【摘要】

(資料圖片)

風(fēng)光發(fā)電受自然環(huán)境影響，存在顯著間歇性和波動(dòng)性特征，發(fā)用電的不匹配將對(duì)電網(wǎng)的穩(wěn)定性產(chǎn)生較大沖擊，造成巨大經(jīng)濟(jì)損失。隨著新能源裝機(jī)規(guī)?？焖偬嵘娋W(wǎng)的穩(wěn)定性受到更大挑戰(zhàn)，新能源發(fā)電功率預(yù)測(cè)需求提升。

華為云發(fā)布了盤(pán)古氣象大模型，預(yù)測(cè)精度首次超過(guò)傳統(tǒng)數(shù)值方法，速度提升10000倍。

根據(jù)沙利文發(fā)布的數(shù)據(jù)，2019年我國(guó)新能源發(fā)電功率預(yù)測(cè)行業(yè)市場(chǎng)規(guī)模為6.34億元，預(yù)計(jì)2024年市場(chǎng)規(guī)模將達(dá)到13.41億元，2019-2024年新能源發(fā)電功率預(yù)測(cè)市場(chǎng)規(guī)模的復(fù)合增速高達(dá)16.2%，新能源功率預(yù)測(cè)具備廣闊成長(zhǎng)空間。

國(guó)內(nèi)外光伏功率預(yù)測(cè)軟件研究深入前沿，機(jī)構(gòu)相關(guān)服務(wù)應(yīng)用成熟穩(wěn)健。國(guó)內(nèi)目前關(guān)于光伏功率領(lǐng)域的研究稍滯后于歐美發(fā)達(dá)國(guó)家，仍處于積極探索階段。如中國(guó)電力科學(xué)研究院電工所開(kāi)發(fā)的針對(duì)光伏功率預(yù)測(cè)和光伏系統(tǒng)設(shè)計(jì)的軟件中，光伏功率預(yù)測(cè)已開(kāi)始應(yīng)用于電力系統(tǒng)運(yùn)行；國(guó)家電網(wǎng)D5000系統(tǒng)的新能源監(jiān)測(cè)與調(diào)度高級(jí)應(yīng)用中均已包含光伏功率預(yù)測(cè)功能模塊等。

國(guó)外對(duì)風(fēng)電功率預(yù)測(cè)軟件的研究較早，技術(shù)也相對(duì)成熟，比如丹麥開(kāi)發(fā)的Zephry系統(tǒng)、德國(guó)的WPM系統(tǒng)、西班牙的Local Pred-Regio Pred系統(tǒng)等。

目前大部分預(yù)測(cè)系統(tǒng)都采用組合方法進(jìn)行預(yù)測(cè)：

1）物理方法：主要基于物理量進(jìn)行預(yù)測(cè)，比如數(shù)值天氣預(yù)報(bào)得到的風(fēng)速、氣壓、空氣密度等數(shù)據(jù)風(fēng)電場(chǎng)附近的地勢(shì)、等高線、粗糙度等物理信息以及風(fēng)電機(jī)組的輪毅高度、穿透系數(shù)等技術(shù)參數(shù)，其目的是找到風(fēng)電機(jī)組輪轂高度處的風(fēng)速最優(yōu)估計(jì)值，根據(jù)風(fēng)電機(jī)組或風(fēng)電場(chǎng)的功率曲線轉(zhuǎn)換為風(fēng)電場(chǎng)的輸出功率。

2）統(tǒng)計(jì)方法：是根據(jù)系統(tǒng)觀測(cè)到的風(fēng)速或風(fēng)電功率歷史數(shù)據(jù)，通過(guò)曲線擬合、參數(shù)估計(jì)等方法，建立系統(tǒng)輸入與輸出的線性或非線性映射關(guān)系，從而對(duì)未來(lái)風(fēng)電功率的輸出趨勢(shì)做出預(yù)測(cè)，常見(jiàn)的方法有時(shí)間序列法、回歸分析法、聚類(lèi)分析法、灰色預(yù)測(cè)法等。與物理模型相比，統(tǒng)計(jì)學(xué)模型更容易建模。

