2025基于大语言模型的多模态多任务风电场功率预测研究报告.docxVIP

1

基于大语言模型的多模态多任务风电场功率预测研究

Multi-modalmulti-taskwindpowerpredictionalgorithmbasedonlargelanguagemodel

2025年9月25日

基于大语言模型的多模态多任务风电场功率预测研究

一、研究背景及意义

二、基于预训练大模型的超短期风电场功率预测

三、面向零样本风电功率预测的基座模型

四、结论与展望

3

基于大语言模型的多模态多任务风电场功率预测研究

新能源发展现状

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12亿千瓦以上”目标。

■各类电源装机规模占比

■Proportionofinstalledcapacityforvarioustypesofpowersources

新能源发电量

新能源发电量一◆占比

20000

18360.8

16000

14000

11899.4

12000

9817.6

7269.7

6000

4154.3

4000

2249.7

2000

201920202021202220232024

12.00%

10.00%

8.00%

6.00%

4.00%

2.00%

18.00%

16.00%

14.00%

20152016

14700.2

3032.7

5434.7

2017

2014

2018

8000

■2014-2024年我国新能源发电量及占比

■NewenergypowergenerationanditsshareinChinafrom2014to2024

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

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。

用电发电

用电

水电

核电

相对确定、可控

火电

风电

强随机波动性分布式能源

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

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

光状飕贾电源分布式

数据驱动的虚拟电厂碰压

数据驱动的

虚拟电厂

碰压发电

垃圾

电

健身

电

集中式坚

集中式

坚强智能

电网

+

泛在电力

物联网

loT

物联网

网和变电站竺

网

和变电站

竺

燃料电池

⑧

微网

充电

桩储

电动汽车

新型主体广泛接入

储气气网储热热网储氢工业

储气

气网

储热

热网

储氢

罐群罐篇

罐群

罐篇

跨域跨模态融合

终强新型电力系统新一代信息技术赋能

终强

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

适应新型电力系统特点的新一代预测方法

传统预测方法

传统时间序列预测模型

Y=f(x?)

·仅考虑待预测目标风电场的数据信息，场间联系分析较少。

·利用的信息维度单一，仅利用时序数据信息，无法充分利用文本等跨模态信息

研究动机

我们能否借助于大模型的多模态强泛化能力

设计预测模型提升预测精度?

基于大语言模型的时间序列预测模型

Y=f(task,xo)

·融合文本、时序数值等多模态数据，利用大语言模型的预训练知识，从更高维度理解预测情景。

·通过自然语言提示(Prompt)等方式，模型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

适应新型电力系统特点的新一代预测方法

当前任务问题

不同时间尺度状态预测：天/小时/分钟级……

预测任务复杂：单个场站、多个场站、场站集

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。

核