二、發(fā)電功率預(yù)測(cè)、輸變電智能運(yùn)維巡檢，有望成為 AI 率先賦能方向

　　2.1 智慧融合為新型電力系統(tǒng)建設(shè)推進(jìn)基礎(chǔ)保障，國(guó)網(wǎng)智能化投資維持較高增長(zhǎng)。

　　安全高效、清潔低碳、柔性靈活、智慧融合為新型電力系統(tǒng)基本特征。1 月 6 日，國(guó)家能 源局發(fā)布《新型電力系統(tǒng)發(fā)展藍(lán)皮書(征求意見稿)》, 以新能源為主體的新型電力系統(tǒng) 是以新能源為供給主體，以確保能源電力安全為基本前提，以滿足經(jīng)濟(jì)社會(huì)發(fā)展電力需求 為首要目標(biāo)，以堅(jiān)強(qiáng)智能電網(wǎng)為樞紐平臺(tái)，以源網(wǎng)荷儲(chǔ)互動(dòng)與多能互補(bǔ)為支撐，具有安全 高效、清潔低碳、柔性靈活、智慧融合基本特征的電力系統(tǒng)。

　　智慧融合是構(gòu)建新型電力系統(tǒng)的基礎(chǔ)。新型電力系統(tǒng)以數(shù)據(jù)為核心驅(qū)動(dòng)，呈現(xiàn)數(shù)字與物理 系統(tǒng)深度融合特點(diǎn)，系統(tǒng)控制運(yùn)行由“量測(cè)-控制”模式向多物理系統(tǒng)的狀態(tài)感知、智能 學(xué)習(xí)和預(yù)測(cè)控制等方式轉(zhuǎn)變。1)狀態(tài)感知：電網(wǎng)內(nèi)外參與耦合運(yùn)行的物理系統(tǒng)，將從局 部的感知量測(cè),向全局的確定性精準(zhǔn)映射轉(zhuǎn)變。2)智能學(xué)習(xí):由于參與要素的多樣性，將 從單純物理量的分析，向包括人的行為在內(nèi)的非物理量的感知和智能研判進(jìn)行轉(zhuǎn)變。3) 預(yù)測(cè)控制：將從電力物理系統(tǒng)的機(jī)理模型仿真和預(yù)測(cè)，向融合機(jī)理和數(shù)據(jù)模型的信息物理 耦合仿真預(yù)測(cè)轉(zhuǎn)變，提升隨機(jī)變量的預(yù)測(cè)精度，并應(yīng)用于電網(wǎng)逐級(jí)調(diào)控和控制引導(dǎo)。

　　新型“源網(wǎng)荷儲(chǔ)”協(xié)同調(diào)控，保障電力可靠供應(yīng)。傳統(tǒng)電力系統(tǒng)可根據(jù)用電側(cè)的負(fù)荷來(lái)調(diào) 整電源的發(fā)電量，其前提是用可控的發(fā)電系統(tǒng)去匹配波動(dòng)幅度不大且可測(cè)的負(fù)荷端，在運(yùn) 行過(guò)程中滾動(dòng)調(diào)節(jié)，從而實(shí)現(xiàn)電力系統(tǒng)安全可靠運(yùn)行。在新型電力系統(tǒng)下，由于隨機(jī)變化、 弱可控的電源并不容易直接跟隨可測(cè)性降低的負(fù)荷做出調(diào)整，電力系統(tǒng)需要從“被動(dòng)”的 跟隨調(diào)控，轉(zhuǎn)化為“主動(dòng)”的協(xié)同調(diào)控。通過(guò)源源互補(bǔ)、源網(wǎng)協(xié)調(diào)、網(wǎng)荷互動(dòng)、網(wǎng)儲(chǔ)互動(dòng) 和源荷互動(dòng)等多種交互形式，充分發(fā)揮發(fā)電側(cè)、負(fù)荷側(cè)的調(diào)節(jié)能力，促進(jìn)供需兩側(cè)精準(zhǔn)匹 配，保障電力可靠供應(yīng)。