3）元啟發(fā)式：本質(zhì)是對(duì)生物的作息規(guī)律進(jìn)行模擬，采用某種學(xué)習(xí)算法，通過(guò)對(duì)大量的輸入數(shù)據(jù)進(jìn)行訓(xùn)練，提取輸入（預(yù)測(cè)條件）與輸出（待預(yù)測(cè)的物理量）的關(guān)系。如常見(jiàn)的人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、粒子群優(yōu)化算法、專家系統(tǒng)、遺傳算法等都屬于該范疇。

與統(tǒng)計(jì)學(xué)方法相比，智能方法也需要大量的歷史觀察數(shù)據(jù)，但其不需要得到輸入和輸出之間具體的數(shù)學(xué)表達(dá)式，而是通過(guò)訓(xùn)練獲得風(fēng)速或風(fēng)電功率的預(yù)測(cè)模型。

國(guó)外風(fēng)電功率預(yù)測(cè)系統(tǒng)梳理：歐美地區(qū)

國(guó)內(nèi)風(fēng)電功率預(yù)測(cè)系統(tǒng)梳理：包含中國(guó)電科院、氣象局、中科伏瑞、湖北氣象局

基于不同時(shí)空尺度，大多數(shù)預(yù)測(cè)系統(tǒng)采取相應(yīng)的預(yù)測(cè)方式：

1）超短期預(yù)測(cè)（0-6h）：主要采用統(tǒng)計(jì)、物理混合方法，根據(jù)地球同步衛(wèi)星拍攝的衛(wèi)星云圖推測(cè)云層運(yùn)動(dòng)情況，預(yù)測(cè)到達(dá)地面的輻照強(qiáng)度，通過(guò)太陽(yáng)輻照強(qiáng)度與功率轉(zhuǎn)換效率模型，從而對(duì)功率進(jìn)行預(yù)測(cè)。一般用于光伏發(fā)電控制、電能質(zhì)量評(píng)估及光伏電站組件部分的研發(fā)。

2）短期預(yù)測(cè)（6h-1d）：主要以NWP（天氣預(yù)報(bào)信息）數(shù)據(jù)為主，通過(guò)建立歷史輸入數(shù)據(jù)與歷史輸出功率的映射關(guān)系，進(jìn)而獲得光伏電站輸出功率的預(yù)測(cè)值。一般用于電力系統(tǒng)的功率平衡和經(jīng)濟(jì)調(diào)度、日前發(fā)電計(jì)劃制定、電力市場(chǎng)交易、暫態(tài)穩(wěn)定評(píng)估等。

3）中長(zhǎng)期預(yù)測(cè)（1月-1年）：主要是根據(jù)地區(qū)歷史光資源數(shù)據(jù)等估計(jì)未來(lái)較長(zhǎng)時(shí)間段內(nèi)的光伏功率，多用于系統(tǒng)的檢修安排、發(fā)電量的預(yù)測(cè)等。

國(guó)內(nèi)、國(guó)外光伏預(yù)測(cè)系統(tǒng)梳理：包含國(guó)能日新、國(guó)電南瑞、木聯(lián)能、悠闊電氣

他山之石

接下來(lái)我們梳理一家老牌智慧能源解決方案供應(yīng)商——Energy&Meteo公司。

EM公司成立于2004年，2015年虛擬電廠業(yè)務(wù)上市，2017年與配電網(wǎng)運(yùn)營(yíng)商Del Sur合作，致力于研究可再生能源可以實(shí)現(xiàn)的預(yù)測(cè)質(zhì)量及其對(duì)電力調(diào)度、電網(wǎng)整合和系統(tǒng)運(yùn)營(yíng)的有用性。2019年EM公司憑借其IT平臺(tái)Future Power Flow獲得IEC加速器計(jì)劃的支持，并首次引入智能電網(wǎng)規(guī)劃等模式，推進(jìn)數(shù)字能源轉(zhuǎn)型。

