Fine-Tuning Pre-trained Large Time Series Models for Prediction of Wind Turbine SCADA Data
机器学习
2024-12-03 v1 人工智能
计算工程、金融与科学
摘要
大型模型在自然语言处理 (NLP) 和计算机视觉 (CV) 领域的显著成就，催生了其在工业场景中时间序列预测中的应用潜力。本文探讨了预训练的大型时间序列模型 Timer 在风力发电机 SCADA 数据预测中的应用。该模型最初在来自多个领域的广泛时间序列数据上进行预训练。我们对来自两个风电场的 SCADA 数据集进行微调，并评估了其预测性能。此外，还研究了数据量对模型性能的影响，以评估 Timer 的 Few-shot 能力。最后，我们在单机台 fine-tuning 全厂预测的应用场景中实现了，其中需要满足 Few-shot 和跨机台的泛化能力。结果表明，预训练的大型时间序列模型在数据充足或数据不足时，并不一定在预测准确性上优于其他基线模型，但在实际应用场景中表现优异。这一结果凸显了预训练大型时间序列模型在快速部署方面的独特优势。
引用
@article{arxiv.2412.00403,
title = {Fine-Tuning Pre-trained Large Time Series Models for Prediction of Wind Turbine SCADA Data},
author = {Yuwei Fan and Tao Song and Chenlong Feng and Keyu Song and Chao Liu and Dongxiang Jiang},
journal= {arXiv preprint arXiv:2412.00403},
year = {2024}
}