【摘要】

風(fēng)光發(fā)電受自然環(huán)境影響，存在顯著間歇性和波動性特征，發(fā)用電的不匹配將對電網(wǎng)的穩(wěn)定性產(chǎn)生較大沖擊，造成巨大經(jīng)濟損失。隨著新能源裝機規(guī)模快速提升，電網(wǎng)的穩(wěn)定性受到更大挑戰(zhàn)，新能源發(fā)電功率預(yù)測需求提升。

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

(相關(guān)資料圖)

根據(jù)沙利文發(fā)布的數(shù)據(jù)，2019年我國新能源發(fā)電功率預(yù)測行業(yè)市場規(guī)模為6.34億元，預(yù)計2024年市場規(guī)模將達到13.41億元，2019-2024年新能源發(fā)電功率預(yù)測市場規(guī)模的復(fù)合增速高達16.2%，新能源功率預(yù)測具備廣闊成長空間。

國內(nèi)外光伏功率預(yù)測軟件研究深入前沿，機構(gòu)相關(guān)服務(wù)應(yīng)用成熟穩(wěn)健。國內(nèi)目前關(guān)于光伏功率領(lǐng)域的研究稍滯后于歐美發(fā)達國家，仍處于積極探索階段。如中國電力科學(xué)研究院電工所開發(fā)的針對光伏功率預(yù)測和光伏系統(tǒng)設(shè)計的軟件中，光伏功率預(yù)測已開始應(yīng)用于電力系統(tǒng)運行；國家電網(wǎng)D5000系統(tǒng)的新能源監(jiān)測與調(diào)度高級應(yīng)用中均已包含光伏功率預(yù)測功能模塊等。

國外對風(fēng)電功率預(yù)測軟件的研究較早，技術(shù)也相對成熟，比如丹麥開發(fā)的Zephry系統(tǒng)、德國的WPM系統(tǒng)、西班牙的Local Pred-Regio Pred系統(tǒng)等。

目前大部分預(yù)測系統(tǒng)都采用組合方法進行預(yù)測：

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

2）統(tǒng)計方法：是根據(jù)系統(tǒng)觀測到的風(fēng)速或風(fēng)電功率歷史數(shù)據(jù)，通過曲線擬合、參數(shù)估計等方法，建立系統(tǒng)輸入與輸出的線性或非線性映射關(guān)系，從而對未來風(fēng)電功率的輸出趨勢做出預(yù)測，常見的方法有時間序列法、回歸分析法、聚類分析法、灰色預(yù)測法等。與物理模型相比，統(tǒng)計學(xué)模型更容易建模。

3）元啟發(fā)式：本質(zhì)是對生物的作息規(guī)律進行模擬，采用某種學(xué)習(xí)算法，通過對大量的輸入數(shù)據(jù)進行訓(xùn)練，提取輸入（預(yù)測條件）與輸出（待預(yù)測的物理量）的關(guān)系。如常見的人工神經(jīng)網(wǎng)絡(luò)、支持向量機、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)表達式，而是通過訓(xùn)練獲得風(fēng)速或風(fēng)電功率的預(yù)測模型。

國外風(fēng)電功率預(yù)測系統(tǒng)梳理：歐美地區(qū)

國內(nèi)風(fēng)電功率預(yù)測系統(tǒng)梳理：包含中國電科院、氣象局、中科伏瑞、湖北氣象局

基于不同時空尺度，大多數(shù)預(yù)測系統(tǒng)采取相應(yīng)的預(yù)測方式：

1）超短期預(yù)測（0-6h）：主要采用統(tǒng)計、物理混合方法，根據(jù)地球同步衛(wèi)星拍攝的衛(wèi)星云圖推測云層運動情況，預(yù)測到達地面的輻照強度，通過太陽輻照強度與功率轉(zhuǎn)換效率模型，從而對功率進行預(yù)測。一般用于光伏發(fā)電控制、電能質(zhì)量評估及光伏電站組件部分的研發(fā)。

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

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

國內(nèi)、國外光伏預(yù)測系統(tǒng)梳理：包含國能日新、國電南瑞、木聯(lián)能、悠闊電氣

他山之石

接下來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)運營商Del Sur合作，致力于研究可再生能源可以實現(xiàn)的預(yù)測質(zhì)量及其對電力調(diào)度、電網(wǎng)整合和系統(tǒng)運營的有用性。2019年EM公司憑借其IT平臺Future Power Flow獲得IEC加速器計劃的支持，并首次引入智能電網(wǎng)規(guī)劃等模式，推進數(shù)字能源轉(zhuǎn)型。

2021年，EM公司分拆為三家子公司以應(yīng)對數(shù)字能源轉(zhuǎn)型浪潮，其中風(fēng)光發(fā)電功率預(yù)測以及國際能源市場的咨詢服務(wù)的業(yè)務(wù)領(lǐng)域?qū)⒗^續(xù)由EM公司負責(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Future Power Flow為電網(wǎng)運營商提供智能解決方案。

Energy&Meteo業(yè)務(wù)發(fā)展復(fù)盤，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)運營商，200多家客戶，預(yù)測了全球50%以上的風(fēng)力發(fā)電以及40%以上的太陽能發(fā)電功率。能夠?qū)崿F(xiàn)每天為6大洲的客戶提供數(shù)百萬個預(yù)測數(shù)據(jù)集服務(wù)。

EM公司業(yè)務(wù)類型齊全，客戶質(zhì)量高

1）在發(fā)電功率預(yù)測領(lǐng)域：為客戶提供個性化的風(fēng)能和太陽能精確預(yù)測、電網(wǎng)負荷預(yù)測、營銷和電網(wǎng)整合服務(wù)。

