清潔能源電力決策大模型的應用實踐-為解決清潔能源消納問題提供智慧思路

三峽上海院自研的“清潔能源電力決策大模型”，以三峽集團各類光伏、風電、水電場站的曆史數據做持續訓練，不斷迭代其在功率預測、負荷分析、儲能調控、競價策略等方麵的能力，現已成為公司屬地智慧園區的腦力底座，並為即將開放的電力現貨交易市場夯實技術基礎，為解決清潔能源消納問題提供智慧思路。

公司位於上海臨新路的辦公園區，建設了屋D全覆蓋的光伏工程及儲能設施，通過能源調控和碳足跡管理係統，實現全局設備的不間斷監測與數字化控製。根據氣象數據預測未來時序園區光伏產電功率，根據人員流動及設備運行數據預測用電負荷及碳排放，結合供需關係、峰穀電價，聚焦經濟價值與減排目標，為智慧園區提供“源、網、荷、儲”調控優解。

在國家2030、2060雙碳戰略目標的指引下，國內新型電力係統中新能源的裝機占比急速提升，至2023年已超過36%。但由於光伏、風電等在發電過程中受天氣等外界因素影響較大，發電功率具有隨機性和波動性。清潔能源決策大模型在解決不穩定的能源供應問題上能夠發揮巨大的作用，通過互聯網將零散的分布式發電設備、儲能係統、可控負荷等進行集成和優化協調，形成統一可調度的虛擬發電單元。

同時，國家鼓勵開放電力現貨交易市場，要求至2024年底除西藏外全部建成交易平台。由於電價在電力市場當中以秒為單位波動變化，僅憑“人腦”來進行分析決策不僅主觀，而且遲滯。大模型在該場景下能夠實現功率預測、負荷分析，並在交易市場中實現自動化價格決策。

能源管理大模型基於海量、多維的氣象數據以及上海院所積累的大量綠電功率、負荷行為進行訓練，實現對園區內部功率、負荷的準確預測，預測精度可達95%。其預測能力在園區能源管理、能源及設備調度方麵起到至關重要作用。該大模型基於Transformer架構，通過6個獨立的編碼器對不同數據進行編碼和解碼，以此實現更G精度的預測。相比於傳統算法，Transformer大模型不僅大幅提升計算速度，還能夠更好地捕捉數據中的長期依賴關係和複雜模式。這種結構上的革新，使得模型在處理時間序列數據，如電力負荷隨時間變化的趨勢時，展現出更G的效率與準確性。

通過雲平台部署，該能源管理大模型能夠實時接收數據、即時分析預測，並將結果快速反饋至園區的能源管理係統中，為決策者提供策略建議，如降低負荷、增加儲能、並網售電等，助力園區實現能源優配置、經濟大化及碳排小化。綜合而言，基於清潔能源場站海量數據訓練出的大模型決策能力，出色回答了能源供需平衡、經濟綠色低碳兩大核心命題，為新一代智慧園區建設提供了樣板。

電力現貨交易大模型同樣基於Transformer架構，根據電網海量的供需數據進行訓練，能夠根據“源”、“荷”兩側的變化趨勢來準確預判電力價格的走勢。該預測能力可輔助分布式、零散式清潔能源參與電力市場交易從中獲益；同時為超大負荷的生產製造工業園區提供購電、儲電策略，降低能源購置成本。通過對曆史電價數據、天氣預報、供需變化、政策調整等因素的深度學習，電力現貨交易大模型能夠識別出影響電價的關鍵變量和複雜市場動態，預測精度達到行業L先水平，為企業贏得市場先機。

借助清潔能源電力決策大模型在能源管理、電力市場交易兩大能力，企業能準確預判G峰和低穀時段，適時調整用電計劃或參與需求響應，以經濟G效的方式平衡供需矛盾。實踐中，臨新路智慧園區通過實時調控光伏、儲能、負荷，節約10%以上的電力運營成本。同時，它還能輔助製定中長期的電力采購策略，避免因市場價格變化帶來的波動成本，持續提升產電、購電、用電、儲電行為的經濟性和環保性。

（1）成本節約與效率提升

大模型驅動的能源管理係統顯著提升了園區能源負荷的預測精度，通過準確匹配供需，減少了能源浪費。優化的微電網調度策略與大模型協同，實現了電力運行成本小化。此外，通過參加電力現貨交易能夠為企業擴展資金來源，大幅節約電力運營成本。

（2）推廣能力

該清潔能源電力決策大模型，能夠快速複製並推廣至各個配有清潔能源和儲能裝置的樓宇、園區，優化其能源調度與管理能力，提升園區的運營效率。

（3）社會效益

清潔能源電力決策大模型在節能減排、低碳運營中發揮著重要作用，能夠以工位為管理單元，推動企業或園區逐層實現的雙碳目標，進而由點及麵助力國家雙碳戰略。