Solar-VLM：用于增强型光伏功率预测的多模态视觉语言模型

光伏（PV）功率预测在电力系统调度和市场参与中起着关键作用。由于光伏发电对天气条件和云的运动高度敏感，准确预测需要对跨多个信息源的复杂时空依赖进行有效建模。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间序列观测、卫星图像和文本天气信息。本文提出Solar-VLM，一个由大语言模型驱动的多模态光伏功率预测框架。首先，开发了模态专用编码器以从异构输入中提取互补特征。时间序列编码器采用基于patch的设计，从每个站点的多变量观测中捕获时间模式。视觉编码器构建于基于Qwen的视觉骨干之上，从卫星图像中提取云量信息。文本编码器从文本描述中提炼历史天气特征。其次，为捕获地理分布的光伏站点之间的空间依赖，引入了跨站点特征融合机制。具体而言，Graph Learner通过在K近邻（KNN）图上构建的图注意力网络建模站点间相关性，而跨站点注意力模块进一步促进站点间的自适应信息交换。最后，在中国北方某省八个光伏站点数据上开展的实验验证了所提框架的有效性。所提模型已公开于https://github.com/rhp413/Solar-VLM。