　　預(yù)計(jì) 23-25 年國(guó)網(wǎng)智能化投資為 893、954、1008 億元，每年維持 5-7%較高速增長(zhǎng)。2023 年國(guó)網(wǎng)計(jì)劃投資超 5200 億元，同比 2022 年的計(jì)劃投資 5012 億元增長(zhǎng) 3.8%。“十四五” 初期規(guī)劃 2.6 萬(wàn)億，當(dāng)前 21-23 投資額已達(dá)成 15200 億元，考慮到特高壓直流建設(shè)加速等 因素，“十四五”期間實(shí)際投資額有望超預(yù)期。我們預(yù)計(jì) 23-25 年實(shí)際投資規(guī)劃為 5250 億元、5450 億元、5600 億元，每年增速為 3-5%。智能化投資占比方面，根據(jù)《國(guó)家電網(wǎng) 智能化規(guī)劃報(bào)告》， “十三五”智能化投資占比為 12.5%，預(yù)計(jì)“十四五”期間整體智能 化投資占比 17%，我們假設(shè) 23-25 年智能化投資占比為 17%、17.5%、18%，則對(duì)應(yīng)投資金 額 893、954、1008 億元，每年增速 5-7%。

　　2.2 發(fā)電功率預(yù)測(cè)：基于 AI 的預(yù)測(cè)模型為當(dāng)前研究主線，旨在提高預(yù)測(cè)精度

　　發(fā)電功率可靠預(yù)測(cè)是新能源大規(guī)模有序并網(wǎng)的關(guān)鍵。新能源發(fā)電對(duì)天氣依賴較強(qiáng)，具有間 歇性和波動(dòng)性特征，因此發(fā)電電量較難預(yù)測(cè)，大規(guī)模集中并網(wǎng)會(huì)對(duì)電網(wǎng)的穩(wěn)定運(yùn)行產(chǎn)生較 大的沖擊。因此新能源發(fā)電的準(zhǔn)確預(yù)測(cè)可幫助電網(wǎng)調(diào)度部門提前做好傳統(tǒng)電力與新能源電 力的調(diào)控計(jì)劃，改善電力系統(tǒng)調(diào)峰能力，增加新能源并網(wǎng)容量。

　　功率預(yù)測(cè)相關(guān)政策趨于嚴(yán)格，“雙細(xì)則”加強(qiáng)考核。2018 年 3 月，國(guó)家能源局印發(fā)《關(guān)于 提升電力系統(tǒng)調(diào)節(jié)能力的指導(dǎo)意見》，要實(shí)施風(fēng)光功率預(yù)測(cè)考核，將風(fēng)電、光伏等發(fā)電機(jī) 組納入電力輔助服務(wù)管理。各地區(qū)能源局隨后紛紛發(fā)布了本區(qū)域《發(fā)電廠并網(wǎng)運(yùn)行管理實(shí) 施細(xì)則》和《并網(wǎng)發(fā)電廠輔助服務(wù)管理實(shí)施細(xì)則》(“雙細(xì)則”)，加強(qiáng)對(duì)新能源發(fā)電功率預(yù) 測(cè)的考核，明確和加強(qiáng)考核罰款機(jī)制，發(fā)電功率預(yù)測(cè)精度直接影響到電站的運(yùn)營(yíng)與盈利。