2021年，EM公司分拆為三家子公司以應(yīng)對(duì)數(shù)字能源轉(zhuǎn)型浪潮，其中風(fēng)光發(fā)電功率預(yù)測(cè)以及國(guó)際能源市場(chǎng)的咨詢服務(wù)的業(yè)務(wù)領(lǐng)域?qū)⒗^續(xù)由EM公司負(fù)責(zé)；與虛擬電廠相關(guān)的業(yè)務(wù)由emsys VPP GmbH管理；emsys grid services GmbH則借助IT平臺(tái)Future Power Flow為電網(wǎng)運(yùn)營(yíng)商提供智能解決方案。

Energy&Meteo業(yè)務(wù)發(fā)展復(fù)盤(pán)，始終致力于可再生能源的整合

EM公司至今已經(jīng)覆蓋了全球20多家電網(wǎng)運(yùn)營(yíng)商，200多家客戶，預(yù)測(cè)了全球50%以上的風(fēng)力發(fā)電以及40%以上的太陽(yáng)能發(fā)電功率。能夠?qū)崿F(xiàn)每天為6大洲的客戶提供數(shù)百萬(wàn)個(gè)預(yù)測(cè)數(shù)據(jù)集服務(wù)。

EM公司業(yè)務(wù)類(lèi)型齊全，客戶質(zhì)量高

1）在發(fā)電功率預(yù)測(cè)領(lǐng)域：為客戶提供個(gè)性化的風(fēng)能和太陽(yáng)能精確預(yù)測(cè)、電網(wǎng)負(fù)荷預(yù)測(cè)、營(yíng)銷(xiāo)和電網(wǎng)整合服務(wù)。

2）在虛擬電廠領(lǐng)域：基于SAAS整合vRE和DER，以進(jìn)行電力監(jiān)測(cè)、遠(yuǎn)程控制、電力貿(mào)易和需求側(cè)管理等。

3）在電網(wǎng)管理領(lǐng)域，基于“Future Power Flow IT”平臺(tái)，幫助電網(wǎng)運(yùn)營(yíng)商進(jìn)行電力市場(chǎng)阻塞管理和流程優(yōu)化管理。在咨詢研究領(lǐng)域，主要為VRE入網(wǎng)提供咨詢服務(wù)，服務(wù)客戶包括AEMO、mprion、Avacon等電力行業(yè)巨頭。

EM公司在全球已服務(wù)500GW的風(fēng)光電站，功率預(yù)測(cè)技術(shù)領(lǐng)先。

依靠其精準(zhǔn)的Previento和Suncast預(yù)測(cè)系統(tǒng)，EM公司能實(shí)現(xiàn)全球任何陸上和海上站點(diǎn)的可靠預(yù)測(cè)，時(shí)間范圍從未來(lái)5分鐘到15天不等，在近期德國(guó)北部海岸的風(fēng)能項(xiàng)目中，EM公司預(yù)測(cè)誤差率平均在5％以內(nèi)。

此外，其預(yù)測(cè)模型也將極端情況納入考慮，包括霧、雪、沙塵、冷鋒、對(duì)流天氣等。其他影響電力生產(chǎn)的因素也被考慮在內(nèi)，例如風(fēng)暴或自然生物造成的停工。

元預(yù)測(cè)借助于模型歷史性能的質(zhì)量來(lái)確定最佳統(tǒng)計(jì)權(quán)重，便于與其他提供商的預(yù)測(cè)模型相結(jié)合

系數(shù)的確定可以自動(dòng)地或手動(dòng)地進(jìn)行。通過(guò)額外的短期校正，還可以對(duì)模型組合學(xué)中與天氣相關(guān)的變化做出最佳反應(yīng)，這也使得在困難的天氣條件下能夠獲得高質(zhì)量的預(yù)測(cè)。

即使是四天的長(zhǎng)期預(yù)測(cè)，EM的元預(yù)測(cè)也能夠確保高于平均水平的預(yù)測(cè)質(zhì)量。

多種可視化途徑帶來(lái)使用的便利性。通過(guò)預(yù)測(cè)和測(cè)量時(shí)間序列數(shù)據(jù)可以以多種方式可視化，并分組到各個(gè)概覽屏幕及儀表板中，以及地圖和散點(diǎn)圖形式，相關(guān)的數(shù)據(jù)還可以通過(guò)客戶門(mén)戶導(dǎo)出和下載。

