英特尔进击新能源发电，看AI如何用气象预报预测功率 作者：力琴 突入新能源范畴，英特尔软硬兼施，依托至强平台集成 AI 技能加快结构新能源发电智能功率预测，助力电力企业显著晋升发电效率。突入新能源范畴，英特尔软硬兼施，依托至强平台集成 AI 技能加快结构新能源发电智能功率预测，助力电力企业显著晋升发电效率。以风力发电、光伏发电为主的可再生新能源在智能电网体系的比重越来越重要。

据国度能源局新能源数据显示，截至 2020 年上半年，全国风电和光伏发电累计装机量别离为 2.17 亿千瓦、2.16 亿千瓦。在全球绿色低碳转型的趋势下，以风电、光伏为代表的新能源还将保持扩大的态势，装机范围不停增长。

虽然新能源发电已相对成熟并被遍及应用，但相较于传统火电厂，仍具有较强的随机性与颠簸性，大范围并入电网时将会对电网的不变造成巨大影响。假如能提前预测功率及发电量，合理调治发电与并网负荷，将包管电网的不变性。

一、能源之变：人工智能加快新能源发电 能源是社会成长的基石，跟着社会的快速成长，人类对能源的需求不停增加，以清洁为重要特点的风电、光伏等可再生能源越来越为公共所青睐。据国度能源局的数据显示，仅 2019 年上半年，全国风电发电量同比增长 11.5%、光伏发电装机量同比增长 20%。在浩瀚可再生能源中，风能以其直接获取、取用不尽、发电污染小等长处备受青睐。不外，与通例能源发电比拟，以风力发电、光伏发电为主的新能源在发电出产历程中容易受到风速、风向、日照、气温、气压等情况因素的影响，其随机性、颠簸性与不行控性比力大。

大范围新能源并入电网会给系统的不变运行以及电力调理带来巨大挑战。如何将通过大范围新能源发出来的电接入电网高效输送并使用，成为一浩劫题。展开全文 因此，新能源功率的精确预测正是解决上述坚苦的有效方法之一。

以风电功率为例，其指的是以风电场的汗青功率、汗青风速、地形地貌、数值天气预报及风力发电机组运行状态等数据成立风电场输出功率的预测模型。早在 2011 年，国度就针对风电场的发电功率预测技能参数举行了明确划定，要求风电场举行风电功率预测并拟定发电打算。风电功率预测已成为风电场并接入电网的须要条件之一。按照中国国度能源局公布的《风电场功率预测预报办理暂行措施》，要求风电日预测曲线最大误差小于 25%，及时预测误差小于 15%，全天预测成果的均方根误差小于 20%。

在风电功率预测傍边，重点在于，需要对风电功率的不确定性举行精细化建模，中间又需要降服数据误差造成的影响。功率预测误差的影响因素包括预测模型、数值天气预报精度、气象数据、数据收罗与处置惩罚等。

这些误差的存在，成为风电功率预测的最大敌手。凡是而言，风电功率预测的一般历程包括了数据阐发、建模与预测三大部门，最终需要从海量数据中提取数学模型并举行数据预测。因此，引入以人工智能为方法的预测手段，可以或许降低和消除误差，并以较低成本实现高精确度的风电功率预测。要实现人工智能对新能源发电功率预测的赋能，软硬件配套设备兼备必不行少。

AI 算法和更强算力的支撑使得基于 AI 的智能预测方法具备落地条件。而基于强大算力支持的软硬设备既能提高对大数据的处置惩罚速度，又能确保预测的精确性。而英特尔正是傍边的实力派。

二、功率预测助手：Analytics Zoo 加持，精确率 79.41% 基于 AI 的新能源发电功率预测，最终目的是帮忙电力企业显著晋升发电效率。但在传统的 AI 功率预测措施傍边，主要是通过单一人工智能算法模型，对情况参数、功率、发电量等数据样本举行训练和推理。这一措施仅合用于短时间的预测，跟着预测时段变长，预测精确率也会随之降低。

在智能功率预测范畴有持久积聚与沉淀的金风慧能看来，实现高效电力功率预测的关键在于，一方面，要将功率预测与气象预报相联合，以弥补时间维度的缺陷，确保时序性数据与预测精确率的一致性。另一方面，接纳多模型组合方案，替代单一模型，晋升系统的预测精确率。基于此，金风慧能结合英特尔，以英特尔统一的大数据阐发和 AI 平台 Analytics Zoo 为纽带，操纵深度进修与呆板进修的方法，联合风机级气象预报、风轨迹模拟等气象预报数据，以多模型组合的方式来构建用于功率预测的全新智能方案。

