华北电力大学RTHCHINAELLCTM基于大语言模型的多模森多任务风电场功率预测研究Multi-modal multi-task wind power prediction algorithm based onlarge languagemodel凡航华北电力大学2025年9月25日
个人简介凡航,现任华北电力大学经济与管理学院讲师，硕士生导师,中国电机工程学会第十届青年托举人才，清华大学电气工程专业博士，清华大学五道口金融学院和交叉信息研究院联合培养博士后,特许金融分析师(CFA)持证人。长期从事电气工程、人工智能和金融相关的交叉研究主持和参与电网与人工智能类科技项目10馀项发表/录用SCV/E和核心期刊论文30馀篇,已授权发明专利8项,参与撰写数据经济方面的专着1本曾获得全国人工智能应用场景创新挑战赛二等奖国网上海市电力公司科技进步二等奖、国家奖学金和清华大学数据科学特等奖学金等英誉
基于大语言模型的多模态多任务风电场功率预测研究研究背景及意义mme基于预训练大模型的超短期风电场功率预测面向零样本风电功率预测的基座模形四、结论与展望
基于大语言模型的多模态多任务风电场功率预测研究华北电力大学新能源发展现状随着“双碳"目标的逐步落实,我国新能源飞速发展,装机规模连续多年稳居世界第一。截至2024年底我国风电、太阳能发电装机合计达到了14.1亿千瓦，占总发电装机的比重超过40%,提前6年完成我国承诺的“到2030年中国风电、太阳能发电总装机容量达到12亿干瓦以上”目标201420162017201820192020202120222023202号各类电源装机规楼占比2014-2024年我国新能遇发电层及占比Proportion ofinstalled capacity forvarious types ofNew energypower generation and its sharein Chinpowersourcesfrom20141o2024
基于大语言模型的多模态多任务超短期风电场功率预测研究华北电力大学新型电力系统随着大规模新能源电力接入电网,电力系统需要在随机波动的负荷需求与随机波动的电源之间实现能量的供需平衡,其结构形态、运行控制方式以及规划建设与管理将发生根本性变革，形成以新能源电力生产传输、消费为主体的新一代电力系统,即以新能源为主体的新型电力系统,发电用电水电核电相对确定、可控火电风电川小I光电强随机波动性分布式能源电动汽车
基于大语言模型的多模态多任务超短期风电场功率预测研究华北电力大学适应新型电力系统特点的新一代预测方法随着新型电力系统结构日益复杂风电、光伏、负荷、电价等多个场景波动性日益增加，,亟需新一代预测方法研究。生成式人工智能，特别是大模型技术的兴起,突破了原有数据驱动方法存在的知识形式化难、模型泛化性差、重复建设率高等难题，为新型电力系统的能源时间序列预测开辟了新的思路。能源互联网高维度、大规模数据集三l分布式安全稳定运行高要求数据驱动的集中式生成式人工IoT回酬卢坚强智能物联网智能电网+G新型主体广泛接入泛在电力#L物联网跨域跨模态融合新一代信息技术赋能新型电力系统新型电力系统
基于大语言模型的多模态多任务超短期风电场功率预测研究华北电力大学适应新型电力系统特点的新一代预测方法研究动机我们能否借助于大模型的多横态强泛化能力传统预测方法设计预测模型提升预测精度?传统时间序列预测模型基干大语言模型的时间序列预测模型Y=f(xo)Y=f(task.xo)仅考虑待预测目标风电场的数据信息。融合文本、时序数值等多模态数据，利用大语场间联系分析较小言模型的预训练知识，从更高维度理解预测情利用的信息维度单一仅利用时序数爱。据信息，无法充分利用文本等跨模态通过自然语言提示(Prompt)等方式,模型信息不仅能学习数据中的相关性,更能理解预测任务的“语义"，超越了单纯的数值拟合。
基于大语言模型的多模态多任务超短期风电场功率预测研究华北电力大学适应新型电力系统特点的新一代预测方法当前任务问题研究动机不同时间尺度状态预测:天/小时/分钟级我们能否开发一个统一的框架，既能打破风预测任务复杂.单个场站、多个场站、场站集场间壁垒,又能整合多样的预测任务)群传统方法通常为每一个风电场或集群单独训练一个预测模型采用多任务学习与基座模型框架，实现对区域内所有风电场的统一建模与同步预测。这类方核心弊端法能够通过...