AI時(shí)代展望：氣象大模型破局，大幅提升預(yù)測(cè)速度及精度

隨著AI的迅速發(fā)展，基于人工智能的預(yù)測(cè)模型具有諸多優(yōu)點(diǎn)，為當(dāng)前主流研究領(lǐng)域。針對(duì)電力行業(yè)屬性，AI+電力是提升效率，解決痛點(diǎn)問(wèn)題的有效手段，正如下文應(yīng)用可行性分析框架所列，我們可以多維度的視角，分析判斷AI有望最先在哪些細(xì)分行業(yè)和公司落地。

相比物理建模、時(shí)間序列建模等傳統(tǒng)方法，基于AI的預(yù)測(cè)模型對(duì)于高維非線性樣本空間具有良好的擬合能力；模型參數(shù)基于數(shù)據(jù)訓(xùn)練得到，更容易獲取；模型的輸入特征亦可靈活構(gòu)建；結(jié)合智能優(yōu)化算法還可進(jìn)行參數(shù)自動(dòng)尋優(yōu)，進(jìn)一步省去了人工調(diào)參的工作量。

基于AI的新能源功率預(yù)測(cè)技術(shù)框架圖

2021年，Google旗下的AI實(shí)驗(yàn)室Deep Mind與英國(guó)氣象學(xué)家合作創(chuàng)建了一個(gè)模型，比當(dāng)前系統(tǒng)更適合進(jìn)行短期預(yù)測(cè)，一方面，當(dāng)前的天氣預(yù)報(bào)主要由數(shù)值天氣預(yù)報(bào)系統(tǒng)（NWP）驅(qū)動(dòng)，但NWP很難為2小時(shí)內(nèi)的臨近時(shí)間生成高分辨率預(yù)測(cè)；另一方面，近年來(lái)已有幾種基于機(jī)器學(xué)習(xí)的氣候預(yù)測(cè)方法被開(kāi)發(fā)出來(lái)，這些方法雖然能準(zhǔn)確預(yù)測(cè)低強(qiáng)度降雨，但在罕見(jiàn)的中大雨事件中表現(xiàn)不佳。

Deep Mind的DGM學(xué)習(xí)了數(shù)據(jù)的概率分布，并曾基于2016年至2018年英國(guó)雷達(dá)記錄的大量降水事件數(shù)據(jù)集訓(xùn)練。訓(xùn)練之后它可以在單個(gè)英偉達(dá)V100GPU上運(yùn)行僅一秒多后提供臨近預(yù)報(bào)。同時(shí)它還能夠預(yù)測(cè)難以跟蹤的天氣事件，以及準(zhǔn)確預(yù)測(cè)降水的位置。通過(guò)50多位氣象專家的系統(tǒng)評(píng)估，與其他兩種競(jìng)爭(zhēng)方法相比，Deep Mind的生成模型以89%的絕對(duì)優(yōu)勢(shì)在準(zhǔn)確性和實(shí)用性兩方面排名第一。

華為云盤(pán)古氣象模型預(yù)測(cè)精度首超傳統(tǒng)數(shù)值預(yù)報(bào)方法，破局中長(zhǎng)期氣象預(yù)測(cè)難題。

中長(zhǎng)期氣象預(yù)測(cè)準(zhǔn)確率往往較低，傳統(tǒng)數(shù)值預(yù)報(bào)將氣象監(jiān)測(cè)數(shù)據(jù)代入數(shù)學(xué)物理方程式進(jìn)行預(yù)測(cè)，難以改變中長(zhǎng)期氣象預(yù)測(cè)的困境。

盤(pán)古氣象大模型是首個(gè)精度超過(guò)傳統(tǒng)數(shù)值預(yù)報(bào)方法的AI預(yù)報(bào)方法，預(yù)測(cè)精度在1小時(shí)到7天內(nèi)均高于傳統(tǒng)數(shù)值方法（歐洲氣象中心的operational IFS），同時(shí)能夠提供秒級(jí)全球氣象預(yù)報(bào)，包括位勢(shì)、濕度、風(fēng)速、溫度、海平面氣壓等，預(yù)測(cè)速度提高10000倍以上，臺(tái)風(fēng)軌跡預(yù)測(cè)準(zhǔn)確度世界第一，相比歐洲氣象局提升約20%，并且可實(shí)現(xiàn)20公里范圍內(nèi)、小時(shí)級(jí)、13層最高精度氣象預(yù)報(bào)，如臺(tái)風(fēng)生成時(shí)間與移動(dòng)軌跡預(yù)測(cè)的預(yù)測(cè)準(zhǔn)確率超過(guò)85%。

