闖進(jìn)新能源領(lǐng)域，英特爾軟硬兼施，依托至強(qiáng)平臺(tái)集成AI技術(shù)加速布局新能源發(fā)電智能功率預(yù)測，推動(dòng)電力企業(yè)明顯提高發(fā)電效率。
以風(fēng)力發(fā)電、光伏發(fā)電為主的可再生新能源在智能電網(wǎng)體系的比重越來越重要。
據(jù)國家能源局新能源數(shù)據(jù)顯示，截止2020年上半年，全省風(fēng)電和光伏發(fā)電累計(jì)裝機(jī)量分別為2.17億千瓦、2.16億千瓦。
在全球紅色低碳變革的趨勢下，以風(fēng)電、光伏為代表的新能源還將保持?jǐn)U大的態(tài)勢，裝機(jī)規(guī)模不斷下降。
盡管新能源發(fā)電已相對(duì)成熟并被廣泛應(yīng)用，但相較于傳統(tǒng)火電站，仍具有較強(qiáng)的隨機(jī)性與波動(dòng)性，大規(guī)模劃歸電網(wǎng)時(shí)將會(huì)對(duì)電網(wǎng)的穩(wěn)定導(dǎo)致巨大影響。倘若能提早預(yù)測功率及發(fā)電量，合理調(diào)節(jié)發(fā)電與并網(wǎng)負(fù)荷，將保證電網(wǎng)的穩(wěn)定性。
一、能源之變：人工智能加速新能源發(fā)電
能源是社會(huì)發(fā)展的基石，隨著社會(huì)的快速發(fā)展，人類對(duì)能源的需求不斷降低，以清潔為重要特征的風(fēng)電、光伏等可再生能源越來越為大眾所追捧。
據(jù)國家能源局的數(shù)據(jù)顯示，僅2019年上半年，全省風(fēng)電發(fā)電量環(huán)比下降11.5%、光伏發(fā)電裝機(jī)量環(huán)比下降20%。
在諸多可再生能源中，生物質(zhì)能以其直接獲取、取用不盡、發(fā)電污染小等優(yōu)點(diǎn)深受追捧。
不過，與常規(guī)能源發(fā)電相比，以風(fēng)力發(fā)電、光伏發(fā)電為主的新能源在發(fā)電生產(chǎn)過程中容易遭到風(fēng)速、風(fēng)向、日照、氣溫、氣壓等環(huán)境誘因的影響，其隨機(jī)性、波動(dòng)性與不可控性比較大。大規(guī)模新能源劃歸電網(wǎng)會(huì)給系統(tǒng)的穩(wěn)定運(yùn)行以及電力調(diào)度帶來巨大挑戰(zhàn)。
怎樣將通過大規(guī)模新能源發(fā)出來的電接入電網(wǎng)高效輸送并使用，成為一大困局。
為此，新能源功率的確切預(yù)測正是解決上述困難的有效方式之一。
以風(fēng)電功率為例，其指的是以風(fēng)電場的歷史功率、歷史風(fēng)速、地形地貌、數(shù)值天氣預(yù)報(bào)及風(fēng)力發(fā)電機(jī)組運(yùn)行狀態(tài)等數(shù)據(jù)構(gòu)建風(fēng)電場輸出功率的預(yù)測模型。
早在2011年，國家就針對(duì)風(fēng)電場的發(fā)電功率預(yù)測技術(shù)參數(shù)進(jìn)行了明晰規(guī)定，要求風(fēng)電場進(jìn)行風(fēng)電功率預(yù)測并制訂發(fā)電計(jì)劃。風(fēng)電功率預(yù)測已成為風(fēng)電場并接入電網(wǎng)的必要條件之一。
按照中國國家能源局發(fā)布的《風(fēng)電場功率預(yù)測預(yù)報(bào)管理暫行辦法》，要求風(fēng)電日預(yù)測曲線最大偏差大于25%，實(shí)時(shí)預(yù)測偏差大于15%，全天預(yù)測結(jié)果的均方根偏差大于20%。
在風(fēng)電功率預(yù)測當(dāng)中，重點(diǎn)在于，須要對(duì)風(fēng)電功率的不確定性進(jìn)行精細(xì)化建模，中間又須要克服數(shù)據(jù)偏差導(dǎo)致的影響。
功率預(yù)測偏差的影響誘因包括預(yù)測模型、數(shù)值天氣預(yù)報(bào)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(fēng)電功率預(yù)測的最大對(duì)手。
一般而言，風(fēng)電功率預(yù)測的通常過程包括了數(shù)據(jù)剖析、建模與預(yù)測三大部份，最終須要從海量數(shù)據(jù)中提取物理模型并進(jìn)行數(shù)據(jù)預(yù)測。
為此，引入以人工智能為方式的預(yù)測手段，才能減少和清除偏差，并以較低成本實(shí)現(xiàn)高確切度的風(fēng)電功率預(yù)測。
