免費下載！
[!--downpath--]進軍新能源領域，英特爾采用軟硬件并舉，依托至強平臺集成AI技術，加速部署新能源發(fā)電智能電量預測，推動電力公司大幅提升發(fā)電效率。
風電、光伏發(fā)電等可再生新能源在智能電網(wǎng)系統(tǒng)中的比重越來越重要。
國家能源局新能源數(shù)據(jù)顯示，截至2020年上半年，全省風電、光伏發(fā)電累計裝機容量分別為2.17億千瓦、2.16億千瓦。
在全球紅色和低碳轉(zhuǎn)型趨勢下，以風電、光伏為代表的新能源將持續(xù)擴張，裝機容量將持續(xù)下降。
雖然新能源發(fā)電已經(jīng)相對成熟并廣泛應用，但與傳統(tǒng)火力發(fā)電廠相比中期風電功率預測，仍具有較強的隨機性和波動性，大規(guī)模并網(wǎng)將對電網(wǎng)的穩(wěn)定性產(chǎn)生巨大影響。 如果能夠提前預測發(fā)電量和發(fā)電量，合理調(diào)整發(fā)電量和并網(wǎng)負荷，就能保證電網(wǎng)的穩(wěn)定。
1、能源變革：人工智能加速新能源發(fā)電
能源是社會發(fā)展的基石。 隨著社會的快速發(fā)展，人類對能源的需求不斷減少。 風電、光伏等可再生能源以其清潔的特點越來越受到公眾的追捧。
國家能源局數(shù)據(jù)顯示，僅2019年上半年，全省風力發(fā)電裝機環(huán)比下降11.5%，光伏發(fā)電裝機環(huán)比下降20% 。
在眾多可再生能源中，生物質(zhì)能源以其直接獲取、取之不盡、用之不竭、發(fā)電污染低等優(yōu)點備受追捧。
但與常規(guī)能源發(fā)電相比，風力發(fā)電、光伏發(fā)電等新能源在生產(chǎn)過程中容易受到風速、風向、日照、溫度、氣壓等環(huán)境因素的影響。 不可控性比較大。 大規(guī)模新能源向電網(wǎng)轉(zhuǎn)移將對系統(tǒng)穩(wěn)定運行和電力調(diào)度帶來巨大挑戰(zhàn)。
如何將大規(guī)模新能源產(chǎn)生的電力高效并入電網(wǎng)輸送和使用已成為一大難題。
為此，新能源電量的準確預測是解決上述困難的有效途徑之一。
以風電為例，是指根據(jù)風電場歷史功率、歷史風速、地形、數(shù)值天氣預報、風機運行狀態(tài)等數(shù)據(jù)，建立風電場出力預測模型。
早在2011年，國家就對風電場發(fā)電預測的技術參數(shù)做出明確規(guī)定，要求風電場進行風電功率預測并制定發(fā)電計劃。 風電功率預測已成為風電場并網(wǎng)的必要條件之一。
根據(jù)國家能源局發(fā)布的《風電場功率預測預報管理暫行辦法》，要求風電日預測曲線最大偏差大于25%，實時預報偏差大于15%，全天預報結果均方根偏差大于20%。
在風電功率預測中，關鍵是需要對風電的不確定性進行精細建模，并克服數(shù)據(jù)偏差帶來的影響。
功率預測偏差的影響因素包括預測模型、數(shù)值天氣預報精度、氣象數(shù)據(jù)、數(shù)據(jù)采集與處理等，這種偏差的存在成為風電功率預測的最大對手。
一般來說，風電功率預測的通常流程包括數(shù)據(jù)分析、建模和預測三個部分。 最后，需要從海量數(shù)據(jù)中提取物理模型并進行數(shù)據(jù)預測。
為此，引入基于人工智能的預測手段可以減少和消除偏差，以低成本實現(xiàn)高精度的風電預測。
要實現(xiàn)人工智能賦能新能源發(fā)電功率預測，軟件和硬件配套設備都必不可少。 AI算法的支持和更強的計算能力，使得基于AI的智能預測方法具備了落地的條件。
強大計算能力支持的軟硬件設備不僅可以提高大數(shù)據(jù)的處理速率，還可以保證預測的準確性。 而英特爾就是其中的強者。
2.電量預測助手：動物園加持，準確率79.41%
基于人工智能的新能源發(fā)電預測的最終目標是幫助電力公司顯著提高發(fā)電效率。 然而中期風電功率預測，傳統(tǒng)的AI電量預測方法主要采用單一的人工智能算法模型來訓練和推斷環(huán)境參數(shù)、電量、發(fā)電量等數(shù)據(jù)樣本。
這種方法只適合短期預測，隨著預測周期變長，預測準確率會急劇下降。
在智能電力預測領域多年積累和積累的金風惠能看來，實現(xiàn)高效電力預測的關鍵在于，一方面要把電力預測與天氣預報結合起來，填補時間維度的缺陷，保證時間序列數(shù)據(jù)與預測精度的一致性。 另一方面，采用多模型組合方案替代單一模型，提高系統(tǒng)的預測精度。
基于此，金風惠能與英特爾聯(lián)手，以英特爾統(tǒng)一大數(shù)據(jù)分析和AI平臺Zoo為紐帶，借助深度學習和機器學習，結合風機級天氣預報、風跡等天氣預報數(shù)據(jù)仿真，并結合多種模型方法構建新的功率預測智能方案。
