蚂蚁数科联合协鑫能科共建能源电力时序大模型“光伏场景用例”

3月26日,新能源数字资产社区春季峰会在苏州召开。会上,蚂蚁数科与协鑫能科共同发布能源电力时序大模型一体机——首个光伏场景共建用例。 新能源光伏和风力发电环节,容易受到太阳辐照、风速、云量、温度、设备性能等多重因素影响,存在发电效率不稳定的问题,进而带来用电供需不平衡、电价波动剧烈、储能调度收益低等关联风险。用AI技术可加强发电量预测的准确性,对电站的投资选址、行业收益评估、储能调度运营效率、资产风险管控等关键环节至关重要。
协鑫能科与蚂蚁数科发布的能源电力时序大模型一体机“首个光伏场景共建用例”,结合协鑫集团的光伏设备特性参数、部署安装方式等进行定向设计与研发,进一步提升发电预测准确率。
据介绍,蚂蚁数科的EnergyTS能源电力时序大模型,可通过精准预测发电量、供需情况等,为新能源行业发展优化经营策略,辅助风控决策,提高经济效益。根据光伏场景测评显示,该垂类模型在行业评测集上的发电量预测准确率超越谷歌(TimesFM-V2.0)、亚马逊(Chronos-Large)等行业主流的通用时序模型。
蚂蚁数科AIoT技术总监余志军在演讲中介绍,EnergyTS是专为新能源行业定制的能源电力垂类时序大模型,其融入了能源行业专业知识,并基于海量跨行业、多模态数据训练,能广泛用于光伏发电、风力发电、储能、微电网、电力交易、虚拟电厂等多个场景,无需额外的训练,实现“开箱即用”。模型架构灵活,可同时支持多个检测任务,并保障系统稳定性。    资料显示,在发电量预测这一典型场景中,蚂蚁数科研究团队对当前主流时序模型进行了详细的测评。对比发现,EnergyTS的预测准确率表现出色,尤其在更长期的预测任务中展现了更高的准确性和稳定性。其中,在T+1天的预测中,EnergyTS的MAE(平均绝对误差)仅为0.0233,较谷歌(TimesFM-V2.0)性能提升约22.4%。在T+3天预测任务中, EnergyTS的性能较谷歌(TimesFM-V2.0)提升46.8%,较亚马逊(Chronos-Large)提升62.4%。