大模型技术在新能源功率预测中应用初探

汇报人：孙英云华北电力大学 2025年10月26日 目录 新能源预测的需求和挑战 大模型技术应用思路 路线一大模型主导的预测新范式 路线二融合大模型思想的混合建模框架 四 1.1新能源功率预测问题 口大气系统在短期和长期的变化呈现不确定性，其复杂非线性特征以及数值模式误差等使得气象预报存在不确定性，新能源功率预测需计及NWP不确定性并服务多样化预测需求。 1.2新能源功率预测的挑战 口新能源预测面临复杂数据形式和不同的预测任务需求，如何以需求为导向，赋能精确预测是新能源功率预测所面临的重要挑战，其核心就在于人工智能模型 目录 新能源预测的需求和挑战 大模型技术应用思路 路线一大模型主导的预测新范式 路线二融合大模型思想的混合建模框架 四 2大模型技术应用思路 目录 新能源预测的需求和挑战 大模型技术应用思路 路线一大模型主导的预测新范式 路线二融合大模型思想的混合建模框架 四 3大模型主导的预测新范式 口大模型作为预测主体的方法大致可分为两类，第一类是时间序列基座大模型TSFM，TimeGPT-1，第二类是基于大语言模型的时序大模型LBM4TS，如Chronos-Bolt、Time-LLM、Moirai等 3.1基于TSFM的零样本新能源预测尝试 口选用时间序列基座大模型（TSFM）中的TimeGPT-1模型使用零样本预测方法，通过API接口调用TimeGPT-1模型对风电和光伏出力进行日前预测 基于TimeGPT-1的功率预测方法 使用TimeGPT进行日前风电和光伏预测（分辨率：15min）在预测精座上相较于小参数模型未体现出明显优势 3.2基于LBM4TS的预测方法 口基于大语言模型的时序大模型（LBM4TS）在新能源功率预测中的技术路线主要分为基于提示工程的模型和基于词化工程的模型，无需进行大模型的重训练，只需微调甚至不调。 3.2基于LBM4TS的零样本新能源预测尝试 口基于词化工程的模型能够保留时间序列的特征维度，建模方法主要分为三个阶段：连续数据离散化（词化）、大模型推演（BERT，GPT，T5）、离散分段连续化（反词化） 3.3大模型主导的预测新范式的挑战与局限 口大模型在新能源预测中虽有广阔的前景，但当前方法仍存在显著不足：时间序列基座大模型（TSFM）难以解决多模态协变量输入问题，且大模型决策的可解释性差。 目录 新能源预测的需求和挑战 大模型技术应用思路 路线一大模型主导的预测新范式 路线二融合大模型思想的混合建模框架 四 4融合大模型思想的混合建模框架 口大模型的优势可用于解决新能源预测方法中存在的量测数据不足、多模态数据特征对齐和极端场景生成问题。 多模态数据特征对齐间题 4.1大模型与多模态融合技术 口多模态融合的方式从基于神经网络提取各类数据特征的前端融合模型，逐步发展为以大模型中多模态融合方法为主的中端融合模型和末端融合模型 4.1大模型与多模态融合技术 口多模态数据特征的中期融合模型，考虑大语言模型以Token为单位的处理特征，采用LLM中以注意力机制为基础的深度跨模态推理网络，挖掘Token中隐含的多时间尺度特征和空间域特征，帮助深度学习算法实现时空概率预测 4.1大模型与多模态融合技术 口多模态数据特征的末期融合模型，通过对比学习解决气象、地理等数据异质性问题，在预测前对多源数据在隐空间进行联合分类，为深度神经网络预处理和标准化所有输入，能够提高深度学习算法可解释性。 多模态融合功率预测需求解码器 4.2大模型与极端场景生成技术 口目前针对极端场景在短期和中长期两类尺度下，不有不同的控制指标及模型设计。 短期尺度极端场景生成同 可再生能源多尺度极端场景生成壁于条件护收模型的 ·中期尺度极端场景生成--添加中间日变量特征5 4.2大模型与极端场景生成技术 口极端场景生成问题主要存在以下问题：极端场景样本少深度学习模型训练欠拟合、极端天气类型多变、极端场景定义不明等。 ·数据移缺一→模型过拟合→泛化能力差 样本层面问题 解决方法 利用大模型zero-shot/one-shot/few-sho生成能力，实现小样本或无样本场晨生成。 ·极端天气形杰复杂一特征维度多样化 特征层医闯题 利用大模型多模态数据与先验信急融合能力，增强模型泛化能力。 ·定义模期一训练目标有差异 利用条件生成式模型对已有定义的极端场景(Diffusion, GAN等)进行样本生成，增强极端场景样本数据量 定义层面问题 系统视划，关油长南晓计极值，活行调度，关注爱南及多只度安化风险评售，关注功率波动成供害失南 4.2大模型与极端场景生成技术 口基于大模型的极端场景生成方法技术路线，基于大模型的zero-shot/one-shot/few-shot生成能力和多模态数据的处理能力，添加极端场景生成任务的提示词，指导极端场景生成 目录 新能源预测的需求和挑战 路线一大模型主导的预测新范式 路线二融合大模型思想的混合建模框架 四 五 谢谢！