10:40arXiv cs.LG@Lorenzo Longarini, Alessandro Rongoni, Simone Silenzi, Emanuele Frontoni, Riccardo Rosati精选光伏电站在投运初期缺乏历史观测数据,导致标准监督预测方法无法直接使用。研究者提出一种零样本流程,利用电站元数据和气象协变量生成合成生产历史,使时间序列基础模型(TSFMs)能够通过推理时条件进行预测。在440个光伏站点、四个数据集和多种气候条件下,五种TSFMs与经典基线对比,协变量感知模型性能提升约1.7-2倍,其中TabPFN-TS在真实反馈策略下误差最低(MAE 0.514),Chronos-2在自预测反馈策略下最鲁棒。合成历史来源对性能影响不大,表明合理的时序上下文比具体生成器更重要。论文时间序列基础模型光伏预测冷启动零样本TabPFN-TS推荐理由:光伏运维团队终于有了冷启动预测的实用方案——无需历史数据即可用基础模型实现高精度预测,做新能源发电预测的开发者可以直接参考TabPFN-TS和Chronos-2的表现。原文