查尔斯达尔文大学(CDU)近日开展了一项世界首创的研究，将原住民季节日历与深度学习模型相结合，为太阳能发电预测提供了新的解决方案。该研究题为《利用原住民季节信息进行太阳能发电预测的卷积集成》，已发表在《IEEE计算机学会开放期刊》上。

太阳能作为全球领先的可再生能源之一，其发电量的预测准确性一直是制约其可靠性的关键因素。受天气、大气条件及太阳能电池板表面吸收电能量等多种因素影响，太阳能发电量预测难度较大。

查尔斯达尔文大学的研究团队创新性地利用了Tiwi、Gulumoerrgin(Larrakia)、Kunwinjku和Ngurrungurrudjba原住民日历，以及现代“红色中心”日历，结合一种新颖的深度学习模型，开发出了一种能够预测未来太阳能电池板电力输出的新方法。

研究团队采用爱丽丝泉沙漠知识澳大利亚太阳能中心的数据进行验证，结果显示，该模型预测太阳能发电量的错误率显著低于当前业界流行的预测模型，不到其一半。

合著者之一、查尔斯达尔文大学博士生及邦加朗人卢克·哈姆林表示，原住民日历中蕴含的环境知识是无价之宝。他指出：“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的自然周期相契合，从而大幅提升预测准确性。”

哈姆林进一步解释，与传统的日历系统不同，原住民的季节见解深深植根于当地生态线索，如植物和动物的行为变化，这些线索与阳光和天气模式紧密相连。通过整合这些知识，预测模型能够更精准地反映环境条件的细微变化，为澳大利亚特定地区提供更精确、更具文化意义的预测。

该研究的共同作者、信息技术副教授Bharanidharan Shanmugam和信息技术讲师Sucheethan Selvarajah博士表示，先进的人工智能技术与古老的原住民智慧的结合，有望彻底改变预测技术。Shanmugam副教授指出：“准确的太阳能预测充满挑战，这些挑战阻碍了通用预测模型的发展。”而Selvarajah博士则表示，该方法的成功表明，它有望成为推动农村地区太阳能发电预测的有力工具，未来研究将探索该模型在其他地区和可再生能源领域的应用潜力。

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)。