同時(shí)，盤(pán)古氣象大模型在一張V100顯卡上，只需要1.4秒就能完成24小時(shí)的全球氣象預(yù)報(bào)。

小結(jié)

電力行業(yè)方面，可結(jié)合AI+的應(yīng)用場(chǎng)景包括新能源發(fā)電功率預(yù)測(cè)；電廠BIM智能化設(shè)計(jì)；電網(wǎng)智能調(diào)控和輔助決策；輸電線路智能巡檢、變電站智能運(yùn)檢、配電智能運(yùn)維；虛擬電廠、微電網(wǎng)。

對(duì)應(yīng)這些領(lǐng)域，我們面向行業(yè)主要衡量的維度有：

能否解決長(zhǎng)期痛點(diǎn)問(wèn)題：電網(wǎng)承擔(dān)最主要的功能是維持用電側(cè)與電網(wǎng)側(cè)動(dòng)態(tài)平衡，而新能源裝機(jī)比例上升無(wú)疑加大了電力調(diào)度與消納的難度，因此若AI加持能有效解決消納相關(guān)細(xì)分環(huán)節(jié)的痛點(diǎn)問(wèn)題，相關(guān)政策導(dǎo)向和資金投入將有望向此環(huán)節(jié)傾斜。

行業(yè)數(shù)據(jù)是否具有較低敏感性和安全性風(fēng)險(xiǎn)：大模型需要通過(guò)海量數(shù)據(jù)訓(xùn)練，而電網(wǎng)行業(yè)本身涉及到民生用電與數(shù)據(jù)安全性問(wèn)題，部分信息不便用于大規(guī)模公開(kāi)訓(xùn)練，因此若某一細(xì)分環(huán)節(jié)數(shù)據(jù)敏感性較低或用戶已授權(quán)使用，則大模型將更快接入落地。

行業(yè)是否已較早應(yīng)用布局AI/技術(shù)實(shí)踐：電網(wǎng)多個(gè)應(yīng)用場(chǎng)景較早地應(yīng)用了AI技術(shù)，例如輸變電線路運(yùn)維和巡檢方面，2011年開(kāi)始，部分企業(yè)就已開(kāi)展了通過(guò)AI對(duì)電力設(shè)備外表缺陷進(jìn)行識(shí)別、預(yù)測(cè)、跟蹤運(yùn)行等研究探索。

已有華為等廠商開(kāi)發(fā)出行業(yè)相關(guān)大模型：例如華為盤(pán)古CV視覺(jué)大模型，已在L2 級(jí)細(xì)分場(chǎng)景上，推出基于電力大模型的無(wú)人機(jī)電力巡檢、電力缺陷識(shí)別等場(chǎng)景模型。

參考資料：

20230505-國(guó)金證券-電力設(shè)備與新能源行業(yè)研究：AI+電力場(chǎng)景明晰，新能源功率預(yù)測(cè)及電網(wǎng)運(yùn)維有望率先落地

20230510-中泰證券-國(guó)能日新-以功率預(yù)測(cè)為基，打造新能源信息化產(chǎn)品與服務(wù)矩陣

20230529-國(guó)金證券-國(guó)能日新-功率預(yù)測(cè)基本盤(pán)穩(wěn)健，電力市場(chǎng)交易、儲(chǔ)能、虛擬電廠齊頭并進(jìn)

20230225-德邦證券-強(qiáng)化電網(wǎng)安全風(fēng)險(xiǎn)管控，風(fēng)光功率預(yù)測(cè)重要性逐步凸顯

本報(bào)告由研究助理協(xié)助資料整理，由投資顧問(wèn)撰寫(xiě)。投資顧問(wèn)：于鑫（登記編號(hào)：A0740622030003）