01
新能源发电带来新问题
2021年2月，寒潮席卷美国德克萨斯州，导致用电高峰期约1000万人断电。部分地区停电持续数日。该州的批发电价一度比平时飙升200倍。
停电原因多种多样，但新能源给电力系统带来的不稳定因素已成为不可忽视的因素，在极端天气事件下甚至可能引发黑天鹅事件。
这是一个世界性的问题。国际能源机构上个月发布的《世界能源展望2024》报告提到，清洁能源正在以前所未有的速度融入能源系统，而随着电力需求的增加和发电量的波动，许多电力系统无法满足电力需求。抵御更多的极端天气事件和网络攻击。
美国德克萨斯州的大停电是由风力涡轮机叶片冻结引发的。极寒天气导致其能源结构中极其重要的风能和太阳能发电量从42%骤降至8%。
中国面临的挑战可能更大。 2023年，我国可再生能源发电装机容量达到14.5亿千瓦，占全国发电装机总量的比重，历史上超过火电装机容量。它还贡献了当年全球新增可再生能源装机容量的60%。
新能源在我国的比重将不断提高。资料来源：国际能源署《2024年世界能源展望》
国家能源局联合电力规划设计总院等11家机构编制的2023年《新型电力系统发展蓝皮书》指出，“新能源占比持续提升，电力系统快速发展”消耗资源来灵活调整，其间歇性、随机性、波动性等特点使得系统调整更加困难，系统平衡和安全问题更加突出。”
解决全球性问题无疑需要各方长期努力。人工智能也开始参与其中。
2024年11月6日，在北京举办的阿里巴巴达摩院决策智能实验室年度论坛上，一个名为“八景”的大型气象模型备受关注。人工智能在新能源发电量预测等方面的实践和前景引起了众多机构研究人员的激烈讨论。
在阿塞拜疆首都巴库举行的第29届联合国气候变化大会上，人工智能也是备受关注的话题。美国电气与电子工程师协会（IEEE）前主席赛义夫·雷曼（Saif ）教授向知识分子表示，大量可再生能源进入电网，电力输出间歇性、不稳定，对气候风险更加敏感。因此，有必要采用非常聪明的方式来管理电力系统。
02
一个非常复杂和困难的数学问题
电网本身已经是人类创造的最复杂的系统之一，电力调度也是一个极其复杂和困难的数学问题。
达摩院决策智能实验室研究员王孟昌表示，电力调度问题每增加一个变量，计算难度就会增加很多倍。真实的电力系统可能包含数百万个紧密耦合在一起的变量。
即使在新能源并网之前，极端天气和突然的天气变化也会导致负载侧发生剧烈变化，从而导致电力系统故障。清华大学教授梅胜伟举了一个例子。 1987年日本东京停电的一个重要原因是天气突然变热，导致用电负荷激增。
中国拥有世界上最大的电力系统，但从未发生过大规模停电事件。梅胜伟表示，关键因素在于火电的高度可控性。
火力发电站、水力发电站等传统发电设施通过旋转机械部件与电网连接。它们使用重型转子驱动发电机将机械能转化为电能来发电。这种发电方式需要一定的启动时间，但比较稳定。即使供电系统出现故障，转子仍能依靠惯性旋转提供一段时间的动能，维持供电频率，为解决问题争取时间。
与体积稍大但可靠的传统发电方式相比，新能源发电更加灵敏但难以控制。它们可以在几秒钟甚至瞬间开始发电，但也会短时间停止发电，在发生故障时几乎没有时间进行调整。梅胜伟表示，这是新能源入网带来的重大安全隐患。
随着新能源的引入，极端天气和天气突变不仅影响负载端，还会引起供电端的波动。这给本已极其复杂的电网增添了波动性和不确定性，给全球电力系统的调度和预测带来了难题。
面对极端天气，新能源发电量往往像过山车一样剧烈波动。以山东为例，全省新能源总装机容量超过1亿千瓦，位居各省电网第一。数据显示，2023年底寒潮期间，山东电网风电出力在短短一天半时间内从1800万千瓦降至50万千瓦，降幅高达97%。今年8月4日至5日，山东出现强降雨，风电、光伏发电最高出力一天之内从4300万千瓦降至2800万千瓦。
尽可能准确地预测新能源发电量是确保电力系统安全的前提之一。传统预报方法在正常天气条件下精度相对稳定，但在重大转折和持续极端天气条件下精度就差很多。如果预测偏差过大，将极大影响电力平衡和供电可靠性，甚至给电力系统造成不可挽回的损失。
03
人工智能带来新思路
在电力系统发展史上，这种情况不止一次出现：电力系统的调度和预测问题变得复杂、难以解决的同时，解决问题的方法也同步演变。
