3月11日，阿里達摩院成功研發(fā)可精準預(yù)測風電場風速及發(fā)電功率的AI算法，該算法可預(yù)報平原、山地、海岸等不同地形的風速，并預(yù)測該區(qū)域內(nèi)風電場的發(fā)電量，為電網(wǎng)調(diào)度提供數(shù)據(jù)支撐，提升風電消納率。

在復雜的山地風電場中，使用達摩院AI預(yù)報的準確率可提升20%。目前該算法已服務(wù)國內(nèi)多個風電場。

風電是發(fā)展最快的可再生能源之一，國家能源局數(shù)據(jù)顯示，僅2021年，全國風電發(fā)電量達到6526億千瓦時，同比增長40.5%。

然而，風具有隨機性和間歇性特點，尤其是山地風電場受山谷風的局地環(huán)流影響，容易產(chǎn)生明顯的局地小氣候，常規(guī)天氣預(yù)報無法準確反映出風電場所在區(qū)域的真實風速，從而造成發(fā)電功率預(yù)測準確率低下，電力系統(tǒng)不穩(wěn)定等問題。

針對該問題，達摩院研AI Earth團隊發(fā)研發(fā)了高精度網(wǎng)格氣象與功率預(yù)報模型，基于AI降尺度技術(shù)高效提取地理空間特征，可將天氣預(yù)報精度提升至公里甚至百米級，有效解決復雜地形風速差異大的問題，實現(xiàn)更為精確的風速和風功率預(yù)報。

目前，達摩院已和內(nèi)蒙古東潤能源公司展開合作，為國內(nèi)多個風電場提供精細化氣象服務(wù)，提升預(yù)測準確率。

如湖南山區(qū)某風電場，過去該風電場在冬季風速預(yù)報均方根誤差(RMSE)約為4.75，使用達摩院AI算法進行后，誤差大幅降低至3.02，進而將風功率預(yù)報準確率提升20%以上。

相比傳統(tǒng)方法，達摩院算法預(yù)測結(jié)果與真實情況更接近

達摩院AI Earth團隊負責人李昊表示：“我們無法改變風的多變性特點，但結(jié)合傳統(tǒng)數(shù)值模式的AI可以高效地捕捉到其中的變化，幫助新能源行業(yè)掌握「馭風之術(shù)」。”