Solar-VLM：用于增强太阳能功率预测的多模态视觉-语言模型
人工智能
2026-04-07 v1
摘要
光伏（PV）功率预测在电力系统调度和市场参与中发挥着关键作用。由于 PV 发电对天气条件和云层运动高度敏感，准确的预测需要有效建模多个信息源之间复杂的时空依赖关系。尽管近期研究推进了基于 AI 的预测方法，但大多数未能在统一框架中融合时序观测、卫星图像和文本天气信息。本文提出了 Solar-VLM，这是一个由大语言模型驱动的多模态 PV 功率预测框架。首先，为异构输入开发了模态特定的编码器以提取互补特征。时序编码器采用基于块的设计，以捕捉每个站点多变量观测中的时序模式。视觉编码器基于 Qwen 的视觉骨干，从卫星图像中提取云层覆盖信息。文本编码器从文本描述中提炼历史天气特征。其次，为捕捉地理分布式 PV 站点之间的空间依赖关系，引入了一种跨站点特征融合机制。具体而言，图学习器通过构建在 K 近邻（KNN）图上的图注意力网络来建模站点间相关性，而跨站点注意力模块进一步促进了站点间的自适应信息交换。最后，在中国北方某省的八个 PV 站点数据上进行的实验证明了所提出框架的有效性。我们的模型已公开发布于 https://github.com/rhp413/Solar-VLM。
引用
@article{arxiv.2604.04145,
title = {Solar-VLM: Multimodal Vision-Language Models for Augmented Solar Power Forecasting},
author = {Hang Fan and Haoran Pei and Runze Liang and Weican Liu and Long Cheng and Wei Wei},
journal= {arXiv preprint arXiv:2604.04145},
year = {2026}
}