光伏功率“过山车”？看AI预测如何稳场

从远古借阳光取暖，到光伏板将光转化为电，人类驯化光能的历程，始终伴随着“希望与挑战”。光电转换效率提升，度电成本逐渐下降，但一个核心痛点始终未变——间歇性。白天与黑夜的交替、晴天与阴云的切换，光伏发电像“任性的水流”，难以稳定汇入电网。

破解这一难题，需要更智能的电网调度预判电力波动，光伏发电功率预测正是电网调度的“眼睛”。

国网浙江电科院技术人员正在进行“睿测”AI光伏预测系统研发丨刘广扩摄

浙江迎峰度夏的关键时期，也是台风频繁活动的时期。在极端天气的影响下，光伏发电功率曲线如同“过山车”一样剧烈波动。如何更精准地预测光伏发电量，在极端天气中依然掌握能源调控的主动权？

国网浙江电力依托国网浙江电科院部署的AI光伏预测系统——“睿测”，在台风期间光伏发电功率预测准确率达96.5%，较传统方法提升2个百分点以上，早高峰时段预测偏差减少400万千瓦，相当于省下至少4台百万机组的调节能力。

台风天光伏发电，为什么难预测？

浙江地区光伏发电功率预测的难点，主要在分布式光伏。

截至今年7月底，浙江电网新能源装机容量突破6600万千瓦，成为全省第一大电源，其中光伏占比约90%，分布式光伏占光伏总装机的80%以上。

“分布式光伏点多面广，基础数据差，预测难度大。”国网浙江电科院电力预测专职彭琰这样总结分布式光伏的特点。它们像无数个散落在城乡各地的“隐形电厂”，大多数甚至未开展出力预测。但这些“零散的力量”加起来，却能左右全省电网的供电平衡。

航拍下的丽水遂昌95兆瓦茶光互补工程丨祝灵潇 摄

光伏“看天吃饭”属性也十分明显。以今年4月11日至13日为例，浙江遭遇一次大范围云系过境，云层和地面辐照出现快速且剧烈的变化，光伏发电剧烈波动，三天内光伏日最大出力分别为2910万千瓦、541万千瓦和3394万千瓦——最大波动超过2800万千瓦，相当于同期杭州和嘉兴两个地区最高用电负荷的总和。

“这还只是普通的多云天气，要是遇上台风，波动只会更剧烈。”彭琰表示。

极端天气的影响主要有两方面：首先是“不确定的云团”。台风外围的螺旋雨带移动速度一般为每小时20至30公里，云层的厚度、密度会在几分钟内剧烈变化。当光照被厚云遮挡时，光伏发电功率骤降；当云层边缘透光时，光伏发电功率又瞬间反弹。传统的气象预测模型通常每天更新2次预测结果，难以捕捉“分钟级”的变化细节，预测数据和实际发电相差较大。

国网浙江电科院技术人员在湖州调研塘面型光伏电站发电出力特性丨刘广扩 摄

其次是“复杂的地形”。浙江地形特征丰富，光伏往往分布在截然不同的场景中——沿海地区的高湿度会改变光照的折射角度，实际辐照强度偏低；浙西多山地，易形成局部小气候，出现“一山有四季，十里不同天”的情况；屋顶光伏则受附近楼宇遮挡影响。若用同一个预测模型套用所有场景，必然顾此失彼，算不准。

四步让AI读懂台风天的“光影”变化

面对极端天气带来的难题，“睿测”AI光伏预测系统来了。它不走物理公式硬算的老路，而是在AI从海量数据里“学经验”，在台风天也能摸准光伏的“脾气”。

第一步：接上“AI台风预警”。“睿测”的精准预测，始于对台风动态的“先知先觉”，它接入了浙江电力气象中心的AI台风预测大模型，除了获取台风路径预测、短时强对流预警等数据，更将焦点对准台风外围云系的“细微变化”——比如云系密度、移动方向、覆盖范围。这些更精细的气象数据，如同为预测装上“高清镜头”，让“睿测”能提前捕捉到影响光伏发电的关键变量。

