting
arXiv:2610.14014v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Phil Aupke, Muhammad Hassan, Khalid Ali, Seema, Andreas Kassler, Andreas Theocharis
研究任务与主要进展
作者提出物理信息状态空间框架，将可微分光伏转换模型与 PowerMamba 结合，通过物理残差分解进行24小时日前光伏功率预测。论文摘要称，基于一年公用事业规模光伏数据的实验显示，相比物理-only基线，RMSE降低38.5%、MAE降低45.8%，并优于纯数据驱动模型；系统级物理约束提供主要性能增益，且能减少损坏测量下的不现实预测。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org