大数跨境

代红才等丨AI+新能源:沿四条主线向“全链条耦合”跃迁

代红才等丨AI+新能源:沿四条主线向“全链条耦合”跃迁 国网能源研究院有限公司
2026-11-17
0



新能源是能源绿色低碳转型的主力。与传统电源不同,风电、光伏发电出力具有间歇性、随机性和波动性,场站布局点多面广,新能源全面参与电力市场后又面临价格波动,不确定性贯穿预测、运维、交易等环节。人工智能(AI)擅长从海量数据中挖掘时序规律,并能对多变量、非线性问题建模寻优,该特性与新能源上述特征高度契合,为破解新能源高质量发展难题提供了新的技术路径。



场景拓展:

人工智能在新能源领域的应用深化

人工智能在新能源领域的应用持续深化,已从运维向出力预测、市场交易等环节延伸。


虽然人工智能在调度运行方面仍以辅助决策为主,但其在运维环节的应用已经较为成熟,已由人工巡检转向智能识别。中国大唐集团数字科技有限公司“苇络AI”系列AI应用通过边缘智能网关同步采集风机振动、声纹、温度和视频数据,在本地完成故障识别,已覆盖10余个省份的新能源场站,累计挽回发电量损失4.5亿千瓦时。意大利国家电力公司(ENEL)与美国光伏数据分析公司RaptorMaps合作,将AI算法嵌入无人机硬件,在机载端识别光伏组件热斑、裂纹、污损并自动生成工单,使缺陷检测时间由天级缩短至小时级。


出力预测环节加快推进,正向多源数据融合预测模式转变。电力气象大模型推动新能源出力预测精度持续提升。华为盘古气象大模型充分考虑大气数据的三维特性,谷歌DeepMind推出的基于机器学习的天气预测模型GraphCast则利用图神经网络模拟天气演变,二者均为功率预测提供了气象预报支撑。国家电网研发的国内首个千亿级多模态电力行业大模型——光明电力大模型,能够提供未来240小时、逐15分钟、空间分辨率最高达1千米的地表辐照度、百米风速等电力生产关键气象要素预报,并结合场站实测数据微调,进一步提升预报精度。ENEL将机器学习嵌入出力预测系统,融合历史发电、实时气象、卫星云图等数据。公开信息显示,其24小时预测准确率达94%。


市场交易环节相关主体加快探索应用,通过自主竞价、编制发电计划等方式参与电力市场交易。日本四国电力公司使用ReNomPower系统,根据电力需求、批发价格和新能源出力自动生成发电计划,周度计划编制及收益验证时间降至原来的一半以下,年收益超过10亿日元。与风电场共址的澳大利亚Hornsdale电池储能电站通过特斯拉Autobidder实时交易与控制平台参与调频等电力市场。


调度运行环节仍以辅助决策为主,主要用于运行风险研判和调度方案优化。北美电力可靠性委员会(NERC)在2024年将人工智能在调度中的应用划分为“主动控制”“副驾驶”“决策支持”三种模式,并强调涉及电网可靠性的操作仍应由调度员掌握最终决策权。澳大利亚新南威尔士州输电网公司(Transgrid)在其2025年运行技术升级方案中优先选择了具备告警分析和决策支持功能的方案,将利用AI自动生成停电与减载预案作为未来探索的方向。



瓶颈待破:

数据、模型、安全与标准四重约束

人工智能与新能源深度融合仍面临一些问题和挑战。


一是高质量专业数据不足。新能源场站积累了大量运行曲线和运维记录,但物理机理类知识规模有限,难以支撑模型从结果拟合走向机理理解。气象、设备、市场等多源异构数据缺乏统一标准,采集、命名、标注规范各异,难以满足高置信度训练要求。同时,数据隐私保护与共享之间的矛盾也较为突出。


二是专用模型能力有待提升。通用大模型缺乏电力专业知识,难以直接用于专业场景。出力预测在极端天气下精度下降明显,模型的稳定性和泛化能力仍需提升,对气象数据中物理规律的挖掘有待加强。同时,机理模型与数据驱动算法融合难度大,例如,在新能源机组宽频振荡仿真中,物理方程与神经网络的耦合误差难以控制。


三是安全防控手段有限。数据偏移、模型漂移可能引发决策偏差,样本投毒、参数篡改等可能使模型输出错误结果,如对训练样本投毒会导致调度策略偏移。目前针对新型攻击风险的模型安全评估、监测预警等体系仍处于起步阶段,缺乏常态化防控机制。


四是标准规范和应用体系尚不健全。新能源领域人工智能应用涉及数据接入、模型开发、测试验证、运行部署等多个环节,目前相关技术标准和应用规范尚不完善。不同厂商的数据接口、模型架构、性能评价和测试方法缺乏统一规范,模型性能和应用效果难以横向比较;针对新能源功率预测、智能运维、辅助调度等具体场景,缺乏统一的模型测试验证、可靠性评价和安全可信认证体系。同时,AI模型从试点验证到规模化推广仍面临工程适配、责任界定和运行管理等问题。



未来趋势:

从单点提效走向全链条系统耦合

未来,AI在新能源领域的应用将不再停留于单点场景提效,而是沿运维、预测、交易、运行四条主线,向全生命周期、全链条耦合跃迁,具体呈现四大趋势。


一是运维层面向全生命周期、自动化演进。运维将从陆上拓展到海上,并向规划设计环节前移。海上风电机组长期运行于高盐雾、高湿度和强随机载荷环境,运维难度大,基于大模型的故障诊断等方法正在加快研究。大型基地和分布式光伏将在自动化巡检的基础上进一步向智能化运维迈进。


二是预测层面向高精度、多场景适配演进。气象大模型与电力时序大模型结合,适应不同气候、地域和场站类型,精准刻画多时间尺度的出力演化规律,重点提升极端天气下的预测能力。


三是交易层面向智能决策演进。随着新能源全面参与电力市场,AI将从辅助编制计划,向综合考虑出力预测、价格、储能和交易规则的运营决策延伸,并通过机理与数据驱动相融合提升模型的可信度。智能体技术走向成熟,有望在明确边界内实现自主决策与执行。


四是运行层面向多能互补、算电协同演进。国内面向水风光一体化清洁能源基地的大模型等已开始推动多能互补基地智慧运行,未来将由单一电源预测向多能互补的智慧运行进一步拓展。算电协同方面,AI与新能源实现双向赋能,使算力负荷对新能源出力波动和分时电价实时响应,形成“电—算—碳”协同机制。


未来,推动AI与新能源深度融合,需坚持问题导向、系统施策,夯实数据基础,加强专用模型攻关,筑牢安全防控底线,健全标准规范体系。



AI正在改变新能源的运行方式。把数据、模型、安全、标准四道关口逐项打通,AI才能更深入地融入新能源发电和运营的全过程,为新能源高质量发展提供更有力的支撑。


内容来源:能源评论杂志

作者:国网能源院新能源所所长代红才、新型能源室研究员章世聪,室副主任叶小宁


【声明】内容源于网络
0
0
国网能源研究院有限公司
国网能源研究院有限公司是国家电网有限公司高端智库建设的主体单位,致力于建设中央企业新型智库、世界一流高端智库。
内容 324
粉丝 0
国网能源研究院有限公司 国网能源研究院有限公司是国家电网有限公司高端智库建设的主体单位,致力于建设中央企业新型智库、世界一流高端智库。
总阅读5.8k
粉丝0
内容324