UniWind：基于物理信息状态路由的统一日前风电功率预测

准大一 · 电气工程 × 新能源 × AI+电力 —— 风电功率预测精读材料
📄 原文：arXiv:2607.01670 🗓️ 2026年7月2日发布 🏫 arXiv 预印本（cs.LG） ✅ 风电日前预测 × 物理信息 × 状态路由 🔊 附英文摘要朗读音频

一、论文档案

英文标题UniWind: Toward Unified Day-Ahead Wind Power Forecasting via Physics-Informed State Routing
中文标题UniWind：基于物理信息状态路由的统一日前风电功率预测
作者Ronghui Xu, Tongxin Wu, Guozhen Zhang, Yihan Li, Chenjuan Guo, Bin Yang, Yong Li（机构未在素材中标注）
发布时间2026年7月2日（v1）｜分类：cs.LG（机器学习）
原文链接arxiv.org/abs/2607.01670　·　全文 HTML 版
一句话概括先算「物理上能发多少电」，再算「实际发了多少电」——把停机、弃风等隐藏运行状态也纳入预测。
💡 为什么选这篇给你：① 风电预测是新能源电网调度的刚需，直接连着电力市场与储能调度；② 思路新——把「物理先验」和「隐状态路由」结合，核心思想用文字就能读懂；③ 在 20+ 个真实风场数据集上验证，还做了跨风场零样本实验，故事完整、可复现。

二、核心术语表（先扫一遍再读正文）

英文术语中文大白话解释
day-ahead forecasting日前预测提前一天预测未来 24 小时的功率/电量，电力市场出清和调度都要用它。
wind power forecasting风电功率预测预测风电场未来一段时间能发多少电，受风速等气象条件强烈影响。
physical power curve物理功率曲线风速→功率的物理对应关系，风力机气动特性的标准描述。
curtailment弃风（限功率运行）调度要求风机少发电（故意低于可发功率），是风电场的常见「隐藏状态」。
shutdown停机风机因检修、故障、大风保护等原因出力为零的运行状态。
physical prior物理先验先用物理规律算出的「理想可发功率」估计，作为后续修正的起点。
monotonic warping单调扭曲（校准）一种保证「越大的风速不会对应越小的功率」的逐站点校准变换。
upper-bound constraint上界约束规定「实际功率 ≤ 物理可发功率」——物理先验被塑造成可发功率的软包络。
latent state隐（潜在）状态看不见却真实存在的运行状态（停机、正常运行、限功率），会改变风速-功率映射。
state routing状态路由把每个时刻的预测「派给」对应的运行状态专家去修正，像分诊台。
expert correction专家修正每个运行状态配一个专门的修正器，把物理先验修正成最终出力预测。
full-shot / zero-shot全样本 / 零样本full-shot 指目标风场有训练数据；zero-shot 指没看过目标风场数据直接预测（检验泛化能力）。
NWP (Numerical Weather Prediction)数值天气预报用超级计算机求解大气方程得到的天气预报，是日前风电预测的主要输入。
realized power实际（实现）功率在隐状态「干预」下风场真实发出的功率，区别于物理可发功率。

