WindFM：用于零样图风力功率预测的开源基础模型
机器学习
2025-09-09 v1
摘要
高质量的风力功率预测对于现代电网的运行至关重要。然而，现有的基于数据的范式要么训练特定于站点的模型无法泛化到其他位置，要么依赖对通用时间序列基础模型的微调，这些模型难以融合能源部门中特定的数据。本文介绍了WindFM，一个专为无概率风力功率预测设计的轻量级生成式基础模型。WindFM采用离散-生成框架。一种专门的时间序列标记器首先将连续多变量观察值转换为离散的、层次化的标记。随后，解码器-only Transformer通过自回归方式在这些标记序列上进行预训练，学习风电发电动力学的通用表征。利用包括约1500亿个时间步、覆盖超过126000个站点的综合WIND Toolkit 数据集，WindFM建立了对大气条件与发电量之间复杂相互作用的基础性理解。广泛的实验表明，我们的紧凑型810万参数模型在确定性和概率任务上实现了零样图性能的突破，超越了专门模型和更大的基础模型，无需任何微调。特别是，WindFM 在来自不同大陆的分布外数据上表现出强大的适应性，显示其所学表征的鲁健性和可迁移性。我们的预训练模型已公开提供，地址为https://github.com/shiyu-coder/WindFM。
关键词
引用
@article{arxiv.2509.06311,
title = {WindFM: An Open-Source Foundation Model for Zero-Shot Wind Power Forecasting},
author = {Hang Fan and Yu Shi and Zongliang Fu and Shuo Chen and Wei Wei and Wei Xu and Jian Li},
journal= {arXiv preprint arXiv:2509.06311},
year = {2025}
}