华北电力大学：风电功率预测大模型及不确定性溯源研究

阎洁YANJie华北电力太学华北电力太学①①22风电功率预测不确定性溯源32July2026—-风电场技术实验室(LaboratoryonWindFarmTechnologies)--Accuratewindpowerforecastingisbecomingacriticalprerequisiteforsecureopdominatedpowersystems,asrapidlyexpand单位：万千瓦精度提升停滞，趋于极限2July2July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--2July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--■从“单场独立建模”走向“多场知识共享”,构建风电功率预测大模型，解决“一场一测”DevelopingfoundationmodeDevelopingfoundationmodemodelingtomulti-farmknowledgesharing,addressingthelimitatio多源特征学习风电功率预测大模型独立模型A独立模型B独立模型C独立模型N数据少知识窄泛化弱独立建模难以持续提升预测精度华北电力大学Uncertaintytracingandattributionprovide。多环节不确定性定位主要贡献源误差分解识别关键环节溯源与解耦贡献识别识别关键误差来源贡献识别功率转换不确定性风机性能波动、不确定性定量识别环节清晰分解观测误差、缺失、偏差对计算结果偏差对计算结果52July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--5目录华北电力太学风电功率预测不确定性溯源32July2026—-风电场技术实验室(LaboratoryonWindFarmTechnologies)--华北电力大学效率一体化模型一体化模型1风电场信息更全面模型数量需求多信息更全面模型数量需求多考虑广域多元天气要素时空耦合的多能源一体化预测，是未来技术2July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--风-光-水集成长千站级(>900个场站)2015年2020年2020年2022年2024年2024年2025年2July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--82July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--多对多映络架[多维输入]多点位[多维输入]多点位NWP向量Ta工多维输出]多场站NWP修正值observedwindatmultiplepointsws,ws²,ws'.dTransactionsonPowerSystems,2017,33(3):3276-3284.SVM-bes-1不同预测方案误差示意图(SVM-bes-1VanJ,ZhangH,LiuY,etal.Forecastingthehighpenetrationofwinpowero研笈察统应用宁为象TO4快电纷m2July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--华北电力大学开源时间序列数据开源时间序列数据(553座风电场)(553座风电场)华北电力大学预测尺度-预测准确率预测合格率预测准确短期预测准确率(%)寒潮台风不同方法在极端天气时段的零样本风电功率预测准确率对比图2.2大模型参数微调的风电功率预测方法风电功率预测结果风电功率预测结果多任务优化头多分辨率调度因果注意力因果注意力时间列金堡_前馈网络出郸入输出词嵌入前馈网络2July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--14.3大模型参数微调的风电功率预测方法.3大模型参数微调的风电功率预测方法华北电力大学pronouncedtheadvantage.量量3天5天10天15天20天3天5天10天15天20天22July2026——风电场技术实验室(LaboratoryonWindFarmTechnologies)--15华北电力大学基于3D-CNN的微尺度天气预报模型架构示意图JieYan,XueHan,HanWang,ChangGe,YongqianLiu.AnAl-bas目录华北电力太学风电功率预测不确定性溯源32July2026—-风电场技术实验室(LaboratoryonWindFarmTechnologies)--17RenewabeandSustainable华北电力太学RenewabeandSustainable华北电力太学Unooweringwindpowerforecastinguncerirysurcesandtheir 32*YanJ,MhrlenC,GmenT,etal.UncoveringwindpoweNumericalWeatherPredictian(NwP)Wind-to-PowerUncertaintMachineLearn(BuildingthemodeAlgoeithmOver-/UnderpredictionModelsetinglaputcompleteness/SubstitutionConditionofWindTurbTurbineAvailailityPlanned/UnplannedOutagesTurbinePerformance2July2026—-风电场技术实验室(LaboratoryonWindFarmTechnol2July2026—-风电场技术实验室(LaboratoryonWindFarmTechnologies)--QuantificationofWeatherUncertaintyQuantificationofDataUncertaintyQuantificationofWind-to-PowerUncertaintyQuantificationofModelUncertaintyWeatherPredictionEieawind华北电力大学Piofesss,.schoelefReer