三、摘要中英对照（精读核心）

🎧 音频在文末，可先听一遍原文再读；每个英文句都配了逐句翻译。

摘要 Abstract

EN · 原文
Day-ahead wind power forecasting is essential for cost-effective power-system operation.
CN · 翻译
日前风电功率预测对经济高效的电力系统运行至关重要。
EN · 原文
It is primarily driven by future meteorological conditions while retaining temporal dependencies in power generation.
CN · 翻译
它主要由未来的气象条件驱动，同时保留发电过程中的时间依赖关系。
EN · 原文
In practice, observed wind-farm power often entangles physically available power with local environmental effects and latent operational states, such as shutdowns and curtailment.
CN · 翻译
实践中，观测到的风电场功率往往把物理可发功率与局部环境效应及隐运行状态（如停机、弃风）纠缠在一起。
EN · 原文
Existing physical models provide useful constraints but adapt poorly across wind farms, whereas data-driven models can capture rich correlations but often conflate meteorological effects with state-induced deviations.
CN · 翻译
现有物理模型能提供有用的约束，但跨风场适应性差；而数据驱动模型能捕捉丰富的相关性，却常把气象效应与状态引起的偏差混为一谈。
EN · 原文
In this study, we propose UniWind, a wind power forecasting model based on physics-informed state routing.
CN · 翻译
本文提出 UniWind——一个基于物理信息状态路由的风电功率预测模型。
EN · 原文
UniWind first employs a Physical Prior Estimator to construct a site-calibrated physical prior by combining site-conditioned monotonic warping with a shared physical power curve.
CN · 翻译
UniWind 首先用物理先验估计器，把「站点条件单调校准」与「共享物理功率曲线」结合，构造逐站点校准的物理先验。
EN · 原文
It further applies a physical upper-bound constraint to shape this prior as a soft envelope of available wind power generation.
CN · 翻译
它进一步施加物理上界约束，把该先验塑造成可发风电功率的「软包络」。
EN · 原文
UniWind then proposes a Latent State Encoder to model operating-state embeddings and transforms the physical prior into final power forecasts through a State-aware Power Corrector, which uses knowledge-guided supervised state routing and bounded, state-specific expert correction.
CN · 翻译
随后，UniWind 提出隐状态编码器建模运行状态嵌入，并通过状态感知功率修正器把物理先验转化为最终功率预测——修正器采用知识引导的有监督状态路由和有界的、按状态定制的专家修正。
EN · 原文
Full-shot and cross-farm zero-shot experiments on more than 20 real-world datasets demonstrate the accuracy and robustness of UniWind.
CN · 翻译
在20 多个真实数据集上的全样本与跨风场零样本实验，证明了 UniWind 的准确性与鲁棒性。

关键词 Keywords：Wind Power Forecasting 风电功率预测 ｜ Physics-Informed 物理信息 ｜ State Routing 状态路由 ｜ Day-Ahead Forecasting 日前预测

四、引言精选（为什么这个问题重要）

① 风电预测的本质：未来气象条件下的「功率实现」问题

EN · 原文
Day-ahead wind power forecasting plays a central role in cost-effective power-system operation, as electricity-market decisions must be made before power delivery. Compared with conventional time series forecasting, day-ahead wind power forecasting exhibits a stronger dependence on meteorological conditions at the corresponding future time steps than on historical power. For example, high historical power on previous days does not imply high future power if the future wind speed is low. Therefore, this task should be viewed as a future-meteorology-conditioned power realization forecasting problem.
CN · 翻译
日前风电功率预测在电力系统经济高效运行中扮演核心角色，因为电力市场决策必须在实际供电之前做出。与常规时间序列预测相比，日前风电预测对未来时刻气象条件的依赖，强于对历史功率的依赖。例如，过去几天历史功率再高，也不意味着未来功率高——如果未来风速很低的话。因此，这个任务应被看作一个「未来气象条件下的功率实现」预测问题。

② 三种运行状态：停机、正常运行、弃风

EN · 原文
Existing wind power forecasting methods can be categorized into physically driven and data-driven approaches. Physical models, detailed in Figure 1(a), provide reliable power predictions through physical constraints and structured inductive biases. However, they struggle to capture local endogenous factors, such as terrain-induced circulation and wind-farm operational states. As shown in Figure 2, turbines may switch among shutdown with zero output, regular operation where power follows the physical wind-speed response, and curtailment where output is intentionally constrained below the available power potential. These latent-state changes alter the wind-to-power mapping, limiting the adaptability of fixed physical formulations across different wind farms and operational conditions.
CN · 翻译
现有风电预测方法可分为物理驱动与数据驱动两类。物理模型通过物理约束和结构化归纳偏置给出可靠的功率预测，但难以捕捉局部内生因素（如地形诱导的环流和风电场运行状态）。如图 2 所示，风机可能在三种状态间切换：停机（出力为零）、正常运行（功率服从物理风速响应）、弃风（出力被刻意限制在可发功率之下）。这些隐状态变化改变了「风→功率」的映射，限制了固定物理公式在不同风场和运行条件下的适应性。

