深圳能源集团如何用AI解决风光发电"靠天吃饭"、气象预测不精准导致调度困难问题

深圳能源集团股份有限公司是深圳市属国有能源企业，《财富》中国500强企业、国务院国资委"双百企业"，主营电力、热力、燃气等综合能源业务。随着"双碳"目标推进，公司新能源装机规模快速增长——截至2024年7月，全国风电、太阳能装机容量突破12亿千瓦，首次超过煤电。然而，风光发电"靠天吃饭"的特性带来了巨大挑战：风速突变、云层遮挡等天气因素导致电力波动剧烈，传统数值天气预报存在计算时效差、网格精度不足、数据同化成本高等瓶颈，难以支撑精准调度。

深能源在新能源功率预测领域面临三大核心挑战：

一是气象预测不精准。 风光发电完全依赖天气，传统数值天气预报网格精度有限，无法精准预判短期发电能力，导致调度人员只能靠经验判断，偏差较大。二是调度决策缺乏数据支撑。 气象信息与发电调度之间存在断层，调度人员难以提前数小时乃至数日掌握各场站真实发电能力，错失最优检修窗口与储能策略优化时机。三是电力现货市场报价被动。 预测偏差直接导致偏差考核成本增加，在现货市场中处于竞争劣势，经济效益受损。

2024年8月，深能源联合华为云共建联合创新实验室，引入荣获"2023年中国科学十大进展"的盘古气象大模型，构建全球首个基于AI气象大模型的新能源功率预测平台。

技术路径： 盘古气象大模型以超强算力和先进算法，在气象预报精度上首次超过传统数值方法，分辨率最高达1公里，速度提升10000倍，提供秒级天气预报。在此基础上，双方融合深能源自有场站实时观测数据、历史运行时序数据及多源气象信息，进一步预测"风高频率""光高频率"和"季节降水"等关键数据，融合构建水风光一体化预测能力。

系统已在四个试点场站稳定运行： 泗洪风场站、高邮风场站、新苏莫风场站和酒泉光场站。

本方案的核心技术架构包含三层：数据融合层整合场站实时SCADA数据、历史发电时序数据、多源气象数据（卫星云图、地面观测等），建立统一数据底座；AI预测层以盘古气象大模型为底座，针对风速、辐照度、降水等关键要素构建专项预测模型，并结合历史数据不断迭代优化；调度应用层将预测结果直接接入电力调度系统，支持检修计划优化、储能策略调整、现货市场报价辅助等场景。整套系统具备向水电、海上风电等更广泛场景延伸的能力。

深能源的实践为能源行业AI应用提供了三条重要启示：其一，选对模型底座是关键——盘古气象大模型在精度和速度上全面超越传统数值方法，是本项目成功的核心技术基础；其二，行业Know-How不可或缺——通用大模型必须结合企业自有场站数据深度微调，才能真正解决业务痛点；其三，从试点到规模化路径清晰——四个场站试点验证后，可快速向集团全部新能源场站复制，形成规模效益。

深能源与华为云的合作，本质上是将"AI气象预测能力"转化为"电力调度竞争优势"的典型案例。其价值不仅在于单项指标提升，更在于构建了"气象预判→发电预测→调度优化→市场报价"的完整决策闭环。对于新能源占比持续提升的电力系统而言，谁能在气象预测上领先一步，谁就能在调度效率和交易收益上形成碾压性优势。这一"气象即生产力"的认知转变，是深能源案例最值得其他能源企业借鉴之处。