找到 2 条结果
CMLLM：一种用于风电功率预测的新型跨模态大语言模型
CMLLM: A novel cross-modal large language model for wind power forecasting
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...
基于SCADA数据的周期增强型Informer模型用于短期风电功率预测
Periodic-Enhanced Informer Model for Short-Term Wind Power Forecasting Using SCADA Data
Zhao-Hua Liu · Long-Wei Li · Hua-Liang Wei · Ming Li 等6人 · IEEE Transactions on Sustainable Energy · 2025年4月
针对风电场SCADA系统提供的丰富运行与环境数据，提出一种周期增强型Informer模型用于短期风电功率预测。首先，采用基于v-p曲线与四分位法结合的方法滤除稀疏离群点，并利用DBSCAN算法去除功率曲线中的聚集噪声；其次，基于最大信息系数筛选多特征输入集以提升数据利用效率；进而设计时序卷积网络提取输入特征的标量投影，并融合局部与全局时间戳构建周期信息增强的嵌入层；最后，在Informer模型中引入多尺度深度融合模块，实现跨时间尺度特征的深层整合，有效避免了模型加深带来的资源浪费与过拟合问题。实...
解读: 该周期增强型Informer模型对阳光电源的智能运维和储能系统具有重要应用价值。首先，该模型的多特征输入与时序预测技术可直接应用于iSolarCloud平台的发电预测模块，提升风光储多能互补系统的调度效率。其次，模型的周期性特征提取方法可优化ST系列储能变流器的能量管理策略，特别是在PowerTit...