PARA-PV：基于冻结基础模型与分布偏移校正的物理感知检索增强光伏预测

准确的光伏（PV）功率预测对可靠电网调度与可再生能源整合至关重要，但仍有挑战——PV发电受天气变化、昼夜转换、regime依赖动力学与严格物理约束共同塑造。我们提出PARA-PV：把物理知识嵌入预测全程的物理感知检索增强框架。框架先把多变量PV观测编码为patch级表示，再经物理感知检索增强学习器检索在时序形状、功率水平、PV运行状态与日内时段上与当前窗口一致的历史patch与类比轨迹——产生物理落地的基预测。为以更广时序知识补充本地记忆，基预测再经轻量残差适配器对照冻结的Chronos时序基础模型先验校准——把通用时序规律适配到PV专属动力学而不覆盖物理落地预测。因天气与昼夜regime变化时残余条件分布偏移持续存在，物理感知分布偏移校正模块随后使用功率、天气、时间戳与昼夜条件调整初步预测——选择性地施加门控均值移位与尺度校正。最后物理约束损失函数把样本分为峰值、爬坡、夜间与常规regime并自适应重加权其误差贡献——防止占主导的常规regime压制运营关键状态的学习。代码见GitHub。