信息与电脑杂志

摘要：传统气象预报方法难以满足电力行业对精细化服务的需求，亟需结合人工智能技术实现预测能力的突破。文章提出一种领域知识增强的大语言模型(Large Language Model, LLM)微调框架。通过构建50万条实体知识图谱，结合低秩适配(Low-Rank Adaptation, LoRA)参数高效微调与多阶段训练策略，实现基座模型向电力气象领域的深度适配。创新性设计时空感知的损失函数与混合精度蒸馏机制，在Qwen2.5-72B模型上实现微调后负荷预测平均绝对误差降至80.2 MW,预测精度较原始模型提升23.5%。技术方案已在山东电网部署，为新能源调度提供核心支持。

关键词： 电力气象;大语言模型;参数高效微调;知识增强;负荷预测;

基金资助： 山东鲁软数字科技有限公司和山东省电力气象技术创新中心科技项目“基于先验知识增强大模型的电力气象定制化预报关键技术研究项目”(项目编号：B90630240001)；

专辑： 信息科技;工程科技Ⅱ辑

专题： 电力工业;自动化技术

分类号： TM715;TP18