用于清洁能源预测的基础模型：全面综述

随着全球能源系统向清洁能源转型，准确的可再生能源发电和需求预测对于有效的电网管理至关重要。基础模型（FMs）可以帮助改善可再生能源发电和需求的预测，因为FMs能够快速处理复杂的高维时间序列数据。本综述论文重点关注可再生能源预测领域的FMs，主要聚焦于风能和太阳能。我们概述了在可再生能源预测背景下使用的架构、预训练策略、微调方法和数据类型。我们强调了大规模训练模型的作用、领域特定的Transformer架构，其中关注时空相关性、领域知识的嵌入，以及可再生发电的短暂和间歇性特征。我们评估了最近基于FM的预测精度进展，例如在多个时间尺度上调和预测以及量化可再生能源预测中的不确定性。我们还回顾了长期和多变量时间序列预测中现有的挑战和改进领域。在本综述中，对清洁能源预测领域中FMs使用的理论与实践之间的区别进行了阐述。此外，它批判性地评估了FMs的优势和劣势，同时推进了这一新兴且令人兴奋的预测领域的未来研究方向。