一、 作品信息

作品名称： 基于多源多模态数据和人工智能大模型的分布式光伏功率预测系统

参赛单位： 上海交通大学

指导教师： 李康平、黄淳驿

团队成员： 龚明凯、郝鹏、向梓旸、胡陈彦、何子民

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“双碳”战略目标驱动下，我国新能源装机容量迅猛增长。2025年，新能源装机已达12.06亿千瓦，约占全国总装机容量的40%，预计2050年将达到100%。然而，高比例新能源接入带来负荷侧峰谷差扩大、源荷特性复杂等问题，电力系统调峰调度压力剧增。准确的新能源功率预测，尤其是分布式光伏功率预测，成为破解新能源消纳难题的关键技术手段。

当前分布式光伏功率预测面临两大痛点：一是数据层面，缺乏高质量、多源异构数据的支撑，存在时空错配问题；二是模型层面，传统方法特征挖掘能力不足，策略生成缺乏动态调整。针对上述挑战，上海交通大学团队研发了一套基于多源多模态数据和人工智能大模型的分布式光伏功率预测系统。系统从数据、模型、算力三个维度协同突破，实现了从粗颗粒度气象数据到高精度光伏功率输出的端到端预测，为高比例新能源接入下的电网调度提供了智能化解决方案。

三、 核心创新

1. 构建“天－地－算”三位一体的多源多模态数据采集与处理体系

团队建成了融合卫星遥感、气象数值预报等天基数据，地面气象站、分布式光伏实测数据等地基数据，以及条件扩散模型生成式AI增强数据的完整数据链条。该系统重点解决了多源异构数据的时空错配难题，通过时空对齐、修复与特征融合技术，将粗颗粒度的NWP数据转化为高分辨率的精细化气象输入，为AI大模型提供了高质量、丰富的数据支撑，显著提升了极端样本匮乏条件下的预测鲁棒性。

2. 设计融合生成式AI与大模型架构的分布式光伏功率预测算法

团队采用生成式AI对粗颗粒度NWP数据进行时空超分辨率增强，将低分辨率气象网格细化为高分辨率逐点预测；进而利用时空卷积网络和跨模态注意力机制，实现多源数据的自适应特征提取与深度融合；最后通过时序融合Transformer对融合特征进行解码，输出精准的光伏功率预测。该方法在复杂天气条件下（如多云、阴雨等）仍保持良好的预测性能，显著优于传统单一数据源或简单算法模型，有效提升了特征挖掘能力和预测精度。

3. 依托校企协同的强大算力平台支撑大模型训练与部署

团队依托上海交通大学“思源一号”HPC+AI平台（总算力6 PFLOPS，国内高校领先的超算集群）与国家电投“天枢一号”智慧系统（拥有超800个核心智能算法，具备百万级并发、千万级计算能力），为大数据处理与大模型训练提供了充足算力。团队所在的上海交通大学国家电投智慧能源创新学院由上海交大和国家电投强强联合成立，充分整合校企双方优势资源，形成了从算力底座到算法研发再到工程应用的全链条支撑能力。

四、 应用前景

本作品研发的分布式光伏功率预测系统已在上海交通大学智慧能源校园项目中实际部署与应用，显著提升了校园内分布式光伏出力的预测准确性，为校园微电网优化调度提供了可靠依据。此外，团队提出的光伏功率预测算法已嵌入上海交通大学虚拟电厂教学仿真平台，用以提供实时光伏功率预测数据，支撑虚拟电厂调度策略的教学与仿真研究。

上海交通大学团队以多源多模态数据为燃料，以AI大模型为引擎，以强大算力为底座，正在为全球能源转型贡献“交大智慧”。