Solar-VLM：融合卫星图像、天气文本和时序数据的太阳能发电预测

新框架Solar-VLM将大视觉语言模型应用于太阳能发电预测，融合三种互补数据源：时序观测、卫星图像和文本天气信息。

创新

此前AI太阳能预测通常仅使用数值天气数据和时序。Solar-VLM引入多模态融合：

1. 时序编码器 — 捕获每个太阳能站的时序模式
2. 视觉编码器 — 基于Qwen视觉骨干，从卫星图像提取云层信息
3. 文本编码器 — 从文本天气描述中提取历史天气特征

为什么多模态？

太阳能发电对以下因素极度敏感：

• 云层覆盖 — 卫星图像提供空间云运动预测
• 天气模式 — 文本预报包含细致气象上下文
• 局部条件 — 现场传感器时序捕获微气候效应

实际影响

准确太阳能预测对以下方面至关重要：

• 电网运营 — 调度和稳定性管理
• 能源市场 — 投标和交易策略
• 可再生能源整合 — 减少太阳能削减
• 电池优化 — 充放电调度

这项工作表明传统用于文本任务的LLM可以有效跨视觉和时序模态推理，应用于物理世界。