摘要
电网运营商在调度风电出力时，会依据预测分布的宽度作出决策，而基于扩散模型的预测器在风电基准测试中已展现出强劲的预测精度。然而，这种精度往往依赖于每个预测成员上百次评估的采样链，已有实现方案在每个风电场产生数秒级延迟，而调度周期仅为数分钟；与此同时，从这样的采样链中蒸馏出的单步学生模型却能将成员集中到比自身误差更窄的分布范围内。本文提出Consist-Wind，一种单步概率型风电功率预测器。一个冻结的确定性骨干网络提供条件上下文；基于数值天气预报（NWP）残差的教师扩散模型被蒸馏为单步一致性学生模型，每个成员仅需一次函数评估，同时一个稳定化的偏移对数几率变换将生成的成员映射至物理功率范围。第四阶段通过以连续排序概率得分（CRPS）为目标训练学生模型的集成来对其进行校准，从而恢复分布宽度并提升单步预测的精度。在每次更新进行评估时，CRPS的成对形式主导了训练开销，因此采用其排序秩形式，时间复杂度为准线性、空间复杂度为线性。校准的成本通过可扩展的集成校准原理与集成宽度解耦，目标函数基于次序统计量，在核函数启动限制内采用查询分块注意力（QCA），从而使整个流程可在单设备上完成训练与推理，计算资源需求有限。在GEFCom2014-W、SDWPF和GEFCom2012-W上的实验中，Consist-Wind取得了最低的CRPS，比最强复现基线低3.1%，将蒸馏学生模型的校准误差降低45%，在0.03毫秒内完成一次预测，相较于复现的多步参考实现实现约66倍的加速，并将评估成对罚项所需的内存降低98%，在评估设备上支持500成员的校准集成。在有限计算预算内训练出的这种精度的分布预测，使普通硬件上的运营商能够实现不确定性感知调度。
