|
|
| 首页 >> 能源要闻 >> AI破解分布式光伏预测难题，数据质量与标准是规模化关键
|
| |
| AI破解分布式光伏预测难题，数据质量与标准是规模化关键 |
| 来源：中国能源网 时间：2026/2/14 |
1月30日—31日，以“智赋未来 能启新篇”为主题的“中关村论坛系列活动——AI+能源发展大会”在北京中关村会议中心隆重举行。大会由中国能源报、中国节能协会等五大单位联合主办，六大机构协办，吸引了300多位来自政府部门、能源企业、产业链创新企业的代表及院士专家齐聚一堂，共探AI与能源产业融合发展的新路径、新机遇。
北京四方继保自动化股份有限公司副总工程师赵凤青表示，新能源的核心痛点在于波动性与随机性，其中风电、光伏的出力不稳定，对电网调度与运行优化提出了极高要求。相较于大型风光基地，分布式光伏的管控难度更为突出——据行业数据显示，2024年我国分布式光伏装机容量已占全国光伏装机总量的40%以上，这类光伏站点具有点多面广的特点，单个站点体量小、分布分散，无法实现每一个站点都配备气象采集装置和实时监控设备，但其累积出力对整个电网的功率波动性影响显著，已成为电网调度中不可忽视的重要变量。
赵凤青分享了北京四方继保的AI实践成果。他介绍，依托公司在电力自动化领域的深厚积累，以及“数据-算力-模型”三位一体的技术基座，四方继保基于配电自动化系统实现与用电信息采集系统的数据集成，采用体系化AI算法，通过数据清洗、模型分型、大模型压缩等多重技术手段，实现了分布式光伏功率的精准预测。在国网某地区的试点应用中实现对6万多个光伏站点的全域覆盖预测，涵盖供电网格、变电站供电范围、馈线、配变台区等多个层级，预测平均准确度达到80%以上，完全达到工程可用标准，为地区及上级电网调度提供了清晰的分布式光伏出力范围参考，有效支撑发电计划优化与主配微协同运行。
在肯定AI应用价值的同时，赵凤青也直言，当前AI在电力领域规模化落地仍面临突出瓶颈，核心集中在数据层面。他进一步拆解两大核心问题：一是数据质量参差不齐，我国电网运行整体可靠稳定，日常积累的数据多为正常态数据，而故障类、异常类数据样本相对稀缺。若仅依靠单一企业或地区的有限数据，难以训练出具备高适配性的AI故障诊断、预警模型，会直接影响AI应用效果；二是数据标准不统一，新能源领域设备厂家众多，不同厂家生产的系统、设备，其采集的数据类型、格式、标准存在较大差异，甚至数据质量本身也有优劣之分，这导致已训练成熟的AI模型在跨单位、跨场景迁移时，需要投入大量精力进行数据治理与适配，大幅增加了AI技术规模化推广的成本与难度。
针对上述瓶颈，赵凤青提出了明确的破局思路。他表示，数据共享与标准统一是关键突破口。在数据共享方面，可依托联邦机器学习等新型技术模式，实现数据“可用不可见”——无需将各主体的数据进行物理集中，而是通过分布式存储、加密参数共享的方式，实现数据的协同利用，既保护数据隐私与企业利益，又能整合多方数据资源，提升AI模型的训练效果。在标准建设方面，亟需行业乃至国家层面牵头推动，制定统一的数据输入输出规范、物联网通信协议等，打破当前不同协议差异较大的壁垒，实现“万物互联”的高效协同，为AI技术的规模化应用扫清障碍。 |
| 责任编辑：myadmin |
| 上一条：
同样是环保，“十五五”为啥更不一样？5个关键词藏着答案 |
| 下一条：
金价“拉锯战”中的投资图谱 |
|
|
|
京公网安备11011102000836号
