一、 作品信息

作品名称： 基于人工智能大模型技术的新能源功率预测与供电风险预警系统研究

参赛单位： 上海交通大学

指导教师： 李然

团队成员： 闫馨月、陶君奕、张海鹏

获奖信息： 第四届象新力杯－开放创新赛道自由选题类－一等奖

二、 作品介绍

在“碳达峰、碳中和”国家战略的指引下，构建以新能源为主体的新型电力系统已成为能源转型的核心任务。然而，风电、光伏等新能源固有的随机性、波动性和低惯性特性，给电力系统的安全稳定运行带来了巨大挑战：传统气象预报更新频率低（1-2次/日），难以及时预警风电爬坡事件；气象与功率独立序贯预测导致误差层层传递；更关键的是，单纯追求预测精度并不能直接转化为系统运行风险的降低，预测误差与保供、消纳、经济风险之间的传导机理尚不明确。

针对上述挑战，上海交通大学团队研发了一套基于人工智能大模型技术的新能源功率预测与供电风险预警系统。该系统通过三大核心技术创新，构建了“气象高频更新—气象功率联合预测—风险导向决策”的全新预测体系，实现了从“看天吃饭”到“知险而动”的跨越，为新型电力系统的安全、经济、低碳运行提供了关键技术支撑。

三、 核心创新

1. 天气预报高频更新技术——大源气象大模型

为解决气象信息滞后难题，团队基于4D Transformer架构自主研发了 “大源气象大模型” 。该模型通过多源预测数据时空融合（融合盘古、风乌等气象大模型及多源初始场数据），实现了逐小时、0.25°×0.25°的高时空分辨率预测，并支持日内自适应更新4-8次，一次预报启动仅需30分钟，72小时内平均预报精度达90%，在风速、风向、温度等要素上显著优于现有模型，能够及时捕捉风电爬坡事件。

2. 气象-功率联合预测大模型

打破传统“先气象后功率”的序贯预测模式，首创气象-新能源联合预测大模型（1.8亿参数）。该模型将气象预报与功率预测形成闭环，统一损失函数，采用预训练+微调方式解决风电数据远小于气象数据的问题。模型直接输出未来48小时的风电、光伏功率，避免了误差层层传递。实测数据显示，日前4-24小时风电集群预测准确率超过91%，光伏集群预测准确率超过95%。

3. 综合风险导向的供电能力预测技术——预测-决策一体化

这是本作品的核心突破。团队构建了预测-决策一体化模型，以最小化电力系统运行风险（保供风险、消纳风险、经济风险）为目标，替代传统以最小化预测误差为目标的开环预测模式。该模型可根据不同风险偏好生成差异化预测曲线：

保供风险导向：倾向保守预测，优先保障供电可靠性。在内蒙古自治区实际应用中，降低切负荷量达45.7%（风电）和40.5%（光伏）。

消纳风险导向：倾向激进预测，最大限度消纳新能源。应用后，弃风量降低85.1%，弃光量降低54.5%。

经济风险导向：综合平衡切负荷与弃风成本，使电力系统运行成本降低20.1%（风电）和6.2%（光伏）。

四、 应用前景

研究成果已转化为 “风险最小化的新能源综合供电能力预测软件” ，包含气象预测、热力图、功率预测、历史评价四大模块，并实现了大规模的产业化落地。目前，该平台已在内蒙古、山西、广东、云南、贵州、海南、广西等7个省的国家电网省级调度中心完成部署，为每日日前调度工作提供关键决策支持，显著提升了当地电网的新能源消纳能力与供电安全保障。