當來自1.5億公里外的陽光抵達地球時，經過大氣層的反射、吸收與散射后，最終約50%的能量能夠抵達地球表面。理論推算，只需利用地表接收太陽能總量的萬分之一，就能滿足當前人類社會的全部能源需求。
（數據來源：《人民日報》刊文：楊德仁院士深度剖析光伏產業，助力“雙碳”目標）
從遠古借陽光取暖，到光伏板將光轉化為電，人類馴化光能的歷程，始終伴隨著“希望與挑戰”。光電轉換效率提升，度電成本逐漸下降，但一個核心痛點始終未變——間歇性。白天與黑夜的交替、晴天與陰云的切換，光伏發電像“任性的水流”，難以穩定匯入電網。
破解這一難題，需要更智能的電網調度預判電力波動，光伏發電功率預測正是電網調度的“眼睛”。
國網浙江電科院技術人員正在進行“睿測”AI光伏預測系統研發丨劉廣擴攝
浙江迎峰度夏的關鍵時期，也是臺風頻繁活動的時期。在極端天氣的影響下，光伏發電功率曲線如同“過山車”一樣劇烈波動。如何更精準地預測光伏發電量，在極端天氣中依然掌握能源調控的主動權？
國網浙江電力依托國網浙江電科院部署的AI光伏預測系統——“睿測”，在臺風期間光伏發電功率預測準確率達96.5%，較傳統方法提升2個百分點以上，早高峰時段預測偏差減少400萬千瓦，相當于省下至少4臺百萬機組的調節能力。
臺風天光伏發電，為什么難預測？
浙江地區光伏發電功率預測的難點，主要在分布式光伏。
截至今年7月底，浙江電網新能源裝機容量突破6600萬千瓦，成為全省第一大電源，其中光伏占比約90%，分布式光伏占光伏總裝機的80%以上。
“分布式光伏點多面廣，基礎數據差，預測難度大。”國網浙江電科院電力預測專職彭琰這樣總結分布式光伏的特點。它們像無數個散落在城鄉各地的“隱形電廠”，大多數甚至未開展出力預測。但這些“零散的力量”加起來，卻能左右全省電網的供電平衡。
航拍下的麗水遂昌95兆瓦茶光互補工程丨祝靈瀟 攝
光伏“看天吃飯”屬性也十分明顯。以今年4月11日至13日為例，浙江遭遇一次大范圍云系過境，云層和地面輻照出現快速且劇烈的變化，光伏發電劇烈波動，三天內光伏日最大出力分別為2910萬千瓦、541萬千瓦和3394萬千瓦——最大波動超過2800萬千瓦，相當于同期杭州和嘉興兩個地區最高用電負荷的總和。
“這還只是普通的多云天氣，要是遇上臺風，波動只會更劇烈。”彭琰表示。
極端天氣的影響主要有兩方面：首先是“不確定的云團”。臺風外圍的螺旋雨帶移動速度一般為每小時20至30公里，云層的厚度、密度會在幾分鐘內劇烈變化。當光照被厚云遮擋時，光伏發電功率驟降；當云層邊緣透光時，光伏發電功率又瞬間反彈。傳統的氣象預測模型通常每天更新2次預測結果，難以捕捉“分鐘級”的變化細節，預測數據和實際發電相差較大。
國網浙江電科院技術人員在湖州調研塘面型光伏電站發電出力特性丨劉廣擴 攝
其次是“復雜的地形”。浙江地形特征豐富，光伏往往分布在截然不同的場景中——沿海地區的高濕度會改變光照的折射角度，實際輻照強度偏低；浙西多山地，易形成局部小氣候，出現“一山有四季，十里不同天”的情況；屋頂光伏則受附近樓宇遮擋影響。若用同一個預測模型套用所有場景，必然顧此失彼，算不準。
四步讓AI讀懂臺風天的“光影”變化
面對極端天氣帶來的難題，“睿測”AI光伏預測系統來了。它不走物理公式硬算的老路，而是在AI從海量數據里“學經驗”，在臺風天也能摸準光伏的“脾氣”。
