近日，阿里巴巴將AI應用于電力調度，聯(lián)合電網(wǎng)研發(fā)出的高精度電網(wǎng)負荷預測模型，已落地山東德州。
該模型的母線(xiàn)負荷預測準確率達98%，有效應對大規模光伏并網(wǎng)帶來(lái)的沖擊，促進(jìn)了電網(wǎng)安全穩定運行。
山東德州分布式光伏
統計數據顯示，山東是中國光伏第一省，光伏總裝機容量和新增量雙雙排名全國第一。
而德州光伏又位居山東前列，素有“中國太陽(yáng)城”之稱(chēng)，光伏發(fā)電高峰期占當地電網(wǎng)負荷一半以上，其中主力是分布式光伏。
分布式光伏：通俗來(lái)說(shuō)，就是在屋頂安裝光伏發(fā)電，既能自用，多的還能賣(mài)給電網(wǎng)，優(yōu)點(diǎn)突出，但也存在較大的波動(dòng)性和隨機性，其快速增長(cháng)導致電網(wǎng)負荷預測準確率持續下降，影響電力調度。
國網(wǎng)德州供電公司與阿里云、阿里達摩院合作，在電力調度中引入人工智能，研發(fā)出高精度電網(wǎng)負荷預測算法模型，2021年10月通過(guò)概念驗證，隨后進(jìn)行大規模推廣。
目前，新模型覆蓋德州近60條220千伏母線(xiàn)，運行半年來(lái)預測準確率整體達98%，已達到專(zhuān)家級別，超過(guò)96%的考核標準。尤其是國慶、春節、寒潮等負荷波動(dòng)較大的情況下，AI展現出比人工更高的準確率。
國慶假期A(yíng)I模型預測更接近真實(shí)值
母線(xiàn)是電力配送的樞紐，母線(xiàn)負荷預測是電力調度的基礎。
傳統母線(xiàn)負荷預測靠人工經(jīng)驗，工作量大，操作時(shí)間緊迫，AI介入后，能將預測耗時(shí)從之前的1個(gè)多小時(shí)縮短為幾分鐘，調度人員還有充足時(shí)間進(jìn)行檢查和校準，讓感知力更強、預測更準確，從而促進(jìn)了電力現貨市場(chǎng)出清，有效支撐大電網(wǎng)安全和新能源電力消納。
此次投入使用的高精度負荷預測模型基于自研AI算法，融合氣象預報、負荷轉供、大用戶(hù)用電計劃、節假日等多源異構的海量數據進(jìn)行聯(lián)合建模，解決了大量新能源并網(wǎng)造成的負荷預測準確率下滑的問(wèn)題。
此外，該模型還采用了達摩院的可解釋AI算法，打開(kāi)了“算法黑箱”，調度人員能夠更好理解AI預測的結果。
德州電力調度中心
隨著(zhù)新型電力系統建設加速，電網(wǎng)負荷預測等調度技術(shù)支撐體系亟需轉型升級，由傳統的人工經(jīng)驗走向高水平的智能化。
達摩院決策智能實(shí)驗室負責人印臥濤表示：“新能源電力不僅要發(fā)出來(lái)，更要用起來(lái)，這就需要一張更加智能、更為彈性的電網(wǎng)。”
未來(lái)，我們還將重點(diǎn)布局綠色能源AI，通過(guò)結合人工智能和云計算技術(shù)，助力構建新型電力系統。
