零样本多步预测
该模型通过硬软混合提示学习，使大语言模型灵活预测不同时间步长的风电功率，同时稳健捕捉突变事件，泛化性与精度均优于现有深度预测器。
Zhiyu, Duan · Bian, Chong · 杨顺昆 · 李春平
Expert Systems with Applications 2025
通过硬提示生成器将风电预测重构为语言建模任务，利用大语言模型强大的表示学习能力捕捉时间特征，无需针对新时间步长重新训练。
软提示适配器采用门控注意力机制，以参数高效的方式将大语言模型与风电预测上下文对齐，降低计算复杂度。
硬提示生成器能够揭示风电功率数据中的突变，使模型稳健预测突变事件，减少大误差。
在多个地区的风电场实验中，该方法在泛化性和准确性上优于最先进的深度预测器。