DeepWind风电基础模型

零样本跨区域预测

基于5600亿数据点预训练、引入工况感知专家混合机制的风电功率预测基础模型,首次实现无需现场重训练的高泛化预测。

Hexian, Wang · Zhou, Tongming · Jia, Chengzhen · Liu, Yushan · Wang, Lingmei

Energy 2026

参数信息

nMAE降低率
20.86 %
少样本精度提升
5.0 %

技术优势

换个风场照样用

无需站点专属重训练,跨区域部署即插即用,省去为每个新场站收集数据、训练模型的周期和成本。

多工况自动分工

Regime-Aware MoE 自动区分停机、爬坡、满发等物理状态,无需人工标注即可让不同专家各管一段。

小参数撬动高精度

少样本适配只更新不到 3% 的参数,精度就能平均提升 5.0%,下游微调成本极低。

全时域通吃

从 1 小时到 12 小时的预测任务上均超过全监督基线,短时和长时无需切换模型。

应用场景