首先是精准的气象预报数据。为了包管预测的精确度，金风慧能与中国气象局、欧洲气象中心等权威机构互助，以荟萃预报的方式，来包管预报精度的不变性。比方，在新方案中，金风慧能将气象预报的精准由通例的 9 公里细化到 100 米。图：风机级气象预报和风轨迹模拟，新方案中，左图风机级气象预报标准从通例的 9 公里细化到了 100 米的微标准，而右图中，对风轨迹的模拟则做到了明确的行进路线定量阐发。

其次金风慧能搭建了多模型组合的预测方案，挖掘海量数据，搭建特征工程，并阐发与预测相关的影响因素，比方风速、风向、温度等等。图：联合气象预报数据的多模型组合预测方案架构，未来自差别气象预报源，比方中国气象局、欧洲气象中心的气象预报数据与差别深度进修或呆板进修算法的参数相组合，形成诸如 SVM+CMA 的方法。

在此历程中，基于英特尔统一的大数据阐发和 AI 平台 Analytics Zoo，金风慧能可以将新方案中的 Spark、TensorFlow、Keras 及其软件和框架无缝集成到同一管道中。在这一路径的历程中，有助于将数据存储、数据处置惩罚以及训练推理的流水线整合到统一的基础设施上，减罕用于硬件办理及系统运维的成本。Analytics Zoo 不仅可为方案提供统一的端到端漫衍式方案，帮忙用户晋升系统的开辟布置效率和可扩展性，还可在时序数据阐发方面提供更强助力。

金风慧能与英特尔在全国多个光伏测试场举行验证后发明，新方案在预测精确率上逾越了原有方案的 59%，到达了 79.41%。以月为周期，在每一个测试的光伏场中，金风慧能在单小时内使用 3 万笔记录对 LSTNet 模型举行 5000 次迭代优化，并在 50 毫秒内得到将来 2 小时的功率预测数据。

最终，英特尔与金风慧能互助的全新智能功率预测方案实践表白，在风电场中引入这种 AI 预测方案，可以或许帮忙电力企业显著晋升发电效率。三、软硬件「风火轮」：英特尔至强平台集成 AI 技能加快 助力金风慧能打造智能功率预测方案，是英特尔 AI 技能落地新能源发电范畴的重要一环。在软硬件加持下，英特尔为新能源智能化解决方案提供全面支持。

将来，金风慧能还将基于 Analytics Zoo 搭建完整的数据治理平台，优化数据质量。实际上，在开展以数据中心转型伊始，英特尔但愿通过毗连存储与计较全方位能力来加快人工智能应用落地，买通数据、开辟和布置的闭环。在数据环节，涉及收罗、存储和处置惩罚，英特尔集成软硬件能力，用于加快和高效处置惩罚。

比方，基于第二代英特尔至强可扩展处置惩罚器，用于加快计较流程；英特尔傲腾™ 长期内存则可以或许将更大都据生存在接近 CPU 的位置，进而实现更多及时处置惩罚。而英特尔傲腾 ™ 固态盘，则可以或许实现经济高效的高容量数据存储。在开辟环节，英特尔架构已可以或许支持企业中的大大都呆板进修，让企业可以轻松地在熟悉的现有通用情况中实施新的人工智能事情负载。

跟着人工智能技能慢慢深入各行各业。英特尔以软硬件兼施的方式，在至强可扩展平台上，集成各种人工智能技能加快，帮忙企业按照自身的业务需求和 IT 情况拓展其人工智能应用。四、展望：加快新能源智能化转型 据《可再生能源成长 “十三五” 规划》，在 “十三五” 时期我国再生能源应用范围将进一步扩大，风电和太阳能多元化操纵将协调开辟到 2020 年底我国风电并网装机容量到达 2.1 亿 kW 以上，太阳能发电到达 1.1 亿 kW 以上。

这意味着，可再生能源发电在智能电网体系的比重越来重要。精确地预测可再生能源发电功率对缓解电网调峰压力、减少电力系统备用容量设置、提高电网可再生能源采用能力等起到重要感化。对光伏、风电等新能源的输出功率开展预测，不仅有利于调理系统合理调解和优化发电打算，改善电网调峰能力，更能减少弃风和弃光率，并降低其运行成本，帮忙电力企业晋升竞争力。

在海内，新能源电力公司参考预测功率来决定其报价。新能源功率预测，可以或许为电力市场生意业务提供决议依据。在一些大型新能源场站，如海上风电场，也要开展功率预测事情，按照预测发电能力介入市场竞争。陪同以新能源为主的电力系统的厘革，引入人工智能解决方案，对新能源智能功率预测有着重要意义。

英特尔以软硬兼施，至强平台集成 AI 技能加快的方式结构新能源，促进能源行业智能化成长。返回，检察更多。

本文来源：爱游戏app下载ios-www.huaxinfoods.com