11.19知識分子The Intellectual

圖源：Pixabay

撰文 | 張天祁

編輯 | 蘇惟楚

01 新能源發電帶來新難題

2021年2月，一場寒潮席卷美國德克薩斯州，導致約1000萬人在最高峰時期失去電力供應，部分地區斷電持續數天，該州批發電價一度較平時飆升兩百倍。

停電事件原因各不相同，但新能源給電力系統帶來的不穩定性已經成為一個不可忽視的因素，甚至在極端天氣事件下引發黑天鵝事件。

這是一道世界性難題。國際能源署上月發布的《世界能源展望2024》報告就提到，清潔能源正以前所未有的速度融入能源系統，而隨著電力需求和波動性能源發電的增加，許多電力系統難以承受更多的極端天氣事件和網絡攻擊。

美國德州那起大停電，導火索是冰凍的風電葉片，極寒天氣導致其能源結構中極為重要的風光發電量從42%驟降到8%。

中國面臨的挑戰可能更大。2023年，中國的可再生能源發電裝機已達14.5億千瓦，占全國發電總裝機歷史性超過火電裝機，同時貢獻了當年全球可再生能源新增裝機的60%。

中國的新能源占比將不斷提升。來源：國際能源署《世界能源展望20

國家能源局組織電力規劃設計總院等11家機構在2023年編寫的《新型電力系統發展藍皮書》指出，“新能源占比不斷提高，快速消耗電力系統靈活調節資源，其間歇性、隨機性、波動性特點使得系統調節更加困難，系統平衡和安全問題更加突出。”

世界性難題的破解，無疑需要各方的長期努力。人工智能，也開始參與其中。

2024年11月6日，在北京舉行的阿里達摩院決策智能實驗室年度論壇上，一個名為“八觀”的氣象大模型頗受關注。人工智能在新能源發電功率預測等方面的實踐和前景，更是引來了多家機構研究人員的激烈討論。

正在阿塞拜疆首都巴庫舉行的第29屆聯合國氣候變化大會上，AI同樣是備受矚目的話題。電氣與電子工程師協會（IEEE）前任主席賽義夫·拉曼（Saifur Rahman）教授告訴《知識分子》，大量可再生能源進入電網，電力輸出間歇、不穩定、對氣候風險更敏感，也因此需要以非常智能的方式來管理電力系統。

02 一類極為復雜難解的數學題目

電網本身已經是人類創造的最復雜系統之一，電力調度也是一類極為復雜難解的數學題目。

達摩院決策智能實驗室研究員王孟昌介紹，電力調度問題每增加一個變量，計算難度要翻很多倍。而一個真實的電力系統可能包含百萬級的變量，而且緊緊地耦合在一起。

即使在新能源接入電網之前，極端天氣和天氣突變也會導致負荷端的急劇變化，進而引發電力系統故障。清華大學教授梅生偉舉例，1987年日本東京大停電的一個重要原因就是天氣突然轉熱，導致用電負荷激增。

中國有著世界上最大規模的電力系統，卻沒有出現過大面積大規模的停電事故。梅生偉表示，其中的關鍵因素就在于火電的高度可控。

火電站、水電站等傳統發電設施，通過旋轉機械部件與電網相連，利用驅動發電機的重型轉子，將機械能轉換為電能發電。這種發電方法需要一定的啟動時間，但勝在穩定。即使供電系統出現故障，轉子依靠慣性旋轉依然能提供一段時間的動能，維持供電頻率為解決問題爭取時間。

與略顯笨重但可靠的傳統發電方式相比，新能源發電比較靈敏卻難以操控。它們可以在幾秒內甚至瞬間啟動發電，但也會短時間內停止發電，一旦出現故障，可以用來調整的時間極少。梅生偉說，這是新能源入網帶來的重大安全隱患。

隨著新能源的接入，極端天氣和天氣突變不僅影響負荷端，還會帶來供電端的波動。這就為本就極為復雜的電網平添了波動和不確定性，給世界范圍電力系統的調度和預測出了一個難題。

面對極端天氣時，新能源發電出力常常像過山車一樣急劇波動。以山東為例，全省新能源總裝機超過1億千瓦，在省級電網中居首。國網山東省電力公司調度中心數據顯示，2023年底寒潮期間，僅一天半時間山東電網的風電出力由1800萬千瓦下降至50萬千瓦，下降幅度高達97%。今年8月4日到5日，山東出現暴雨天氣，一天內風電光伏最高出力4300萬千瓦降至2800萬千瓦。

盡可能準確預測新能源發電功率，是保證電力系統安全的前提之一。傳統預測手段在正常天氣條件下準確率相對穩定，但在重大轉折性天氣和持續性極端天氣條件下預測準確率就要差很多。而預測偏差如果過大，將極大地影響電力平衡和電力供應的可靠性，甚至給電力系統帶來不可挽回的損失。

