1月2日，國網(wǎng)山東省電力公司電力調(diào)度控制中心調(diào)度計劃處負(fù)荷預(yù)測專責(zé)查看山東電網(wǎng)負(fù)荷預(yù)測數(shù)據(jù)，研判山東電網(wǎng)電力供需形勢。自2024年迎峰度冬開始以來，山東電網(wǎng)負(fù)荷預(yù)測準(zhǔn)確率達(dá)98.9%，較去年同期提高0.9個百分點(diǎn)，為電網(wǎng)安全運(yùn)行提供了有力支撐。負(fù)荷預(yù)測精度的提升得益于國網(wǎng)山東電力于2024年6月以來開始應(yīng)用的負(fù)荷預(yù)測大模型技術(shù)。
電網(wǎng)負(fù)荷易受氣溫變化影響。高溫、寒潮、強(qiáng)對流等極端天氣與重大轉(zhuǎn)折天氣容易導(dǎo)致用電負(fù)荷快速增長，增加用電高峰時段電力保供壓力;影響新能源出力，使其在短時間內(nèi)發(fā)生劇烈變化。近年來，極端天氣頻發(fā)，高比例新能源接入規(guī)模不斷增長，電網(wǎng)安全穩(wěn)定工作增加了更多不確定性，對電力平衡精度提出更高要求，需要通過提高負(fù)荷預(yù)測的準(zhǔn)確性來提升電力供應(yīng)的可靠性。
傳統(tǒng)負(fù)荷預(yù)測模型主要依賴從大量歷史負(fù)荷數(shù)據(jù)中歸納總結(jié)規(guī)律和特征。但極端天氣、重大轉(zhuǎn)折天氣復(fù)雜多樣、歷史樣本少，傳統(tǒng)負(fù)荷預(yù)測模型難以根據(jù)天氣變化給出準(zhǔn)確預(yù)測，也無法對分時電價政策、負(fù)荷統(tǒng)計口徑調(diào)整等非確定影響因素作出自適應(yīng)調(diào)整。
為此，國網(wǎng)山東電力與外部相關(guān)企業(yè)開展技術(shù)合作，組建研發(fā)團(tuán)隊，搭建“氣象大模型+負(fù)荷預(yù)測大模型”。前者通過“全球-區(qū)域”聯(lián)合建模技術(shù)，在搭建全球廣域范圍的宏觀氣象模型的同時，為公里級別的山東區(qū)域微氣象過程建模，實(shí)現(xiàn)高精度和高分辨率區(qū)域天氣預(yù)報。后者可通過培育自學(xué)習(xí)能力和專家經(jīng)驗學(xué)習(xí)能力，不斷優(yōu)化調(diào)整負(fù)荷預(yù)測模型，逐步實(shí)現(xiàn)“逼近人、模擬人、超越人”進(jìn)階升級，提升負(fù)荷預(yù)測精度。兩個大模型彼此交互。
研發(fā)團(tuán)隊還通過人工智能(AI)技術(shù)，在負(fù)荷預(yù)測大模型上搭建了“教師AI+學(xué)生AI”雙AI預(yù)測模塊。學(xué)生AI從氣象數(shù)據(jù)、歷史負(fù)荷數(shù)據(jù)及其他負(fù)荷影響因素中歸納重大轉(zhuǎn)折天氣、節(jié)假日等特殊場景典型特征，訓(xùn)練形成對電網(wǎng)負(fù)荷的預(yù)測模型。教師AI考評學(xué)生AI預(yù)測效果并打分反饋，同時通過基于大語言模型的人機(jī)交互界面接收負(fù)荷預(yù)測專責(zé)專家經(jīng)驗，調(diào)優(yōu)學(xué)生AI形成的預(yù)測模型，優(yōu)化模型預(yù)測效果。
據(jù)介紹，負(fù)荷預(yù)測大模型實(shí)現(xiàn)了對負(fù)荷規(guī)律的自學(xué)習(xí)、預(yù)測偏差的自分析和自調(diào)整，解決了傳統(tǒng)負(fù)荷預(yù)測模型在重大轉(zhuǎn)折天氣等情況下負(fù)荷預(yù)測偏差大的難題。在2024年迎峰度夏期間，山東地區(qū)出現(xiàn)高溫突轉(zhuǎn)降雨等7次重大轉(zhuǎn)折天氣，該模型預(yù)測準(zhǔn)確率較往年的人工預(yù)測提升了3.35個百分點(diǎn)。(張冰 周蕾 葛暢)
作者：張冰 周蕾 葛暢
評論