清洁能源电力决策大模型的应用实践-为解决清洁能源消纳问题提供智慧思路

三峡上海院自研的“清洁能源电力决策大模型”，以三峡集团各类光伏、风电、水电场站的历史数据做持续训练，不断迭代其在功率预测、负荷分析、储能调控、竞价策略等方面的能力，现已成为公司属地智慧园区的脑力底座，并为即将开放的电力现货交易市场夯实技术基础，为解决清洁能源消纳问题提供智慧思路。

公司位于上海临新路的办公园区，建设了屋D全覆盖的光伏工程及储能设施，通过能源调控和碳足迹管理系统，实现全局设备的不间断监测与数字化控制。根据气象数据预测未来时序园区光伏产电功率，根据人员流动及设备运行数据预测用电负荷及碳排放，结合供需关系、峰谷电价，聚焦经济价值与减排目标，为智慧园区提供“源、网、荷、储”调控优解。

在国家2030、2060双碳战略目标的指引下，国内新型电力系统中新能源的装机占比急速提升，至2023年已超过36%。但由于光伏、风电等在发电过程中受天气等外界因素影响较大，发电功率具有随机性和波动性。清洁能源决策大模型在解决不稳定的能源供应问题上能够发挥巨大的作用，通过互联网将零散的分布式发电设备、储能系统、可控负荷等进行集成和优化协调，形成统一可调度的虚拟发电单元。

同时，国家鼓励开放电力现货交易市场，要求至2024年底除西藏外全部建成交易平台。由于电价在电力市场当中以秒为单位波动变化，仅凭“人脑”来进行分析决策不仅主观，而且迟滞。大模型在该场景下能够实现功率预测、负荷分析，并在交易市场中实现自动化价格决策。

能源管理大模型基于海量、多维的气象数据以及上海院所积累的大量绿电功率、负荷行为进行训练，实现对园区内部功率、负荷的准确预测，预测精度可达95%。其预测能力在园区能源管理、能源及设备调度方面起到至关重要作用。该大模型基于Transformer架构，通过6个独立的编码器对不同数据进行编码和解码，以此实现更G精度的预测。相比于传统算法，Transformer大模型不仅大幅提升计算速度，还能够更好地捕捉数据中的长期依赖关系和复杂模式。这种结构上的革新，使得模型在处理时间序列数据，如电力负荷随时间变化的趋势时，展现出更G的效率与准确性。

通过云平台部署，该能源管理大模型能够实时接收数据、即时分析预测，并将结果快速反馈至园区的能源管理系统中，为决策者提供策略建议，如降低负荷、增加储能、并网售电等，助力园区实现能源优配置、经济大化及碳排小化。综合而言，基于清洁能源场站海量数据训练出的大模型决策能力，出色回答了能源供需平衡、经济绿色低碳两大核心命题，为新一代智慧园区建设提供了样板。

电力现货交易大模型同样基于Transformer架构，根据电网海量的供需数据进行训练，能够根据“源”、“荷”两侧的变化趋势来准确预判电力价格的走势。该预测能力可辅助分布式、零散式清洁能源参与电力市场交易从中获益；同时为超大负荷的生产制造工业园区提供购电、储电策略，降低能源购置成本。通过对历史电价数据、天气预报、供需变化、政策调整等因素的深度学习，电力现货交易大模型能够识别出影响电价的关键变量和复杂市场动态，预测精度达到行业L先水平，为企业赢得市场先机。

借助清洁能源电力决策大模型在能源管理、电力市场交易两大能力，企业能准确预判G峰和低谷时段，适时调整用电计划或参与需求响应，以经济G效的方式平衡供需矛盾。实践中，临新路智慧园区通过实时调控光伏、储能、负荷，节约10%以上的电力运营成本。同时，它还能辅助制定中长期的电力采购策略，避免因市场价格变化带来的波动成本，持续提升产电、购电、用电、储电行为的经济性和环保性。

（1）成本节约与效率提升

大模型驱动的能源管理系统显著提升了园区能源负荷的预测精度，通过准确匹配供需，减少了能源浪费。优化的微电网调度策略与大模型协同，实现了电力运行成本小化。此外，通过参加电力现货交易能够为企业扩展资金来源，大幅节约电力运营成本。

（2）推广能力

该清洁能源电力决策大模型，能够快速复制并推广至各个配有清洁能源和储能装置的楼宇、园区，优化其能源调度与管理能力，提升园区的运营效率。

（3）社会效益

清洁能源电力决策大模型在节能减排、低碳运营中发挥着重要作用，能够以工位为管理单元，推动企业或园区逐层实现的双碳目标，进而由点及面助力国家双碳战略。