Прогноз, который помнит о цикле экспресс
Солнечная панель на крыше утром даёт мало тока, в полдень — много, а ночью молчит. Ветер тоже дует не как попало: утром и вечером часто сильнее, чем днём. Энергетикам нужно знать заранее, сколько энергии будет через час или три, чтобы вовремя включать резервные станции или запасать электричество в батареях.
Обычный способ прогноза — «как сейчас, так и будет»: если солнце светит ярко, считают, что через час будет так же ярко. Но это не работает, когда день сменяется вечером или наступает штиль. Новая формула подстраивается под суточный ритм: она сравнивает не просто текущее значение с прошлым, а текущее с тем, что было в то же время суток вчера или несколько дней назад. Это как опытный садовник, который знает, что огурцы нужно поливать не «когда сухо», а каждый вечер после захода солнца.
Проверка на реальных данных солнечных и ветровых станций показала: новый метод точнее старого особенно на горизонте в несколько часов. Это значит, что можно меньше держать в резерве газовых турбин и больше доверять прогнозу возобновляемой энергии.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2602.18949
Time series in energy systems, such as solar irradiance, wind speed, or electrical load, are characterized by strong diurnal and seasonal periodicities. Accurate forecasting requires accounting for time varying statistical properties that stationary or classical persistence models cannot capture. A family of analytical forecasting operators for cyclostationary processes is introduced, extending persistence through a closed form coefficient $$\tilde{\lambda}(t,\tau)=\tfrac{1}{2}\bigl(1+\rho(t,\tau)\bigr)$$, where $$\rho(t,\tau)$$ denotes the local correlation between the current observation and its phase aligned time lag ($$\tau$$). This formulation preserves periodic variance and covariance, achieving a symmetry induced reduction of effective degrees of freedom. The resulting operator defines a training free analytical limit of persistence under periodic non stationarity. Validation on synthetic cyclostationary signals and empirical renewable energy datasets demonstrates consistent accuracy gains over classical persistence, particularly at multi hour horizons. By embedding temporal symmetry into the prediction process, the framework provides a physically interpretable, reproducible, and computationally minimal baseline for forecasting periodic processes across energy and complex systems.
Солнечная энергия на Земле за один час превышает всё мировое потребление энергии за год — проблема лишь в том, чтобы точно знать, когда и сколько её будет.