加持“氣象大模型+時(shí)序大模型”，�？低�視發(fā)布風(fēng)功率預(yù)測(cè)一體機(jī)

    “錢是大風(fēng)刮來的”，這不是一句玩笑話。在風(fēng)電場(chǎng)，通過預(yù)測(cè)風(fēng)向、風(fēng)速推算出新能源場(chǎng)站未來的發(fā)電功率，堪稱新型電力系統(tǒng)的“天氣預(yù)報(bào)系統(tǒng)”，預(yù)測(cè)每精準(zhǔn)1%，帶來的就是數(shù)萬、數(shù)百萬的收益變化。

    為了更精準(zhǔn)“摸清”風(fēng)的規(guī)律，海康威視基于觀瀾大模型體系，集成氣象大模型和時(shí)序大模型，推出大模型邊緣智能設(shè)備——風(fēng)功率預(yù)測(cè)一體機(jī)，實(shí)現(xiàn)氣象預(yù)測(cè)、功率預(yù)測(cè)，讓風(fēng)更可測(cè)，讓電更可控。

    △風(fēng)功率預(yù)測(cè)一體機(jī)是一款面向風(fēng)電場(chǎng)站的邊緣智能設(shè)備，結(jié)合自研氣象大模型及多源氣象預(yù)報(bào)、風(fēng)機(jī)運(yùn)行數(shù)據(jù)、場(chǎng)站實(shí)測(cè)氣象與地形地貌等數(shù)據(jù)，基于自研時(shí)序大模型技術(shù)，實(shí)現(xiàn)風(fēng)電場(chǎng)發(fā)電功率的精準(zhǔn)預(yù)測(cè)，提升發(fā)電企業(yè)利潤

    在多地風(fēng)電場(chǎng)應(yīng)用以來，�？低�視風(fēng)功率預(yù)測(cè)一體機(jī)通過更精準(zhǔn)的預(yù)測(cè)，不僅助力風(fēng)電場(chǎng)合理排產(chǎn)、高效發(fā)電，還降低了電網(wǎng)對(duì)其管理、調(diào)度的考核費(fèi)用（風(fēng)功率預(yù)測(cè)越精準(zhǔn)，所產(chǎn)生的考核費(fèi)用越低），相比原系統(tǒng)，預(yù)測(cè)偏差考核費(fèi)用降低顯著。例如，在華東區(qū)域某300MW海上風(fēng)電場(chǎng)，功率預(yù)測(cè)偏差總考核費(fèi)用年均降低超120萬元，降幅超15%；在華南區(qū)域某80MW高山山地風(fēng)電場(chǎng)，功率預(yù)測(cè)偏差總考核費(fèi)用年均降低超80萬元，降幅超46%；在西北區(qū)域某200MW戈壁型風(fēng)電場(chǎng)，功率預(yù)測(cè)偏差總考核費(fèi)用年均降低超30萬元，降幅超20%。

    自研氣象大模型，實(shí)現(xiàn)公里級(jí)的氣象預(yù)報(bào)

    都說“十里不同天”，即便在一個(gè)城市，不同區(qū)也會(huì)一邊晴天一邊大雨，風(fēng)向、風(fēng)速也存在很大差異。

    那如何將大范圍（縣、市等各級(jí)）氣象預(yù)報(bào)，運(yùn)用到占地可能僅幾平方公里的風(fēng)電場(chǎng)站？

    �？低�視風(fēng)功率預(yù)測(cè)一體機(jī)通過自研氣象大模型，提升氣象預(yù)報(bào)精度和準(zhǔn)確性，引入MoE技術(shù)（混合專家技術(shù)）和微調(diào)技術(shù)，更全面地考慮各種因素，讓氣象大模型更適應(yīng)最新的氣象數(shù)據(jù)，從而提升風(fēng)向、風(fēng)速的長時(shí)預(yù)報(bào)精度。不同于常規(guī)氣象預(yù)報(bào)，主要為數(shù)十公里級(jí)的范圍預(yù)報(bào)，其精度范圍縮小至公里級(jí)。

    △在地表10米風(fēng)（ 東西方向）的24小時(shí)、10天長時(shí)預(yù)報(bào)上，�？低�視自研氣象大模型對(duì)比數(shù)值氣象預(yù)報(bào)（NWP）的預(yù)報(bào)誤差，分別降低22.7%、 22.8%

