基于预训练大语言模型的短期风电预测及其可解释性研究

乔骥; 米翰宁; 韩富佳; 赵日晓; 周春生

doi:10.12454/j.jsuese.202500435

您当前的位置：

首页 >

文章列表页 >

基于预训练大语言模型的短期风电预测及其可解释性研究

先进人工智能技术赋能新型电力系统数智化转型 | 更新时间：2026-07-22

- 基于预训练大语言模型的短期风电预测及其可解释性研究
- Short-term Wind Power Forecasting and Interpretability Research Based on Pre-trained Large Language Models
- 工程科学与技术 2026年58卷第4期页码：42-53
- 作者机构：
  
  1.中国电力科学研究院有限公司，北京 102209
  2.国网山东省电力公司，山东济南 250001
- 作者简介：
  
  乔骥（1991—），男，高级工程师，博士. 研究方向：人工智能在配网调控运行中的应用. E-mail：qiaoji@epri.sgcc.com.cn.
  米翰宁， E-mail：mihanning@163.com
- 基金信息：
  
  国家电网公司科技项目(5700-202316601A-3-2-ZN)
- DOI：10.12454/j.jsuese.202500435
  中图分类号： TM614
- 收稿：2025-06-09，
  
  修回：2025-12-29，
  
  网络首发：2026-07-20，
  
  纸质出版：2026-07-20
- 稿件说明：
移动端阅览
乔骥,米翰宁,韩富佳,等.基于预训练大语言模型的短期风电预测及其可解释性研究[J].工程科学与技术,2026,58(4):42‒53.

Qiao Ji,Mi Hanning,Han Fujia,et al.Short-term wind power forecasting and interpretability research based on pre-trained large language models[J].Advanced Engineering Sciences,2026,58(4):42‒53.
乔骥,米翰宁,韩富佳,等.基于预训练大语言模型的短期风电预测及其可解释性研究[J].工程科学与技术,2026,58(4):42‒53. DOI： 10.12454/j.jsuese.202500435.

Qiao Ji,Mi Hanning,Han Fujia,et al.Short-term wind power forecasting and interpretability research based on pre-trained large language models[J].Advanced Engineering Sciences,2026,58(4):42‒53. DOI： 10.12454/j.jsuese.202500435.

浏览量

下载量

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于知识图谱检索增强生成与大语言模型的配网检修智能辅助决策框架

基于LC‒Transformer模型的高速公路短时交通流预测

基于光谱特征的高光谱图像分类的优化方法

基于零值域分解的深度图像压缩感知重建

水分动态演化下高聚物注浆材料的频率响应介电模型

基于预训练大语言模型的短期风电预测及其可解释性研究

Short-term Wind Power Forecasting and Interpretability Research Based on Pre-trained Large Language Models

DOI：10.12454/j.jsuese.202500435