人工智能部博士生姚鐵錘在導師遲學斌研究員、王彥棡研究員和王玨副研究員的指導下，結合多年與國家電網有限公司的合作項目，于近期取得多項學術成果，相關工作發(fā)表于國際電子電氣工程師學會（IEEE）旗下期刊IEEE Transactions on Sustainable Energy和愛思唯爾（Elsevier）旗下期刊Solar Energy。
在碳達峰、碳中和目標下，新一代人工智能技術為推進構建以新能源為主體的新型電力系統(tǒng)提供了新思路與新手段，在新能源的能源分配及消耗、需求側的能源節(jié)約、電力系統(tǒng)的調控等方面具有廣泛的應用前景。光伏系統(tǒng)的功率輸出主要受氣候和天氣條件的影響。光伏發(fā)電場需要準確的天氣數據尤其是太陽輻照度，進行預測其功率輸出，從而提高太陽能資源的利用率。一方面，利用人工智能技術準確地預測未來發(fā)電量，對于確保電力系統(tǒng)的可靠性和經濟性至關重要；另一方面，同時包含電站和天氣數據的公開可用數據集能夠極大促進太陽能光伏研究的發(fā)展。
人工智能部提出了一種面向多源異構數據的智能預測框架，在光伏預測領域得到較好的實驗結果。該框架集成了處理非結構化數據的Advanced U-net 模型和處理結構化數據的Encoder-decoder架構?；谏疃葘W習方法，能夠有效提取各種類型數據（如分布式多傳感器實時采集的測量數據、數值天氣預報和衛(wèi)星圖像數據）的空間和時間特征并進行融合，有效提高了短臨輻照度預測精度，進一步提升了光伏發(fā)電預測精度。該技術將有望在國家電網調度進一步落地示范應用。
面向多源異構數據的預測框架
人工智能部與北京交通大學新能源國際學院、國網河北省電力有限公司聯(lián)合發(fā)布了具有電站量測數據和氣象數據的光伏功率輸出數據集。該工作整理光伏功率輸出數據集和提出預處理算法，發(fā)布了超過27萬條記錄的高質量數據集和對應Python工具包，并使用晴空模型Kpv對其進行分析和相應的案例研究，以展示數據集的潛在用途。該數據和工具包的發(fā)布在新能源氣象應用研究（如太陽能預測或光伏性能評估等）方面起到促進作用。（撰稿：王彥棡、王玨）
晴空模型建模示意圖
[1] Tiechui Yao, Jue Wang, Haoyan Wu, Pei Zhang, Shigang Li, Ke Xu, Xiaoyan Liu, and Xuebin Chi."Intra-hour Photovoltaic Generation Forecasting based on Multi-source Data and Deep Learning Methods," in IEEE Transactions on Sustainable Energy, doi: 10.1109/TSTE.2021.3123337.
[2] Tiechui Yao, Jue Wang, Haoyan Wu, Pei Zhang, Shigang Li, Yangang Wang, Xuebin Chi, and Min Shi. "A photovoltaic power output dataset: Multi-source photovoltaic power output dataset with Python toolkit." Solar Energy 230 (2021): 122-130.