③ 挑战一：既要通用物理规律，又要逐站点校准

EN · 原文
First, estimating power generation potential requires balancing universal physical principles with site-specific adaptation. Wind power generation follows physical relationships that provide reusable structure across wind farms. However, real-world generation potential is also shaped by site-specific factors, such as local environmental effects, that are often unobserved. Existing fixed physical formulas may be too rigid to capture site-dependent wind-to-power responses, whereas unconstrained data-driven methods may overfit noisy site-specific correlations or violate physical principles. Therefore, an effective physical prior should preserve wind-energy physics while enabling site-level calibration under appropriate constraints.
CN · 翻译
第一，估计发电潜力需要在普适物理原理与站点特定适应之间取得平衡。风电遵循的物理关系提供了跨风场可复用的结构；但真实发电潜力还受站点特定因素（如常不可观测的局部环境影响）塑造。固定物理公式可能太死板，难以刻画随站点变化的功率响应；而无约束的数据驱动方法又可能过拟合含噪的站点相关性、甚至违反物理原理。因此，一个有效的物理先验应既保留风能物理规律，又能在适当约束下做站点级校准。

④ 挑战二：预测实际出力必须建模「看不见的未来状态」

EN · 原文
Second, predicting realized power requires modeling the effects of unobservable, time-varying future operational states. Even when the physical generation potential is similar, the actual output may differ due to different latent states like shutdown or curtailment. These dynamic states are often unobservable at forecasting time and are entangled with meteorological variation. Meanwhile, existing hidden-state-aware methods typically infer hidden states directly from historical sequences, making it difficult to distinguish true changes in physically available power from hidden-state interventions. As a result, they may average over multiple states and fail to capture abrupt transitions or abnormal dynamics. This motivates the inference of future states and the design of state-specific dependency correction.
CN · 翻译
第二，预测实际功率需要建模不可观测、时变的未来运行状态的影响。即使物理发电潜力相似，实际出力也会因停机、弃风等不同隐状态而不同。这些动态状态在预测时刻往往不可观测，并与气象变化纠缠在一起。而现有「隐状态感知」方法通常直接从历史序列推断隐状态，难以区分「物理可发功率的真实变化」与「隐状态的干预」，结果可能把多个状态平均掉，捕捉不到突变或异常动态。这促使我们去推断未来状态、设计按状态定制的依赖修正。
💡 这是全文最有味道的一句：“Therefore, this task should be viewed as a future-meteorology-conditioned power realization forecasting problem.”——风电预测的第一性原理不是「用历史猜未来」，而是「给定未来气象，功率会实现成什么样」。先把问题定义对，再谈模型。

五、论文贡献（3 个要点）

EN · 原文
1. A physics-informed state-routing model. We propose UniWind, a physics-informed state-routing model for day-ahead wind power forecasting that explicitly factorizes the forecasting process into meteorology-driven physical power potential and state-dependent realized generation.
CN · 翻译
1. 物理信息状态路由模型。提出 UniWind——一个日前风电功率预测模型，它把预测过程显式分解为「气象驱动的物理发电潜力」与「依赖状态的实现发电量」两部分。
EN · 原文
2. A site-calibrated Physical Prior Estimator. We develop a site-calibrated Physical Prior Estimator that learns an available-power prior by combining shared wind-energy structure with site-conditioned monotone calibration and physical upper-bound regularization.
CN · 翻译
2. 逐站点校准的物理先验估计器。开发站点校准的物理先验估计器：把共享风能结构与站点条件单调校准及物理上界正则化相结合，学习可发功率先验。
EN · 原文
3. Latent State Encoder and State-aware Power Corrector. We introduce a Latent State Encoder and a State-aware Power Corrector to model unobservable operational states and their effects on wind-farm generation.
CN · 翻译
3. 隐状态编码器与状态感知功率修正器。引入隐状态编码器和状态感知功率修正器，用于建模不可观测的运行状态及其对风电场发电的影响。

