携手亚马逊云科技，大地量子高精度功率预测系统助力清洁能源消纳提速增效

近年来&＃xff0c;我国光伏和风电并网装机容量持续增长&＃xff0c;截至2021年底&＃xff0c;全国可再生能源装机规模突破10亿千瓦&＃xff0c;占总发电装机容量的44.8%。其中&＃xff0c;风电装机3.28亿千瓦、光伏发电装机3.06亿千瓦。风光电总装机和新增装机规模多年来位居全球首位。

随着风电场、光伏电站等新能源电站的并网装机容量规模的不断扩大&＃xff0c;对电网的稳定运行造成的影响也越来越大&＃xff0c;功率预测系统的重要性越来越高。新能源功率预测就是基于新能源电力波动性和不稳定性而产生的一种需求。

在此背景下&＃xff0c;全国各风电与光伏场站存在极大的并网考核压力&＃xff0c;有些场站每个月的考核费用超百万元。据统计&＃xff0c;对于一个100MW的新能源场站&＃xff0c;1%的预测精度提升可以带来的考核费用节省约18万元。

大地量子作为国内外领先的专业时空大数据服务商&＃xff0c;利用人工智能和卫星的力量&＃xff0c;可以妥善地解决这个棘手问题。大地量子新能源功率预测系统基于端到端的AI气象预报系统与电站SCADA数据&＃xff0c;可快速构建场站级的超短期和短期功率预测AI模型&＃xff0c;为光伏电站和风力场站提供高精度的发电功率预测服务&＃xff0c;帮助新能源发电企业提高发电效率、减少并网考核&＃xff0c;配合电网调度部门促进新能源消纳。

在新能源功率预测领域&＃xff0c;大地量子的核心竞争力是更高的功率预测精度、更快的产品POC、以及更好的客户问题响应。其中&＃xff0c;最为关键的还是大地量子依托于长期技术沉淀带来的预测精度的优势。大地量子功率预测系统的主要技术优势包括&＃xff1a;

• AI重建的端到端气象预报系统&＃xff1a;全球尺度的短临风速、风向与地表辐照预测精度超过ECMWF的IFS系统。

• 基于高精度地表孪生模型的“百米级”气象数据&＃xff1a;利用米级精度的大范围地表孪生模型&＃xff0c;大幅提高风速、风向等气象数据的精度。

• 充分考虑尾流效应&＃xff1a;充分融合风机拓扑&＃xff0c;计算尾流效应对功率的影响。

除了聚焦国内市场&＃xff0c;大地量子近期还在积极开拓国际业务&＃xff0c;依托合作伙伴亚马逊云科技的全球云节点以及其高性能的底层计算能力&＃xff0c;大地量子目前正在开展国际客户的POC工作。

大地量子在新能源高精度的功率预测业务中全面使用了亚马逊云科技提供的多样化的云服务&＃xff0c;其中包括&＃xff1a;Amazon S3、Amazon FSx for Lustre、Amazon SageMaker、Amazon Lambda&＃xff0c;并成功地使用亚马逊全球云服务和GPU资源来处理海量气象数据&＃xff0c;为实现精准天气预报提供了最佳的系统化算力能力&＃xff0c;并且避免了网络传输造成的延迟和成本浪费。

Amazon FSx for Lustre可为数以千计运行PB级数据的复杂分析工作负载的计算实例提供支持&＃xff0c;还可以加速机器学习&＃xff08;ML&＃xff09;的进程&＃xff0c;借助最大化对计算资源的吞吐量&＃xff0c;以及无缝访问存储在Amazon S3中的培训数据&＃xff0c;可以缩短培训时间&＃xff0c;不仅为大地量子提供了PB级数据分析的计算能力&＃xff0c;还结合亚马逊云科技智能化计算和编排服务&＃xff0c;对精准天气预报所需的高性能计算工作负载提供了全面支持。

Amazon SageMaker是一项完全托管的机器学习服务&＃xff0c;数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型&＃xff0c;然后直接将模型部署到生产就绪的托管环境中。它提供了一个集成的Jupyter编写Notebook实例&＃xff0c;可以轻松访问数据源以便进行探索和分析&＃xff0c;因此您无需管理服务器。此外&＃xff0c;它还可以提供常见的机器学习算法&＃xff0c;这些算法经过了优化&＃xff0c;可以在分布式环境中高效处理非常大的数据。

大地量子通过Amazon SageMake服务&＃xff0c;构建了在线推理服务&＃xff0c;实现了Notebook对模型的训练&＃xff0c;并且把复杂的模型训练管理起来。当模型在工业环境中应用出现问题后&＃xff0c;还可以追溯问题并尽快解决。利用亚马逊云科技丰富而强大的云服务&＃xff0c;将天气预报的精准数据与风场本地的运营数据结合&＃xff0c;通过云端的数值模拟和机器学习模型的不断优化和迭代&＃xff0c;最终实现风电功率预测精准度的大幅提升&＃xff0c;为促进和提升新能源业务的发展提供了最佳实践。