要實(shí)現(xiàn)人工智能對(duì)新能源發(fā)電功率預(yù)測的賦能，軟硬件配套設(shè)備兼具必不可少。AI算法和更強(qiáng)算力的支撐促使基于AI的智能預(yù)測方式具備落地條件。
而基于強(qiáng)悍算力支持的軟硬設(shè)備既能提升對(duì)大數(shù)據(jù)的處理速率，又能確保預(yù)測的確切性。而英特爾正是當(dāng)中的實(shí)力派。
二、功率預(yù)測助手：Zoo加持，確切率79.41%
基于AI的新能源發(fā)電功率預(yù)測，最終目的是幫助電力企業(yè)明顯提高發(fā)電效率。但在傳統(tǒng)的AI功率預(yù)測辦法當(dāng)中，主要是通過單一人工智能算法模型，對(duì)環(huán)境參數(shù)、功率、發(fā)電量等數(shù)據(jù)樣本進(jìn)行訓(xùn)練和推理。
這一辦法僅適用于短時(shí)間的預(yù)測，隨著預(yù)測時(shí)段變長，預(yù)測確切率也會(huì)急劇減少。
在智能功率預(yù)測領(lǐng)域有常年積累與沉淀的金風(fēng)惠能看來，實(shí)現(xiàn)高效電力功率預(yù)測的關(guān)鍵在于，一方面，要將功率預(yù)測與氣象預(yù)報(bào)相結(jié)合，以填補(bǔ)時(shí)間維度的缺陷，確保時(shí)序性數(shù)據(jù)與預(yù)測確切率的一致性。另一方面，采用多模型組合方案，取代單一模型，提高系統(tǒng)的預(yù)測確切率。
基于此，金風(fēng)惠能聯(lián)合英特爾，以英特爾統(tǒng)一的大數(shù)據(jù)剖析和AI平臺(tái)Zoo為紐帶，借助深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的方式，結(jié)合風(fēng)機(jī)級(jí)氣象預(yù)報(bào)、風(fēng)軌跡模擬等氣象預(yù)報(bào)數(shù)據(jù)，以多模型組合的形式來建立用于功率預(yù)測的全新智能方案。
首先是精準(zhǔn)的氣象預(yù)報(bào)數(shù)據(jù)。為了保證預(yù)測的確切度，金風(fēng)惠能與中國氣象局、歐洲氣象中心等權(quán)威機(jī)構(gòu)合作，以集合預(yù)報(bào)的形式，來保證預(yù)報(bào)精度的穩(wěn)定性。比如，在新方案中，金風(fēng)惠能將氣象預(yù)報(bào)的精準(zhǔn)由常規(guī)的9公里細(xì)化到100米。
圖：風(fēng)機(jī)級(jí)氣象預(yù)報(bào)和風(fēng)軌跡模擬，新方案中，左圖風(fēng)機(jī)級(jí)氣象預(yù)報(bào)尺度從常規(guī)的9公里細(xì)化到了100米的微尺度，而下圖中，對(duì)風(fēng)軌跡的模擬則做到了明晰的行進(jìn)路線定量剖析。
其次金風(fēng)惠能搭建了多模型組合的預(yù)測方案，挖掘海量數(shù)據(jù)，搭建特點(diǎn)工程，并剖析與預(yù)測相關(guān)的影響誘因，例如風(fēng)速、風(fēng)向、溫度等等。
圖：結(jié)合氣象預(yù)報(bào)數(shù)據(jù)的多模型組合預(yù)測方案構(gòu)架，將來自不同氣象預(yù)報(bào)源，比如中國氣象局、歐洲氣象中心的氣象預(yù)報(bào)數(shù)據(jù)與不同深度學(xué)習(xí)或機(jī)器學(xué)習(xí)算法的參數(shù)相組合，產(chǎn)生例如SVM+CMA的方式。
在此過程中，基于英特爾統(tǒng)一的大數(shù)據(jù)剖析和AI平臺(tái)Zoo，金風(fēng)惠能可以將新方案中的Spark、、Keras及其軟件和框架無縫集成到同一管線中。
在這一路徑的過程中，有助于將數(shù)據(jù)儲(chǔ)存、數(shù)據(jù)處理以及訓(xùn)練推理的流水線整合到統(tǒng)一的基礎(chǔ)設(shè)施上風(fēng)電功率預(yù)測與消納策略，降低用于硬件管理及系統(tǒng)運(yùn)維的成本。
Zoo除了可為方案提供統(tǒng)一的端到端分布式方案，幫助用戶提高系統(tǒng)的開發(fā)布署效率和可擴(kuò)充性，還可在時(shí)序數(shù)據(jù)剖析方面提供更強(qiáng)推動(dòng)。