    20余年視頻圖像處理技術(shù)，為精細(xì)化氣象預(yù)報(bào)提供支撐

    得益于�？低�視在視頻領(lǐng)域深厚的圖像編碼與還原AI技術(shù)積累，技術(shù)遷移實(shí)現(xiàn)氣象預(yù)報(bào)的時(shí)空降尺度，即通過技術(shù)把一張模糊的、范圍很大的天氣地圖變得清晰并且更細(xì)致，從而提供場(chǎng)站級(jí)的精細(xì)化氣象預(yù)報(bào)。

    復(fù)雜地形下風(fēng)機(jī)，圖譜降低小氣候預(yù)報(bào)偏差

    風(fēng)電場(chǎng)站所處的地形環(huán)境多樣且復(fù)雜，比如山地風(fēng)電場(chǎng)受山谷風(fēng)的局地環(huán)流影響，容易產(chǎn)生明顯的局地小氣候，難以預(yù)測(cè)真實(shí)風(fēng)速和風(fēng)向。同時(shí)，因地形復(fù)雜，不同海拔的風(fēng)機(jī)所吸收的風(fēng)能有差異，尾流影響無規(guī)律，最終導(dǎo)致發(fā)電量差異較大。

    △大型風(fēng)機(jī)葉片產(chǎn)生的尾流效應(yīng)會(huì)引起后排風(fēng)機(jī)的風(fēng)能損失（圖片來源：國際新能源網(wǎng)）

    �？低�視風(fēng)功率預(yù)測(cè)一體機(jī)結(jié)合風(fēng)電場(chǎng)內(nèi)部地形特點(diǎn)及風(fēng)機(jī)空間位置關(guān)系，構(gòu)建出風(fēng)機(jī)功率相關(guān)性圖譜網(wǎng)絡(luò)，可以準(zhǔn)確分析風(fēng)機(jī)間關(guān)系及尾流影響，從而實(shí)現(xiàn)對(duì)風(fēng)電場(chǎng)內(nèi)風(fēng)資源分布情況的有效分析與刻畫，降低由于復(fù)雜地形如山地、峽谷等造成的微氣象、小氣候帶來的氣象預(yù)報(bào)偏差。

    △通過風(fēng)機(jī)功率相關(guān)性圖譜網(wǎng)絡(luò)劃分多個(gè)機(jī)群“小組”，找出平均值，提升整體功率預(yù)測(cè)準(zhǔn)確率

    自研時(shí)序大模型，提升長周期預(yù)測(cè)精準(zhǔn)度

    一般來說，風(fēng)功率預(yù)測(cè)需要次日至十日的中長期預(yù)測(cè)。傳統(tǒng)風(fēng)功率預(yù)測(cè)手段在應(yīng)對(duì)長時(shí)序預(yù)測(cè)時(shí)，會(huì)存在誤差累積、精度自衰減現(xiàn)象。

    如何才能精準(zhǔn)預(yù)測(cè)未來？�？低�視風(fēng)功率預(yù)測(cè)一體機(jī)通過自研時(shí)序大模型，利用自注意力機(jī)制，自動(dòng)調(diào)整模型參數(shù)，有效減少長周期預(yù)測(cè)的誤差累積，此外時(shí)序大模型突破了傳統(tǒng)時(shí)間序列預(yù)測(cè)中存在的有限記憶瓶頸、支撐學(xué)習(xí)超長周期發(fā)電走勢(shì)，使未來發(fā)電量的預(yù)測(cè)具備更高的置信度水平，讓15分鐘、4小時(shí)、次日、第十日后的風(fēng)功率預(yù)測(cè)都保持高準(zhǔn)確度。。

    △某風(fēng)電場(chǎng)功率預(yù)測(cè)曲線對(duì)比，藍(lán)色為風(fēng)場(chǎng)實(shí)際功率，黃色為�？殿A(yù)測(cè)功率，綠色為現(xiàn)有系統(tǒng)預(yù)測(cè)功率，可以看出藍(lán)色和黃色重疊度高

    更精準(zhǔn)地預(yù)測(cè)每一縷風(fēng)，讓不確定的風(fēng)產(chǎn)出確定的綠電，助力新能源產(chǎn)業(yè)收益升級(jí)。�？低�視將持續(xù)創(chuàng)新，讓新能源插上科技的翅膀，讓源源不斷的清潔能源送入千家萬戶。