没有一种算法能包打天下：AI助力新能源功率预测

eo记者 江涛

编辑 刘斌

审核 姜黎

近年来，新能源装机规模不断增长。由于新能源的随机性、波动性和间歇性，其功率预测单点偏差大的问题日益凸显。同时，极端天气频发也对新能源功率预测精度提出更高要求。提高气象预测和新能源功率预测精度，可以更好地应对新能源对电网稳定运行带来的挑战，增强电网的调度能力和运行效率。

近期，在由中国南方电网有限责任公司主办，博鳌新型电力系统协会承办的第五届新型电力系统国际论坛暨第二十届中国南方电网国际技术论坛——人工智能服务新能源功率预测及新型电力系统发展分论坛上，多位嘉宾分享了人工智能（以下简称“AI”）在电力行业的应用场景和前沿技术。与会嘉宾表示，新能源功率预测受天气、地理等多种因素影响，可以采用组合模型提高预测精确度，未来应构建适应新型电力系统的新能源功率预测价值生态圈，推动AI技术在电力行业的应用。

近年来，AI技术持续发展，在电力领域得到应用。华为中国政企电⼒系统部总经理李继光表示，AI在电力行业四大领域的应用将促进行业的创新：

第一是电力资产的管理和智能化运维。通过预测大模型算法和历史运行大数据全面分析，结合应用声纹识别等技术，能够准确掌握电力设备状态，及时预警，提高电力系统的可靠性和安全性。

第二是新能源的消纳。主要通过风力、光照、水位等气象精准预测，评估新能源发电量，解决新能源发电预测精度低和装机占比高等关键问题。

第三是新兴负荷的感知与预测。主要通过对用电用户行为的分析，挖掘多重影响因子，融合气象、假日等信息，训练模型，从而实现全网用电负荷预测。

第四是电网安全稳定运行。根据科学计算大模型，快速计算求解海量调度潮流，判断电网震荡模式的稳定性。

据阿里巴巴达摩院决策智能实验室研究员彭冰清介绍，AI在气象预报领域有多种应用场景：一是结合实测/再分析数据和区域地形数据对数值天气预报（Numerical Weather Prediction，通过数值模型来预测天气和相关变量如温度、湿度、风速等随时间变化的模型）进行订正，提升预报精度；二是使用图像超分技术对网格天气预报降尺度（通过统计方法将高分辨率的天气预报值降尺度到低分辨率的区域或站点），提升关键点位（新能源场站）预报质量；三是关键指标预测和极端天气预测（如降雨、台风、寒潮预测等）。

彭冰清表示，要提高气象预测的精确度，需要构建具有自学习能力的新能源功率预测模型。阿里巴巴达摩院决策智能实验室提出了利用学生AI和教师AI相结合的模型构建思路。学生AI为比较简单的功率预测模型，教师AI进行信息整合、分析并反馈给学生AI。

关于学生AI和教师AI应用，有两个典型案例：

由于我国南方区域地形地貌丰富、气候复杂多变、新能源场站点多面广、基础条件参差不齐，目前南方区域网、省、场站已投入业务化运行的新能源功率预测系统预测精度仍有待提升。各地区新能源难以在全网水平实现有效消纳平衡，需要依托更大范围的时空互济提升新能源预测应用水平。

一方面，现行新能源预测模型适应性差、预测结果可信度不高、极端天气下预测“失灵”等关键共性问题均影响了新能源预测精度。上述挑战使得实现新能源功率精确预测十分困难，对现行新能源功率预测特性的研究分析成为亟待进行的重要工作。

另一方面，近年来分布式光伏装机规模持续增长，由于分布式光伏数量众多，单户装机容量较小，目前并没有完善的数据收集机制。同时，由于分布广泛，在预测其出力时需考虑大范围的太阳辐照度、云量和降水等变化情况。

南方电网科学研究院研究员程铭表示，传统以单一算法为技术路线的新能源功率预测方法难以适应复杂多维场景下的精确预测。集众家所长，探索基于多数据来源、多预测结果的新能源功率组合预测技术是进一步提升新能源短期/超短期预测精度的关键。

南⽅电⽹电⼒调度控制中⼼水电及新能源处主管邓韦斯说：“没有一种算法能在南方区域包打天下。”同一种预测的算法在不同天气条件、不同地区甚至不同类别场站表现差异巨大，需要因地制宜，统筹优化算法模型、数据质量、气象源融合等环节，才能提供更为精准的新能源功率预测，支持资源优化配置以及电力电量平衡。

邓韦斯表示，为促进产学研用各方在电力生产领域深度融合，推动科技成果加快转化为现实生产力，需要构建适应新型电力系统的新能源功率预测价值生态圈，使新能源功率预测技术在不同地区得到普及和应用。以南方电网公司为例，南方电网电力调度控制中心联合南方电网科学研究院构建了新能源功率预测价值生态圈，为新能源功率预测价值生态圈设置开放的测试“入口”，集众家所长，优中选优，吸引更前沿的技术力量投入研究，并打造实用的应用“出口”，支撑区域现货市场正常运转，实现应用落地。