　　新能源功率預(yù)測(cè)分類：(1)按照時(shí)間尺度：分為超短期、短期、中長(zhǎng)期預(yù)測(cè);(2)按照空 間尺度：分為單機(jī)預(yù)測(cè)、單場(chǎng)站預(yù)測(cè)、區(qū)域預(yù)測(cè);(3)按照建模方法：分為物理建模方法、 時(shí)間序列建模方法、基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等的人工智能建模方法。 超短期和短期預(yù)測(cè)均用于電網(wǎng)調(diào)度。根據(jù)各能源局《發(fā)電廠并網(wǎng)運(yùn)行管理實(shí)施細(xì)則》：(1) 電站必須于每天早上 9 點(diǎn)前向電網(wǎng)調(diào)度部門報(bào)送短期功率預(yù)測(cè)數(shù)據(jù)，用于電網(wǎng)調(diào)度做未來(lái) 1 天或數(shù)天的發(fā)電計(jì)劃;(2)每 15 分鐘向電網(wǎng)調(diào)度部門報(bào)送超短期功率預(yù)測(cè)數(shù)據(jù)，用于 電網(wǎng)調(diào)度做不同電能發(fā)電量的實(shí)時(shí)調(diào)控。

　　基于人工智能的預(yù)測(cè)模型具有諸多優(yōu)點(diǎn)，為當(dāng)前主流研究領(lǐng)域。相比物理建模、時(shí)間序列 建模等傳統(tǒng)方法，基于 AI 的預(yù)測(cè)模型對(duì)于高維非線性樣本空間具有良好的擬合能力;模 型參數(shù)基于數(shù)據(jù)訓(xùn)練得到，更容易獲取;模型的輸入特征亦可靈活構(gòu)建;結(jié)合智能優(yōu)化算 法還可進(jìn)行參數(shù)自動(dòng)尋優(yōu)，進(jìn)一步省去了人工調(diào)參的工作量。

　　當(dāng)前 AI 在功率預(yù)測(cè)領(lǐng)域的應(yīng)用主要包括：模型輸入、模型構(gòu)建和參數(shù)優(yōu)化。(1)模型輸 入：包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)增強(qiáng)和特征構(gòu)建;(2)模型構(gòu)建：包括 ANN、SVM、決策樹模 型為代表的傳統(tǒng)機(jī)器學(xué)習(xí)算法，基于深度學(xué)習(xí)的新一代 AI 技術(shù)，以及融合多種模型的組 合預(yù)測(cè)技術(shù);(3)參數(shù)優(yōu)化算法：包括進(jìn)化算法、群智能優(yōu)化算法等靜態(tài)優(yōu)化算法和強(qiáng)化 學(xué)習(xí)等動(dòng)態(tài)優(yōu)化算法，主要用于模型訓(xùn)練和組合參數(shù)優(yōu)化。

　　功率預(yù)測(cè)技術(shù)路線主要包含數(shù)據(jù)計(jì)算、傳輸及模型優(yōu)化。以國(guó)能日新為例，公司基本實(shí)現(xiàn) 功率預(yù)測(cè)算法模型的自動(dòng)匹配及預(yù)測(cè)數(shù)據(jù)的自動(dòng)計(jì)算發(fā)送，因此在項(xiàng)目日常營(yíng)運(yùn)端，人力 投入較少，僅在少數(shù)場(chǎng)站模型遠(yuǎn)程匹配失敗的情況下，由業(yè)務(wù)人員前往現(xiàn)場(chǎng)完成模型修正。 在模型優(yōu)化方面，一般會(huì)按照設(shè)定的周期，由智控平臺(tái)中的模型算法程序自動(dòng)重新選取最 優(yōu)功率預(yù)測(cè)模型，并將其自動(dòng)匹配至站場(chǎng)服務(wù)器。

　　新能源功率產(chǎn)品每日工作流程(以國(guó)能日新產(chǎn)品為例)：①獲得原始?xì)庀箢A(yù)報(bào)數(shù)據(jù)、②通 過(guò)建模計(jì)算后得到更高精度的氣象預(yù)測(cè)數(shù)據(jù)、③進(jìn)行短期功率預(yù)測(cè)數(shù)據(jù)計(jì)算、④傳輸短期 功率數(shù)據(jù)到所服務(wù)電站、⑤在電站軟件中進(jìn)行超短功率預(yù)測(cè)、⑥報(bào)送數(shù)據(jù)至電網(wǎng)調(diào)度部門。