金風(fēng)惠能與英特爾在全省多個(gè)光伏測試場進(jìn)行驗(yàn)證后發(fā)覺，新方案在預(yù)測確切率上趕超了原有方案的59%，達(dá)到了79.41%。
以月為周期風(fēng)電功率預(yù)測與消納策略，在每一個(gè)測試的光伏場中，金風(fēng)惠能在單小時(shí)內(nèi)使用3萬條記錄對(duì)模型進(jìn)行5000次迭代優(yōu)化，并在50微秒內(nèi)獲得未來2小時(shí)的功率預(yù)測數(shù)據(jù)。
最終，英特爾與金風(fēng)惠能合作的全新智能功率預(yù)測方案實(shí)踐表明，在風(fēng)電場中引入這些AI預(yù)測方案，才能幫助電力企業(yè)明顯提高發(fā)電效率。
三、軟硬件「風(fēng)火輪」：英特爾至強(qiáng)平臺(tái)集成AI技術(shù)加速
推動(dòng)金風(fēng)惠能構(gòu)建智能功率預(yù)測方案，是英特爾AI技術(shù)落地新能源發(fā)電領(lǐng)域的重要一環(huán)。
在軟硬件加持下，英特爾為新能源智能化解決方案提供全面支持。未來，金風(fēng)惠能還將基于Zoo搭建完整的數(shù)據(jù)整治平臺(tái)，優(yōu)化數(shù)據(jù)質(zhì)量。
實(shí)際上，在舉辦以數(shù)據(jù)中心變革伊始，英特爾希望通過聯(lián)接儲(chǔ)存與估算全方位能力來加速人工智能應(yīng)用落地，打通數(shù)據(jù)、開發(fā)和布署的閉環(huán)。
在數(shù)據(jù)環(huán)節(jié)，涉及采集、存儲(chǔ)和處理，英特爾集成軟硬件能力，用于加速和高效處理。
比如，基于第二代英特爾至強(qiáng)可擴(kuò)充處理器，用于加速估算流程；英特爾傲騰?持久顯存則還能將更多數(shù)據(jù)保存在緊靠CPU的位置，從而實(shí)現(xiàn)更多實(shí)時(shí)處理。而英特爾傲騰?固態(tài)盤，則才能實(shí)現(xiàn)經(jīng)濟(jì)高效的高容量數(shù)據(jù)儲(chǔ)存。
在開發(fā)環(huán)節(jié)，英特爾構(gòu)架已才能支持企業(yè)中的大多數(shù)機(jī)器學(xué)習(xí)，讓企業(yè)可以輕松地在熟悉的現(xiàn)有通用環(huán)境中施行新的人工智能工作負(fù)載。
隨著人工智能技術(shù)逐漸深入各行各業(yè)。英特爾以軟硬件兼施的方法，在至強(qiáng)可擴(kuò)充平臺(tái)上，集成各種人工智能技術(shù)加速，幫助企業(yè)依據(jù)自身的業(yè)務(wù)需求和IT環(huán)境拓展其人工智能應(yīng)用。
四、展望：加速新能源智能化變革
據(jù)《可再生能源發(fā)展“十三五”規(guī)劃》，在“十三五”時(shí)期我國再生能源應(yīng)用規(guī)模將進(jìn)一步擴(kuò)大，風(fēng)電和太陽能多樣化借助將協(xié)調(diào)開發(fā)到2020年末我國風(fēng)電并網(wǎng)裝機(jī)容量達(dá)到2.1億kW以上，太陽能發(fā)電達(dá)到1.1億kW以上。
這意味著，可再生能源發(fā)電在智能電網(wǎng)體系的比重越來重要。確切地預(yù)測可再生能源發(fā)電功率對(duì)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)可再生能源接納能力等起到重要作用。
對(duì)光伏、風(fēng)電等新能源的輸出功率舉辦預(yù)測，除了有利于調(diào)度系統(tǒng)合理調(diào)整和優(yōu)化發(fā)電計(jì)劃，改善電網(wǎng)調(diào)峰能力，更能降低棄風(fēng)和棄光率，并減少其運(yùn)行成本，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(yù)測功率來決定其報(bào)價(jià)。新能源功率預(yù)測，還能為電力市場交易提供決策根據(jù)。在一些小型新能源場站，如海上風(fēng)電場，也要舉辦功率預(yù)測工作，依據(jù)預(yù)測發(fā)電能力參與市場競爭。
伴隨以新能源為主的電力系統(tǒng)的改革，引入人工智能解決方案，對(duì)新能源智能功率預(yù)測有著重要意義。英特爾以軟硬兼施，至強(qiáng)平臺(tái)集成AI技術(shù)加速的方法布局新能源，推動(dòng)能源行業(yè)智能化發(fā)展。