据山东电网调度中心专家介绍，20世纪80年代和90年代，220kV以上变电站规模翻了一番。依靠计算机处理性能的提高和光纤网络技术的应用，电网数据被采集和监控，不再依赖人工呼叫值班。 。
20世纪末21世纪初。随着孤立电网逐渐向互联电网、特高压电网迈进，调度人员更加依赖基于高性能服务器的自动控制系统，将更多的精力投入到大电网的安全分析和处理上。电网调度方式由手动控制向自动控制转变。
近年来，随着人工智能技术的兴起，人工智能能够以前所未有的精度预测电力需求和可再生能源发电，从而显着提高电力系统的运行效率和可靠性。
然而，预测新电力系统的需求和发电量离不开对天气条件的准确控制。目前，人工智能天气预报，特别是对电力行业有帮助的预测，仍面临诸多挑战。
首先是空间和时间分辨率的问题。如果将天气预报的时间和空间精度与图像的分辨率进行比较，则该图像仍然相当模糊。
例如，欧洲中期天气预报中心 (ECMWF) 在 90 小时内提供空间和时间分辨率约为 10 公里 × 10 公里 × 1 小时的预报。这样的精细度对于一般的城市生活预测来说可能足够了，但对于电力行业来说仍然太粗糙。如果对风电和光伏设备密集地区的天气状况没有准确的了解，就无法获得有用的信息进行计算。
对于极端天气，现有预报的准确性尤其不足。中央气象台首席预报员马学健提到2023年北京暴雨的例子，预计降雨量为600-800毫米，但部分地区降雨量达到1100毫米。准确预测极端天气非常困难，因为当前的预报系统本身并不是为预测极端天气而设计的。
马学谦还介绍，近年来，灾害性天气预报准确率的提升进入了瓶颈期。虽然2016年后准确率整体呈现上升趋势，但变化还不够显着。短期强降水、大风冰雹等强对流天气的预报精度长期没有被打破，龙卷风误报率居高不下。
世界气象组织（WMO）在最新报告《团结在科学》（in）中指出，人工智能和机器学习是在再分析和观测数据集上进行训练的，它们正在彻底改变天气预报。
当然，极端天气事件发生的频率较低，可用数据量也较为有限，这也给AI模型的训练带来了更大的挑战，也是难以生成高精度预测的原因之一。
04
大型气象模型实践
在本次湖畔实验室&达摩院决策智能实验室年度研讨会上，来自南方某省的电网专业人士介绍，他们也尝试过开发天气预报模型，尤其是探索极端天气预测，但也受到样本和数据缺失的限制。 。
此外，有些指标过去并未包含在常见的天气预报系统中，但对电力行业至关重要。例如，常规天气预报提供的风速来自于10米左右高度的风力观测和预测。海上风电安装高度必须至少100米。
正因为如此，达摩院最新发布的“八景”大型气象模型（详见“阅读原文”）引起了业界的高度关注。其预测时空精度可达1公里×1公里×1小时。除了输出2米地表温度、10米风速、湿度、降雨量等常用指标外，还有新能源专用的气象指标，如100米高空风速、风速、 200米高度的辐照度等，多项气象指标的预测精度较目前主流天气预报显着提高。
2024年夏季，全国平均气温创1961年以来历史同期最高，华北等地出现“旱涝急转”。电力系统平稳应对恶劣天气变化的背后，早已有“AI谋士”的贡献。据介绍，8月25日至28日，受降水影响，山东气温变化明显，3天内总用电负荷下降20%。八关气象模型构建了每小时更新一次的高精度区域天气预报。该网络能够及时捕捉气温变化，使下游新能源发电量和电力负荷预测准确率分别达到96.5%和98.1%，有效帮助电力系统及时准确地做出调度决策。
2024年8月下旬气温突变期间“八景”气象模型负荷预报表现（/）
此类大型气象模型还可以应用于体育赛事、农业生产、航空极端天气预警等场景。同时，达摩院决策智能实验室高级算法专家孙亮解释道，很多预测通常与决策密切相关，决策者需要预测的可解释性，尤其是当预测与预测之间存在偏差时。预测和决策者的期望。
达摩院的决策智能团队专注于技术，但技术并不是一切。 “人工智能确实有很多优势，但关键在于如何更好地将大模型与实际需求结合起来。”孙亮说道。
无论是天气预报，还是新能源占比越来越大的电力系统，都需要AI发挥更多作用。国际能源署《世界能源展望2024》报告指出，人工智能对能源具有非常广泛的潜在影响，包括提高电力部门的系统协调能力、缩短创新周期等。
“人工智能当然不是唯一的技术解决方案，但我们不能再忽视它的作用。” IEEE前主席说道。
