跳到主要内容

微调

结合您的业务需求训练XMO-Time模型，轻松实现一站一模型。

对时间序列预测模型进行训练或微调是通过我们提供的基础时间序列模型上进行进一步调整，可以提高模型在特定应用场景中的预测精度。

如何微调模型？​

1.点击【微调模型】​

2.选择基础模型​

选择合适的基础模型，我们提供的模型为XMO-Time 1.0。XMO-Time 这样的通用时间序列预测模型已经在电力数据上进行过大规模的训练，可以用来对某个特定光伏电站的功率或发电量进行微调。
（1）XMO-TJ-Solar1.0：适用于分布式光伏功率预测业务，2024年10月正式上线。 （2）XMO-TJ-Wind0.1：适用于风电功率预测业务，2025年3月正式上线。 （3）XMO-TJ-Load0.1：适用于负荷预测业务，2025年3月正式上线。

3.上传训练数据/验证数据​

  • 1）您需要提前准备历史的光伏功率数据。

    • 将历史数据拆分为训练数据集和验证数据集。

  • 2）训练数据集

    • 为保证模型的训练效果，建议一次性上传1年左右或不少于1个月，并且保证数据连续无间断。
    • 填写时间，时间格式为 YYYY-MM-DD hh:mm:ss ；时间间隔可以为5分钟/15分钟/1小时/1天一个点位。
    • 填写功率，单位：兆瓦(MW)或千瓦(kW)，二选一。
    • 需在下方“场站信息”中标明“功率单位”。
    • 您可以按需填写场站经度、场站纬度、场站的装机容量，以及功率单位等信息。

  • 3）验证数据集

    • 时间长度任意，保证数据连续无间断。
    • 填写时间，时间格式为 YYYY-MM-DD hh:mm:ss ；时间间隔可以为5分钟/15分钟/1小时/1天一个点位。
    • 填写功率，单位：兆瓦(MW)或千瓦(kW)，二选一。需在下方“场站信息”中标明“功率单位”。
    • 按需填写场站经度、场站纬度、场站的装机容量，以及功率单位等信息。

4.训练模型​

上传好数据后，您需要再次确定信息，信息无误后，点击【确定并开始训练】。 系统将在目标数据集上对模型进行微调。模型训练过程大约需要60s，请耐心等待。 训练过程中可能出现网络延迟，数据错误等问题，会导致模型训练失败，您可以点击【重试】再次训练，或点击【新建训练】再次上传文件进行训练。

5.评估模型​

在模型训练完成后会立刻使用模型和在历史数据的时间范围内进行一次预测。预测的结果以曲线的形式展示出来，并计算出准确率。

  • 对于负荷预测模型，我们使用sMAPE指标计算准确率。
  • 对于光伏和风电微调模型，我们使用ACC指标计算准确率。