携手亚马逊云科技，大地量子高精度功率预测系统助力清洁能源消纳提速增效！ - 亚马逊云科技

发布于: Feb 18, 2023

高精度的功率预测解决新能源发电不稳定、并网消纳不充分的利器：近年来，我国光伏和风电并网装机容量持续增长，截至2021年底，全国可再生能源装机规模突破10亿千瓦，占总发电装机容量的44.8%。其中，风电装机3.28亿千瓦、光伏发电装机3.06亿千瓦。风光电总装机和新增装机规模多年来位居全球首位。

2022年5月，国家发展改革委、国家能源局发布的《关于促进新时代新能源高质量发展的实施方案》中明确提出，要实现到2030年风电、太阳能发电总装机容量达到12亿千瓦以上的目标，加快构建清洁低碳、安全高效的能源体系。

由于新能源发电主要来自于风能和光能的转化，但风能和光能又极易受到天气和气候变化的影响，因此新能源发电天然存在不稳定性和波动性的特点。而新能源电力的不稳定性和电力系统的实时平衡要求它们之间存在天然矛盾；若发电功率低于用电负荷一定幅度，就会造成局部停电及社会生活、生产停滞等严重后果；若发电功率高于用电负荷一定幅度，则会造成用户侧电压增高，增加电网的安全风险，甚至导致电网瘫痪。
随着风电场、光伏电站等新能源电站的并网装机容量规模的不断扩大，对电网的稳定运行造成的影响也越来越大，功率预测系统的重要性越来越高。新能源功率预测就是基于新能源电力波动性和不稳定性而产生的一种需求。

2010年起，国家能源局就要求新能源场站具备功率预测；2015年，功率预测系统首次纳入西北电网“双细则”考核；2021年，国家能源局发布新版“两个细则”、风电场及光伏电站接入电力系统技术规定，细则提出新能源发电短期预测精度要求从80%提升到83%，超短期准确率要求从85%提升到87%。有些地区的考核要求还要更高。

在此背景下，全国各风电与光伏场站存在极大的并网考核压力，有些场站每个月的考核费用超百万元。据统计，对于一个 100MW 的新能源场站，1%的预测精度提升可以带来的考核费用节省约18万元。

大地量子作为国内外领先的专业时空大数据服务商，利用人工智能和卫星的力量，可以妥善地解决这个棘手问题。大地量子新能源功率预测系统基于端到端的 AI 气象预报系统与电站 SCADA 数据，可快速构建场站级的超短期和短期功率预测 AI 模型，为光伏电站和风力场站提供高精度的发电功率预测服务，帮助新能源发电企业提高发电效率、减少并网考核，配合电网调度部门促进新能源消纳。

集中式光伏与风电功率预测的短期功率预测精度可到90%以上，超短期功率预测精度可到95%以上。

在新能源功率预测领域，大地量子的核心竞争力是更高的功率预测精度、更快的产品 POC、以及更好的客户问题响应。其中，最为关键的还是大地量子依托于长期技术沉淀带来的预测精度的优势。大地量子功率预测系统的主要技术优势包括：

AI 重建的端到端气象预报系统：全球尺度的短临风速、风向与地表辐照预测精度超过 ECMWF 的 IFS 系统。
基于高精度地表孪生模型的“百米级”气象数据：利用米级精度的大范围地表孪生模型，大幅提高风速、风向等气象数据的精度。
充分考虑尾流效应：充分融合风机拓扑，计算尾流效应对功率的影响。

除了聚焦国内市场，大地量子近期还在积极开拓国际业务，依托合作伙伴亚马逊云科技的全球云节点以及其高性能的底层计算能力，大地量子目前正在开展国际客户的 POC 工作。

风电资源数据服务应用于新能源规划选址、资产监管的搜索引擎

在新能源项目建设前的规划选址阶段，大地量子还可以面向集中式和分布式光伏项目提供包括历史典型年气象数据、地形数据、地表覆盖数据、山体阴影分析数据、可用屋顶资源分析数据等。

以户用光伏开发关注的屋顶资源估算需求为例，大地量子今年上半年刚刚在一个月的时间内交付了一份全国范围的屋顶轮廓及是否布设光伏的分析成果。帮助客户快速实现了对全国各省、市、县、乡镇所有屋顶资源情况的全局摸排与评估。

在新能源项目建设中的资产监管阶段，大地量子还可以利用高重访周期、高分辨率的卫星遥感影像，对零散分布在全国范围的多个光伏电站和风电场项目资产进行常态化“无感”监控与管理。

大地量子利用 AI、大数据计算、GIS 等技术，自动完成卫星影像采集、数据预处理、目标识别、地图服务等一系列处理，让客户一目了然的获取全部运营光伏电站和风电场光伏板的资产现状，包括光伏板面积、光伏板数量、风机数量、空间分布等关键时空属性等信息。另外，通过结合时序的卫星影像与 AI 分析能力，还可以定期监控各新能源场站的建设进度和资产变化。

大地量子在新能源高精度的功率预测业务中全面使用了亚马逊云科技提供的多样化的云服务，其中包括：Amazon S3、Amazon FSx for Lustre、Amazon SageMaker、Amazon Lambda，并成功地使用亚马逊全球云服务和 GPU 资源来处理海量气象数据，为实现精准天气预报提供了最佳的系统化算力能力，并且避免了网络传输造成的延迟和成本浪费。Amazon FSx for Lustre 可为数以千计运行 PB 级数据的复杂分析工作负载的计算实例提供支持, 还可以加速机器学习（ML）的进程，借助最大化对计算资源的吞吐量，以及无缝访问存储在 Amazon S3 中的培训数据，可以缩短培训时间，不仅为大地量子提供了 PB 级数据分析的计算能力，还结合亚马逊云科技智能化计算和编排服务，对精准天气预报所需的高性能计算工作负载提供了全面支持。Amazon SageMaker 是一项完全托管的机器学习服务，数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型，然后直接将模型部署到生产就绪的托管环境中。它提供了一个集成的 Jupyter 编写 Notebook 实例，可以轻松访问数据源以便进行探索和分析，因此您无需管理服务器。此外，它还可以提供常见的机器学习算法，这些算法经过了优化，可以在分布式环境中高效处理非常大的数据。大地量子通过 Amazon SageMake 服务，构建了在线推理服务，实现了 Notebook 对模型试训练，并且把复杂的模型训练管理起来。当模型在工业环境中应用出现问题后，还可以追溯问题并尽快解决。利用亚马逊云科技丰富而强大的云服务，将天气预报的精准数据与风场本地的运营数据结合，通过云端的数值模拟和机器学习模型的不断优化和迭代，最终实现风电功率预测精准度的大幅提升，为促进和提升新能源业务的发展提供了最佳实践。