根据查尔斯达尔文大学(CDU)开展的一项世界首创研究，深入观察原住民季节日历或成为改善太阳能预测的关键。相关研究题为《利用原住民季节信息进行太阳能发电预测的卷积集成》，发表于《IEEE计算机学会开放期刊》。该研究将原住民季节日历与一种新颖的深度学习模型(人工智能技术)相结合，以预测未来太阳能电池板的电力输出。

太阳能是世界领先的可再生能源替代品之一，但受天气、大气条件以及太阳能电池板表面吸收电能量等因素影响，其发电量预测可靠性面临挑战。

查尔斯达尔文大学的研究人员利用Tiwi、Gulumoerrgin(Larrakia)、Kunwinjku和Ngurrungurrudjba原住民日历，以及被称为“红色中心”的现代日历开发了预测模型。研究人员采用来自爱丽丝泉沙漠知识澳大利亚太阳能中心的数据进行测试，结果显示，该模型能以较低错误率预测太阳能发电量，且错误率不到目前业界流行预测模型的一半。

该集成模型包含三个Conv1D层，以及LSTM模型和Transformer模型的集成，输入传统指标和FNS指标进行功率预测。

合著者、查尔斯达尔文大学博士生、邦加朗人卢克·哈姆林表示，这些日历中蕴含的环境知识是无价资源。他说：“将原住民的季节性知识融入太阳能发电预测，可使预测与数千年来观察和理解的自然周期相契合，显著提高准确性。与传统日历系统不同，这些季节见解深深植根于当地生态线索，如植物和动物行为，这些线索与阳光和天气模式变化密切相关。整合这些知识可定制预测，反映环境条件的细微变化，从而对澳大利亚特定地区进行更精确、更具文化意义的预测。”

论文共同作者、信息技术副教授Bharanidharan Shanmugam和信息技术讲师Sucheethan Selvarajah博士认为，先进人工智能与古老原住民智慧的结合可能彻底改变预测技术。Shanmugam副教授称：“准确的太阳能预测面临挑战，阻碍了通用预测模型的发展。”Selvarajah博士表示：“该方法的成功表明，它可成为推进农村地区太阳能发电预测的有力工具。未来工作中，我们将探索该模型在其他地区和可再生能源中的应用。”

更多信息：Selvarajah Sucheethan 等人，基于原住民季节性信息的太阳能功率预测卷积集成，IEEE 计算机学会开放期刊(2025)。