2）在虛擬電廠領(lǐng)域：基于SAAS整合vRE和DER，以進行電力監(jiān)測、遠程控制、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，幫助電網(wǎng)運營商進行電力市場阻塞管理和流程優(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)測技術(shù)領(lǐng)先。

依靠其精準的Previento和Suncast預(yù)測系統(tǒng)，EM公司能實現(xiàn)全球任何陸上和海上站點的可靠預(yù)測，時間范圍從未來5分鐘到15天不等，在近期德國北部海岸的風(fēng)能項目中，EM公司預(yù)測誤差率平均在5％以內(nèi)。

此外，其預(yù)測模型也將極端情況納入考慮，包括霧、雪、沙塵、冷鋒、對流天氣等。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)測借助于模型歷史性能的質(zhì)量來確定最佳統(tǒng)計權(quán)重，便于與其他提供商的預(yù)測模型相結(jié)合

系數(shù)的確定可以自動地或手動地進行。通過額外的短期校正，還可以對模型組合學(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。

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

多種可視化途徑帶來使用的便利性。通過預(yù)測和測量時間序列數(shù)據(jù)可以以多種方式可視化，并分組到各個概覽屏幕及儀表板中，以及地圖和散點圖形式，相關(guān)的數(shù)據(jù)還可以通過客戶門戶導(dǎo)出和下載。

AI時代展望：氣象大模型破局，大幅提升預(yù)測速度及精度

隨著AI的迅速發(fā)展，基于人工智能的預(yù)測模型具有諸多優(yōu)點，為當(dāng)前主流研究領(lǐng)域。針對電力行業(yè)屬性，AI+電力是提升效率，解決痛點問題的有效手段，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有望最先在哪些細分行業(yè)和公司落地。

相比物理建模、時間序列建模等傳統(tǒng)方法，基于AI的預(yù)測模型對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?。荒Ｐ偷妮斎胩卣饕嗫伸`活構(gòu)建；結(jié)合智能優(yōu)化算法還可進行參數(shù)自動尋優(yōu)，進一步省去了人工調(diào)參的工作量。

基于AI的新能源功率預(yù)測技術(shù)框架圖

2021年，Google旗下的AI實驗室Deep Mind與英國氣象學(xué)家合作創(chuàng)建了一個模型，比當(dāng)前系統(tǒng)更適合進行短期預(yù)測，一方面，當(dāng)前的天氣預(yù)報主要由數(shù)值天氣預(yù)報系統(tǒng)（NWP）驅(qū)動，但NWP很難為2小時內(nèi)的臨近時間生成高分辨率預(yù)測；另一方面，近年來已有幾種基于機器學(xué)習(xí)的氣候預(yù)測方法被開發(fā)出來，這些方法雖然能準確預(yù)測低強度降雨，但在罕見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年英國雷達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英偉達V100GPU上運行僅一秒多后提供臨近預(yù)報。同時它還能夠預(yù)測難以跟蹤的天氣事件，以及準確預(yù)測降水的位置。通過50多位氣象專家的系統(tǒng)評估，與其他兩種競爭方法相比，Deep Mind的生成模型以89%的絕對優(yōu)勢在準確性和實用性兩方面排名第一。

華為云盤古氣象模型預(yù)測精度首超傳統(tǒng)數(shù)值預(yù)報方法，破局中長期氣象預(yù)測難題。

中長期氣象預(yù)測準確率往往較低，傳統(tǒng)數(shù)值預(yù)報將氣象監(jiān)測數(shù)據(jù)代入數(shù)學(xué)物理方程式進行預(yù)測，難以改變中長期氣象預(yù)測的困境。

盤古氣象大模型是首個精度超過傳統(tǒng)數(shù)值預(yù)報方法的AI預(yù)報方法，預(yù)測精度在1小時到7天內(nèi)均高于傳統(tǒng)數(shù)值方法（歐洲氣象中心的operational IFS），同時能夠提供秒級全球氣象預(yù)報，包括位勢、濕度、風(fēng)速、溫度、海平面氣壓等，預(yù)測速度提高10000倍以上，臺風(fēng)軌跡預(yù)測準確度世界第一，相比歐洲氣象局提升約20%，并且可實現(xiàn)20公里范圍內(nèi)、小時級、13層最高精度氣象預(yù)報，如臺風(fēng)生成時間與移動軌跡預(yù)測的預(yù)測準確率超過85%。

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

小結(jié)

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

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

能否解決長期痛點問題：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)動態(tài)平衡，而新能源裝機比例上升無疑加大了電力調(diào)度與消納的難度，因此若AI加持能有效解決消納相關(guān)細分環(huán)節(jié)的痛點問題，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：大模型需要通過海量數(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)安全性問題，部分信息不便用于大規(guī)模公開訓(xùn)練，因此若某一細分環(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)實踐：電網(wǎng)多個應(yīng)用場景較早地應(yīng)用了AI技術(shù)，例如輸變電線路運維和巡檢方面，2011年開始，部分企業(yè)就已開展了通過AI對電力設(shè)備外表缺陷進行識別、預(yù)測、跟蹤運行等研究探索。

已有華為等廠商開發(fā)出行業(yè)相關(guān)大模型：例如華為盤古CV視覺大模型，已在L2 級細分場景上，推出基于電力大模型的無人機電力巡檢、電力缺陷識別等場景模型。

參考資料：

20230505-國金證券-電力設(shè)備與新能源行業(yè)研究：AI+電力場景明晰，新能源功率預(yù)測及電網(wǎng)運維有望率先落地

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

20230529-國金證券-國能日新-功率預(yù)測基本盤穩(wěn)健，電力市場交易、儲能、虛擬電廠齊頭并進

20230225-德邦證券-強化電網(wǎng)安全風(fēng)險管控，風(fēng)光功率預(yù)測重要性逐步凸顯

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