首先是準確的天氣預報數(shù)據(jù)。 為保證預報的準確性，金風惠能與中國氣象局、歐洲氣象中心等權威機構合作，通過集體預報的方式保證預報精度的穩(wěn)定性。 比如，在新方案中，金風惠能將天氣預報的精度從常規(guī)的9公里細化到100米。
圖：風力發(fā)電機級天氣預報和風軌跡模擬。 新方案中，左側風機級天氣預報的尺度從常規(guī)的9公里細化為100米的微尺度。 下圖中，對風軌跡的模擬清晰地定量分析了出行路線。
其次，金風惠能構建多模型組合預報方案，挖掘海量數(shù)據(jù)，打造特色項目，分析風速、風向、氣溫等與預報相關的影響因素。
圖：結合天氣預報數(shù)據(jù)的多模式組合預報方案框架，將中國氣象局、歐洲氣象中心等不同天氣預報來源的天氣預報數(shù)據(jù)與不同深度學習或機器學習算法的參數(shù)結合起來生成比如SVM+CMA方式。
在此過程中，基于英特爾統(tǒng)一大數(shù)據(jù)分析和AI平臺Zoo，金風慧能可以將新解決方案中的Spark、Keras及其軟件和框架無縫集成到同一個管道中。
在這個路徑的過程中，有助于將數(shù)據(jù)存儲、數(shù)據(jù)處理、訓練推理的管道整合到統(tǒng)一的基礎設施中，降低硬件管理和系統(tǒng)運維的成本。
Zoo除了為解決方案提供統(tǒng)一的端到端分布式解決方案外，還可以幫助用戶提高系統(tǒng)開發(fā)和部署的效率和可擴展性，同時還可以在時間序列數(shù)據(jù)的分析方面提供更強的推動力。
經(jīng)金風匯能聯(lián)合英特爾在全省多個光伏測試點進行驗證，發(fā)現(xiàn)新方案的預測精度超過原方案的59%，達到79.41%。
按月計算，在每個測試的光伏領域，金風惠能利用3萬條記錄，單小時迭代5000次優(yōu)化模型，并在50微秒內(nèi)獲得未來2小時的電量預測數(shù)據(jù)。
最后，英特爾與金風惠能聯(lián)合開發(fā)的新型智能功率預測解決方案的實踐表明，這些AI預測解決方案在風電場的引入也可以幫助電力公司顯著提高發(fā)電效率。
3、軟硬件“風火輪”：Intel Xeon平臺集成AI技術加速
推動金風惠能打造智能電量預測解決方案，是英特爾AI技術在新能源發(fā)電領域的重要組成部分。
在軟件和硬件的支持下，英特爾為新能源智能解決方案提供全面支持。 未來，金風惠能還將基于Zoo搭建完善的數(shù)據(jù)整改平臺，優(yōu)化數(shù)據(jù)質(zhì)量。
事實上，在數(shù)據(jù)中心轉(zhuǎn)型之初，英特爾希望通過互聯(lián)存儲和計算的綜合能力，加速人工智能應用的落地，打通數(shù)據(jù)、開發(fā)和部署的閉環(huán)。
在數(shù)據(jù)鏈路上，涉及采集、存儲和處理，英特爾整合軟硬件能力進行加速和高效處理。
例如，基于第二代Intel Xeon可擴展處理器，用于加速估算過程； 英特爾傲騰?持久視頻內(nèi)存還可以將更多數(shù)據(jù)保留在靠近CPU的位置，從而實現(xiàn)更實時的處理。 只有英特爾傲騰? SSD 才能實現(xiàn)經(jīng)濟高效的大容量數(shù)據(jù)存儲。
在開發(fā)階段，英特爾架構已經(jīng)能夠支持企業(yè)中的大部分機器學習，讓企業(yè)能夠在熟悉的現(xiàn)有通用環(huán)境中輕松實施新的人工智能工作負載。
隨著人工智能技術逐漸滲透到各行各業(yè)。 英特爾同時利用軟件和硬件在至強可擴展平臺上集成各種人工智能技術加速，幫助企業(yè)根據(jù)自身業(yè)務需求和IT環(huán)境擴展人工智能應用。
4、前景：加速新能源智能化轉(zhuǎn)型
根據(jù)《可再生能源發(fā)展“十三五”規(guī)劃》，“十三五”期間，我國可再生能源應用規(guī)模將進一步擴大，風電和太陽能多元化協(xié)調(diào)發(fā)展。 到2020年底，我國風電并網(wǎng)裝機容量將達到2.1億千瓦以上，太陽能發(fā)電達到1.1億千瓦以上。
這意味著可再生能源發(fā)電在智能電網(wǎng)系統(tǒng)中的比重越來越重要。 可再生能源發(fā)電量的準確預測對于減輕電網(wǎng)調(diào)峰壓力、減少電力系統(tǒng)備用容量配置、提高電網(wǎng)接納可再生能源的能力具有重要作用。
對光伏、風電等新能源的出力功率進行預測，不僅有利于調(diào)度系統(tǒng)合理調(diào)整和優(yōu)化發(fā)電計劃，提高電網(wǎng)調(diào)峰能力，還可以減少電力消耗。棄風棄光，降低其運營成本，幫助電力企業(yè)提高競爭力。
在國外，新能源電力公司參考預測電量來確定報價。 新能源電量預測還可以為電力市場交易提供決策依據(jù)。 在一些小型新能源站，如海上風電場，也開展了功率預測工作，根據(jù)預測的發(fā)電量參與市場競爭。
隨著以新能源為主導的電力體制改革，人工智能解決方案的引入對新能源的智能功率預測具有重要意義。 英特爾采用軟硬件雙管齊下，至強平臺集成AI技術加速新能源部署，推動能源行業(yè)智能化發(fā)展。
