中國儲能網訊：近日，國家發(fā)改委、國家能源局聯合發(fā)布《關于推進“人工智能+”能源高質量發(fā)展的實施意見》（以下簡稱《意見》）。記者注意到，《意見》特別提到“人工智能+新能源”典型應用場景：針對新能源出力波動性與間歇性問題，加快在高精度功率預測、電力市場、場站智慧運營、新能源規(guī)劃、項目后評價等方向的人工智能應用，持續(xù)推動新能源關鍵材料及產品不斷迭代和創(chuàng)新，推動復雜場景及轉折性天氣下功率預測大模型在更小尺度、更高精準度方向發(fā)展，支撐廣域新能源資源協同優(yōu)化，促進偏遠地區(qū)新能源場站智能運維發(fā)展，打造“氣象預測+功率預測+智慧交易+智能運維”一體化新能源智能生產模式，全力支撐新能源穩(wěn)定供給。
記者從第十九屆中國新能源國際論壇上了解到，AI技術與新能源產業(yè)的深度融合，可為實現清潔、低碳、可持續(xù)的能源未來提供堅實的技術支撐。從新能源生產到調度，再到管理等各環(huán)節(jié)，AI帶來效率提升、成本降低與模式創(chuàng)新。業(yè)內專家認為，盡管面臨諸多挑戰(zhàn)，但隨著技術的不斷進步與完善，AI必將在新能源領域發(fā)揮更大作用。
■■提升新能源功率預測水平是關鍵
近幾年，隨著新能源發(fā)電占比不斷提高，快速消耗電力系統(tǒng)靈活調節(jié)資源，其間歇性、隨機性、波動性特點使得系統(tǒng)調節(jié)難度增加，系統(tǒng)平衡和安全問題更加突出。
“持續(xù)提升新能源功率預測水平，是保障新型電力系統(tǒng)安全穩(wěn)定運行和促進新能源高效消納的關鍵?！敝袊娏茖W研究院總工程師、可再生能源并網全國重點實驗室主任王偉勝說，新能源功率預測不僅為電網實時調度提供關鍵決策依據，也是新能源參與電力市場交易的重要報價基礎，直接影響發(fā)電企業(yè)的經濟效益與風險控制能力，是推動能源綠色低碳轉型的重要技術支撐。
面對極端天氣時，新能源發(fā)電出力常像過山車一樣急劇波動。
記者了解到這樣一組數據——以山東為例，全省新能源總裝機超過1億千瓦。國網山東省電力公司調度中心數據顯示，2023年底寒潮期間，僅一天半時間山東電網的風電出力就由1800萬千瓦下降至50萬千瓦，下降幅度高達97%。當年8月4日—5日，山東出現暴雨天氣，一天內風電光伏最高出力由4300萬千瓦降至2800萬千瓦。
對此，業(yè)內專家表示，盡可能準確預測新能源發(fā)電功率，是保證電力系統(tǒng)安全的前提之一。傳統(tǒng)預測手段在正常天氣條件下準確率相對穩(wěn)定，但在重大轉折性天氣和持續(xù)性極端天氣條件下預測準確率面臨更多挑戰(zhàn)。預測偏差如果過大，會極大地影響電力平衡和電力供應的可靠性，甚至給電力系統(tǒng)帶來不可挽回的損失。
■■大模型平臺助巡檢效率提升6—10倍
據業(yè)內人士反映，在企業(yè)生產場景下，新能源場站普遍存在分散管理的情況，安全生產管理及運行監(jiān)控難度較高，傳統(tǒng)人工巡查存在響應滯后、覆蓋不全等問題，需要建設統(tǒng)一管控平臺，推動向集約化、智能化、標準化邁進。
如何通過云邊協同和大小模型協同，集中管控新能源場站，在提升端到端預警精度的同時大幅降低應用成本？
“我們亟需利用現有的智能攝像頭、無人機、設備傳感器、定位設備等，全面感知實際生產情況，并基于AI服務生產運行，構建AI模型訓練與應用能力，提高監(jiān)管效能并及時發(fā)現問題。”某風電公司相關負責人說。
針對這種情況，百度智能云一見產品部副總經理呼嘯告訴《中國能源報》記者，該公司通過建設風電大模型平臺，有效整合計算資源、數據資源和應用資源。同時，構建統(tǒng)一大模型應用平臺，包括CV大模型、多模態(tài)大模型、科學計算大模型和相關平臺管理工具，最終讓上述風電企業(yè)做到集中管控全國200余家風電場、1.2萬臺風機，監(jiān)控人效提升300%，模型分析準確率達到95%以上，響應效率由小時級提升到分鐘級，巡檢效率提升6—10倍。
■■數據質量仍是基礎
事實上，現階段能源與AI的結合還普遍處于初級層面的能源供應結合階段，或者僅僅支持預防性維護等預警功能。在未來深度整合的應用場景下，還有更多深入應用潛力和挖掘價值。
不過，數據質量問題仍是影響AI與新能源進一步融合發(fā)展的關鍵問題。新能源行業(yè)數據來源廣泛、格式多樣，數據的準確性、完整性與一致性難以保證，影響AI模型的訓練效果與預測精度。
“數據質量直接決定了大模型的預測效果，當前還存在氣象數據和新能源運行數據時空不匹配問題。氣象方面相關行業(yè)有多年的歷史積累，但是新能源相關數據和氣象數據不對稱。”王偉勝說，對此，可以通過生成式模型，學習已有的新能源運行數據規(guī)律，實現多年歷史功率預測的生成。
也有業(yè)內人士分析，未來“AI+新能源”深度融合的同時，也帶來數據和網絡安全的全面深度融合。數據不僅僅是一組躺在硬盤的數據，而是可以隨時發(fā)現問題并可能帶來嚴重安全隱患的新型“生產力”。
此外，算力成本也是一大挑戰(zhàn)，AI算法對算力要求極高，尤其是在處理大規(guī)模新能源數據時，高昂的算力成本限制了AI技術的大規(guī)模應用。
據王偉勝預測，今后，隨著“人工智能+新能源”的發(fā)展，打造“氣象預測+功率預測+智慧交易+智能運維”一體化新能源智能生產模式，通過準確預測新能源出力，優(yōu)化新能源在電力系統(tǒng)中的調度和分配，可進一步提高新能源在能源結構中的占比，減少對傳統(tǒng)化石能源的依賴，進而降低碳排放。