国网浙江电科院技术人员运用“睿测”进行全省光伏发电功率预测丨刘广扩 摄

第二步：配备“专属预报员”。浙江光伏场景的复杂性，决定了 “一刀切” 的预测行不通。“睿测”把浙江复杂的光伏场景“装进”计算机，建立“地形—云层—辐照度”三维映射体系，将场景分为山地型、塘面型、滩涂型、屋顶型等4种类型，分别配备“专属预报员”，根据各自场景的云系演变、地表反照率、微气象情况进行预测。

国网浙江电科院技术人员在光伏电站进行光资源研判丨刘广扩 摄

第三步：训练‌称手的“工具”。4 位“专属预报员”要精准工作，离不开量身定制的AI“工具”——差异化训练的基础预测模型。基础预测模型选取4类不同原理的高性能机器学习和深度学习模型，采用各自地形的历史数据分别进行训练，确保“工具”与“预报员”的适配度，避免通用模型的“水土不服”。

第四步：校准“预报结果”。引入基于迁移学习的灾害天气出力修正算法，简单说就是让AI“记住”过去台风天的光伏发电功率波动特征，当新的台风云团出现时，能快速匹配历史相似案例，进一步修正“预报员”预测结果，让“睿测”的精度再上一个台阶。

驯服光的探索没有尽头

预测的终点不是屏幕上的数字，而是调度员的决策和电网的实际动作。2025年5月，“睿测”在国网浙江电力调度控制中心应用，预测结果有效支撑日常调度流程。

在日前计划制定方面，每天上午调度员会参考“睿测”提供的全省光伏预测数据，编制次日发电计划和省内电网运行方式，精准留取备用容量，缓解新能源波动对电网的影响。

国网浙江电科院技术人员在湖州中节光伏电站进行

此外，“睿测”也应用于杭州、湖州的大型光伏发电站，为新能源企业参与市场报价提供重要依据。

“96.5%的准确率，不是终点。”国网浙江电力调控中心陈菁伟强调。面对更复杂的极端天气、更分散的新能源项目，国网浙江电力正从“感知、气象、引擎”三个维度，继续推进“睿测”的技术升级。

分布式光伏全息感知：推动分布式光伏“四可”（可测、可观、可控、可调）能力建设，实现分布式光伏相关数据分钟级高频采集与共享。结合卫星遥感、无人机巡检等技术，构建全覆盖、高精度的新能源“数字孪生”数据库。

气象预测加入“亿”点点细节：在分布式光伏密集区、沿海风电基地补建微气象观测站，捕获局地小气候特征；研发适合浙江气候特点的天气预报AI订正模型，对辐照、云量、风速等要素进行降尺度与高精度修正；实现气象预测频率从每天2次到逐小时滚动预测的升级，为实时调度提供有力支撑。

让模型“会思考、能进化”：国网浙江电力正全面推进时序预测大模型等AI算法在功率预测中的应用，实现模型自学习、自校准与动态更新。

以海上风电、山区光伏这类“大场景有共性、小区域有个性”的场景为例，开发“通用模型+区域修正”分层预测体系，先用通用模型搞定“所有山区基本规律”，再根据区域特点定期自动训练电站小模型，补上“这个地方独有的问题”，不用为每个特殊场景“从零造轮子”，又能解决“通用模型管不了的细节问题”。

“以后模型不用人工频繁调参，它自己就能‘适应’不同场景、不同天气，同时保持预测结果的稳定性，精度会越用越高。”彭琰说。

“睿测”展现的不仅是技术突破，更是新型电力系统应对极端气候的“智慧答卷”。

“驯服光”的故事里，人类从未停止过探索，只有日复一日地靠近它、理解它，才能让这份清洁的能量，能更稳、更久地陪伴每一个寻常日子。