六、结论中英对照

EN · 原文
In this paper, we propose UniWind, a day-ahead wind power forecasting model that captures the structured dependency from meteorological conditions to physically available power and realized generation under latent operational states. UniWind first constructs a site-calibrated physical prior through site-conditioned monotone warping, a shared physical power curve, and a physical upper-bound constraint. It then uses a State-aware Power Corrector to transform this available-power prior into final forecasts through knowledge-guided state routing and bounded state-specific correction. Extensive experiments on more than 20 real-world wind-farm datasets demonstrate that UniWind achieves strong full-shot and zero-shot performance and remains effective across diverse operating conditions. We believe that UniWind can promote the safe, economical, and efficient integration of wind power into future low-carbon energy systems.
CN · 翻译
本文提出 UniWind——一个捕捉「气象条件 → 物理可发功率 → 隐状态下的实现发电」结构化依赖的日前风电功率预测模型。UniWind 先通过站点条件单调校准、共享物理功率曲线和物理上界约束构造逐站点校准的物理先验；再用状态感知功率修正器，通过知识引导的状态路由和有界的状态特定修正，把可发功率先验转化为最终预测。20 多个真实风场数据集上的大量实验表明，UniWind 在全样本和零样本场景下都表现强劲，且在各种运行条件下保持有效。我们相信 UniWind 能促进风电安全、经济、高效地融入未来的低碳能源系统。
EN · 原文
Like other NWP-driven day-ahead forecasting methods, UniWind still relies on the quality of NWP inputs. However, the proposed site-calibrated physical prior and state-aware correction help mitigate this dependence. Future work will explore the integration of additional meteorological observations to better capture local weather dynamics and further improve forecasting reliability.
CN · 翻译
与其他由数值天气预报（NWP）驱动的日前预测方法一样，UniWind 仍然依赖 NWP 输入的质量。不过，所提出的站点校准物理先验和状态感知修正有助于缓解这种依赖。未来工作将探索融入更多气象观测，以更好地捕捉局地天气动态，进一步提升预测可靠性。

七、编者解读：这篇论文到底讲了什么（大白话版）

  1. 问题：风电场的实际出力不只是「风速→功率」这么简单——风机会停机、会被调度限功率（弃风）。这些「看不见的状态」让模型分不清：「功率低了，是风变小了，还是被限电了？」
  2. 做法：UniWind 把预测拆成两步——第一步用「共享物理功率曲线 + 逐站点单调校准」算出物理上能发多少电（物理先验），并把它当作实际出力的上界；第二步用隐状态编码器从「先验与实际功率的偏差」里识别运行状态，再用状态感知修正器把先验转成最终预测。
  3. 结果：在 20+ 个真实风场数据集上，全样本（full-shot）和跨风场零样本（zero-shot）都表现好——说明它学到的是「可迁移的物理规律」，而不是死记某个风场的数据。
  4. 最值钱的观点：预测问题可以「解耦」——把「物理可发功率」和「状态引起的偏差」分开建模，比一个大黑箱模型更稳健、更可解释。论文还坦承「依赖 NWP 质量」这个边界，不吹牛。
  5. 工程意义：对调度员来说，知道「风场是不是在弃风/停机」直接影响市场竞价和储能安排；这种带状态的预测能帮电网更好地安排备用和消纳。
🎯 对保研的启示：这篇论文示范了顶级科研的「问题分解」思路——把复杂现象拆成「物理部分 + 状态部分」分别建模。复试时若能讲出「我如何把问题拆开、每块用什么方法、边界在哪」，比堆砌模型名词更能打动导师。

八、给准大一的阅读路线图 & 延伸方向

📖 怎么读这篇论文（三遍法）

  1. 第一遍（10 分钟）：只读摘要和术语表，回答三个问题——问题是什么？方法是什么？结果是什么？
  2. 第二遍（20 分钟）：读引言 + 结论，重点体会「为什么要把物理和状态分开建模」以及「结论的边界（依赖 NWP）」。
  3. 第三遍（30 分钟）：读方法文字部分（物理先验估计器、隐状态编码器、状态感知修正器），跳过所有公式和编号，只看文字描述；遇到不懂的术语回查术语表。

🚀 这个方向你能延伸做什么

九、英文摘要朗读（练听力用）

先盲听一遍→再看对照稿→再听一遍。目标是听出每个数字（more than 20 个数据集）和术语（physical prior、state routing、curtailment）。