Guopeng Zhu · Weiqing Ji · Zhitai Xing · Ling Xiang 等6人 · Energy Conversion and Management · 2025年1月 · Vol.330

准确的短期风电功率预测对于保障电网稳定性以及优化风电场-储能系统的运行至关重要。然而，风能固有的随机性和高度波动性给风电功率预测带来了显著挑战。为了利用大语言模型强大的推理能力与高层知识，以精确提取非平稳风电数据中的特征，本文提出了一种用于风电功率预测的跨模态大语言模型（CMLLM）。该模型采用数据跨模态方法并结合预训练的大语言模型，能够高效兼容多种大语言模型，并适应具有不同特性的数据。在CMLLM中，通过引入跨模态迁移学习方法对数据进行综合处理，将数据转换为文本模态，从而避免了对大语言模型进行...

解读: 该跨模态大语言模型风电预测技术对阳光电源储能系统具有重要应用价值。可集成至ST系列PCS和PowerTitan储能系统的智能调度模块,通过精准短期风电功率预测优化风储协同运行策略,提升电网稳定性。该模型的跨模态迁移学习方法和先验知识提示机制,可启发iSolarCloud平台的预测性维护算法升级,增强...