Krátkodobá predikce globálního ozáření (irradiance) se dnes často opírá o panoramatické snímky oblohy z kamer, které se posílají na centrální server k výpočetně náročnému zpracování. V praxi ale dostupnost predikce závisí na stabilním připojení kamery – při výpadku linky i krátkém „glitchi“ systém ztrácí predikční schopnost. Cílem tématu je navrhnout lokální záložní predikci, která poběží přímo u kamery na výpočetně omezeném edge zařízení (např. Raspberry Pi) a umožní robustní provoz i při dočasné ztrátě konektivity.
Teoretickým cílem projektu je provést rešerši metod pro nowcasting/predikci ozáření z obrazových dat oblohy a přístupů k rozpoznávání typických stavů oblačnosti (klasifikace režimů, cloudiness patterns). Na základě historické databáze snímků a měření osvitu navrhnout vlastní výpočetně efektivní řešení (např. kompaktní konvoluční síť, případně dvoustupňový přístup: klasifikace oblačnosti → jednoduchý regresní model pro horizont predikce). Důraz bude na zmenšení modelu (kvantizace, pruning, knowledge distillation) a deterministické inference na CPU.
Praktickým výstupem je implementovat lokální „off-line“ predikční službu na Raspberry Pi, která zpracuje aktuální snímek (příp. krátkou sekvenci), odhadne typickou oblačnost a poskytne predikci irradiance pro zvolený horizont. Řešení bude validováno na reálných provozních datech UCEEB a porovnáno s existující on-line predikcí ze serveru (přesnost, dostupnost při výpadcích, latence, energetická náročnost a stabilita běhu).
Hlavní úkoly:
- Analyzovat dostupná data (historické snímky oblohy + měření irradiance), definovat predikční horizonty a metriky (MAE/RMSE, skill score vs. persistence).
- Provést rešerši a navrhnout řešení: rozpoznání oblačnosti (CNN) a návazná predikce irradiance; zvolit „edge-friendly“ architekturu.
- Implementovat trénovací pipeline (augmentace, balancing tříd / režimů) a export optimalizovaného modelu pro edge (např. TFLite/ONNX, kvantizace).
- Implementovat běh na Raspberry Pi (příjem snímku z kamery, preprocessing, inference, publikace predikce; watchdog a režim fallback při ztrátě sítě).
- Otestovat a vyhodnotit na reálných datech: porovnání s on-line predikcí, analýza chyb dle typů oblačnosti a zhodnocení přínosu pro dostupnost predikce při výpadcích konektivity.