03 人工智能帶來新思路

在電力系統發展的歷史上，不止一次出現過這樣的情形：電力系統的調度和預測問題變得復雜難解的同時，解決問題的方法也在同步進化。

山東電網調度中心專家介紹，20世紀八九十年代，220千伏以上變電站規模成倍增加，依托計算機處理性能提升和光纖網絡技術應用，電網數據實現了采集和監控，不再依靠值班電話人工執行。

20世紀末21世紀初期。隨著孤立電網逐漸向互聯電網、超高壓電網邁進，依托于高性能服務器的自動控制系統，調度人員有更多精力投入到大電網安全分析處理。電網調度模式則從人工控制向自動控制轉變。

近年來AI技術的興起，AI能夠以前所未有的精度預測電力需求和可再生能源的發電量，從而顯著提升電力系統的運行效率和可靠性。

然而，想要預測新型電力系統的需求和發電量，就不能離開對天氣情況的精準掌握。目前通過AI進行天氣預測，尤其是做出對電力行業有幫助的預測，仍面臨諸多挑戰。

首先是時空分辨率的問題，如果將天氣預報的時間和空間精度比作圖像的分辨率，現在這張圖片還相當模糊。

例如，歐洲中期天氣預報中心（ECMWF）提供的預報在90小時內的時空分辨率約為10公里×10公里×1小時。這樣的精細度對于一般的城市生活預報可能已經足夠，對于電力行業而言還是太過粗糙。不能準確知道風電、光伏設備密集地區天氣狀況如何，就無法獲得有用的信息用于計算。

對于極端天氣，現有預報的精度顯得尤為不足。中央氣象臺首席預報員馬學款提到2023年北京暴雨的例子，預報降雨量600-800毫米，但局部地區降雨量達1100毫米。想要準確預報極端天氣非常困難，因為現在的預報系統本身，就不是為預報極端天氣而生。

馬學款還介紹，近年來災害性天氣預報準確率的提升進入瓶頸期，2016年后雖然準確率整體呈上升趨勢，但變化不夠顯著。對強對流天氣，比如短時強降水、風雹的預報準確率已經長期沒有突破，龍卷風空報率居高不下。

世界氣象組織(WMO)則在其最新報告《團結在科學之中》（United in Science2024）指出，人工智能和機器學習在再分析和觀測數據集上進行訓練，它們正在徹底改變天氣預報。

當然，極端天氣事件發生的頻率較低，可用的數據量更加有限，這也給AI模型的訓練帶來了更大挑戰，是難以生成高度準確預測的原因之一。

04 氣象大模型的實踐

在此次湖畔實驗室&達摩院決策智能實驗室的年度研討會上，來自某南方省份的電網專業人士介紹，他們也曾嘗試開發氣象預測模型，尤其是探索極端天氣預測，但同樣受制于缺少樣本和數據。

另外，有些指標并未被囊括在過去常見的天氣預測系統中，但對電力行業來說至關重要。例如，常規天氣預報提供的風速都是來自高度10米左右的風力觀測和預測，海上風電的安裝則至少要提升到100米的高度。

正因為此，達摩院最新發布的“八觀”氣象大模型（詳見“閱讀原文”）受到業內高度關注。其預測時空精度最高可達1公里×1公里×1小時，除了輸出常用的地表2米溫度、10米風速、濕度、降雨等指標，還有新能源專用的氣象指標，比如100米高度風速、200米高度風速、輻照度等，且多個氣象指標的預測精度較目前主流天氣預報顯著提升。

2024年夏季，全國平均氣溫為1961年以來歷史同期最高，華北等地出現“旱澇急轉”。而電力系統平穩應對劇烈天氣變化的背后，已經有“AI軍師”的一份貢獻。據國網山東省電力公司調度中心介紹，8月25日至28日，受降水影響，山東氣溫出現大幅度變化，3日內用電負荷總量下降20%，八觀氣象大模型通過構筑每小時更新一次的高精度區域天氣預報網絡，及時捕捉溫度變化，推動下游新能源發電功率、電力負荷預測準確率分別提升至96.5%和98.1%，有效幫助電力系統作出及時、準確的調度決策。

2024年8月下旬，“八觀”氣象大模型(opt.aliyun.com/weather)在氣

這樣的氣象大模型，還可用于體育賽事、農業生產、航空極端天氣預警等場景。同時，達摩院決策智能實驗室資深算法專家孫亮解釋，很多預測通常和決策緊密相連，決策者需要預測的可解釋性，尤其是預測和決策者的預期存在偏差之時。

達摩院決策智能團隊注重技術，但技術并不是一切。“AI 確實具有許多優勢，但關鍵在于如何更好地將大型模型與實際需求相結合。”孫亮說。

無論是天氣預報，還是新能源占比不斷提升的電力系統，都需要AI做得更多。國際能源署《世界能源展望2024》報告就指出，AI對能源有著非常廣泛的潛在影響，包括提高電力部門的系統協調能力、縮短創新周期等。

“AI當然不是惟一的技術解決路徑，但我們再也不能忽視其作用?！盜EEE前任主席Saifur Rahman說。