第一步：接上“AI臺風預警”。“睿測”的精準預測，始于對臺風動態的“先知先覺”，它接入了浙江電力氣象中心的AI臺風預測大模型，除了獲取臺風路徑預測、短時強對流預警等數據，更將焦點對準臺風外圍云系的“細微變化”——比如云系密度、移動方向、覆蓋范圍。這些更精細的氣象數據，如同為預測裝上“高清鏡頭”，讓“睿測”能提前捕捉到影響光伏發電的關鍵變量。
國網浙江電科院技術人員運用“睿測”進行全省光伏發電功率預測丨劉廣擴 攝
第二步：配備“專屬預報員”。浙江光伏場景的復雜性，決定了 “一刀切” 的預測行不通。“睿測”把浙江復雜的光伏場景“裝進”計算機，建立“地形—云層—輻照度”三維映射體系，將場景分為山地型、塘面型、灘涂型、屋頂型等4種類型，分別配備“專屬預報員”，根據各自場景的云系演變、地表反照率、微氣象情況進行預測。
國網浙江電科院技術人員在光伏電站進行光資源研判丨劉廣擴 攝
第三步：訓練?稱手的“工具”。4 位“專屬預報員”要精準工作，離不開量身定制的AI“工具”——差異化訓練的基礎預測模型。基礎預測模型選取4類不同原理的高性能機器學習和深度學習模型，采用各自地形的歷史數據分別進行訓練，確保“工具”與“預報員”的適配度，避免通用模型的“水土不服”。
第四步：校準“預報結果”。引入基于遷移學習的災害天氣出力修正算法，簡單說就是讓AI“記住”過去臺風天的光伏發電功率波動特征，當新的臺風云團出現時，能快速匹配歷史相似案例，進一步修正“預報員”預測結果，讓“睿測”的精度再上一個臺階。
馴服光的探索沒有盡頭
預測的終點不是屏幕上的數字，而是調度員的決策和電網的實際動作。2025年5月，“睿測”在國網浙江電力調度控制中心應用，預測結果有效支撐日常調度流程。
在日前計劃制定方面，每天上午調度員會參考“睿測”提供的全省光伏預測數據，編制次日發電計劃和省內電網運行方式，精準留取備用容量，緩解新能源波動對電網的影響。
國網浙江電科院技術人員在湖州中節光伏電站進行
此外，“睿測”也應用于杭州、湖州的大型光伏發電站，為新能源企業參與市場報價提供重要依據。
“96.5%的準確率，不是終點。”國網浙江電力調控中心陳菁偉強調。面對更復雜的極端天氣、更分散的新能源項目，國網浙江電力正從“感知、氣象、引擎”三個維度，繼續推進“睿測”的技術升級。
分布式光伏全息感知：推動分布式光伏“四可”（可測、可觀、可控、可調）能力建設，實現分布式光伏相關數據分鐘級高頻采集與共享。結合衛星遙感、無人機巡檢等技術，構建全覆蓋、高精度的新能源“數字孿生”數據庫。
氣象預測加入“億”點點細節：在分布式光伏密集區、沿海風電基地補建微氣象觀測站，捕獲局地小氣候特征；研發適合浙江氣候特點的天氣預報AI訂正模型，對輻照、云量、風速等要素進行降尺度與高精度修正；實現氣象預測頻率從每天2次到逐小時滾動預測的升級，為實時調度提供有力支撐。
讓模型“會思考、能進化”：國網浙江電力正全面推進時序預測大模型等AI算法在功率預測中的應用，實現模型自學習、自校準與動態更新。
以海上風電、山區光伏這類“大場景有共性、小區域有個性”的場景為例，開發“通用模型+區域修正”分層預測體系，先用通用模型搞定“所有山區基本規律”，再根據區域特點定期自動訓練電站小模型，補上“這個地方獨有的問題”，不用為每個特殊場景“從零造輪子”，又能解決“通用模型管不了的細節問題”。
“以后模型不用人工頻繁調參，它自己就能‘適應’不同場景、不同天氣，同時保持預測結果的穩定性，精度會越用越高。”彭琰說。
“睿測”展現的不僅是技術突破，更是新型電力系統應對極端氣候的“智慧答卷”。
“馴服光”的故事里，人類從未停止過探索，只有日復一日地靠近它、理解它，才能讓這份清潔的能量，能更穩、更久地陪伴每一個尋常日子。