　　當(dāng)前線性回歸模型和樹模型實(shí)際應(yīng)用效果好，深度學(xué)習(xí)類模型表現(xiàn)亮眼。全球能源預(yù)測(cè)大 賽(GEFCOM)至今已經(jīng)舉辦過(guò)三屆，有超過(guò) 60 個(gè)國(guó)家的數(shù)百只隊(duì)伍參賽，在歷屆優(yōu)勝算 法中，線性回歸模型和樹模型實(shí)際應(yīng)用效果最好。此外，在 2021 年國(guó)家電網(wǎng)調(diào)控 AI 創(chuàng)新 大賽，新能源發(fā)電預(yù)測(cè)賽道中，基于決策樹的同質(zhì)集成算法在實(shí)際應(yīng)用中效果較好，還有 優(yōu)勝隊(duì)伍使用了深度學(xué)習(xí)類模型，表明深度學(xué)習(xí)模型逐漸在實(shí)際應(yīng)用中嶄露頭角。

　　業(yè)內(nèi)成熟的功率預(yù)測(cè)系統(tǒng)主要采用組合建模方法。實(shí)際功率預(yù)測(cè)系統(tǒng)采用的技術(shù)路線由早 期的物理建模方法，過(guò)渡到以數(shù)據(jù)驅(qū)動(dòng)方法為主，且?guī)缀跞繛榻M合建模方法。組合建模 可通過(guò)串行和并行兩種方式分別減少模型的偏差和方差，從而提高預(yù)測(cè)精度。

　　2024 年新能源功率預(yù)測(cè)市場(chǎng)規(guī)模 13.4 億元，國(guó)能日新為行業(yè)龍頭。根據(jù)沙利文報(bào)告，2019 年我國(guó)發(fā)電功率預(yù)測(cè)市場(chǎng)的市場(chǎng)規(guī)模約 6.3 億元，到 2024 年市場(chǎng)規(guī)模將增長(zhǎng)至約 13.4 億元，2019 至 2024 年均復(fù)合增長(zhǎng)率將達(dá) 16.2%，其中光伏發(fā)電功率預(yù)測(cè)市場(chǎng)規(guī)模預(yù)計(jì)為 6.5 億元，風(fēng)力發(fā)電功率預(yù)測(cè)市場(chǎng)規(guī)模預(yù)計(jì)為 6.9 億元。市場(chǎng)格局方面，國(guó)能日新為行業(yè)龍頭，2019 年公司在光伏和風(fēng)能發(fā)電功率預(yù)測(cè)市場(chǎng)的占有率分別為 22.3%和 18.8%。

　　華為盤古氣象大模型精度首次超過(guò)傳統(tǒng)數(shù)值方法，速度提升 10000 倍以上。華為云發(fā)布 的盤古氣象大模型 1 小時(shí)-7 天預(yù)測(cè)精度均高于傳統(tǒng)數(shù)值方法，同時(shí)預(yù)測(cè)速度提升 10000 倍，能夠提供秒級(jí)的全球氣象預(yù)報(bào)(傳統(tǒng)數(shù)值預(yù)測(cè)方法無(wú)法做到)，包括位勢(shì)、濕度、風(fēng) 速、溫度、海平面氣壓等。同時(shí)，盤古氣象大模型在一張 V100 顯卡上，只需要 1.4 秒就 能完成 24 小時(shí)的全球氣象預(yù)報(bào)。

　　2.3 智能運(yùn)維與巡檢：AI 有望全面升級(jí)巡檢產(chǎn)品，行業(yè)空間預(yù)計(jì)突破百億

　　我國(guó)輸電線回路與變電設(shè)備存量規(guī)模大，投運(yùn)總規(guī)模平穩(wěn)增長(zhǎng)。根據(jù)中電聯(lián)數(shù)據(jù)，截止 2022 年，全國(guó)電網(wǎng) 220 千伏及以上變電設(shè)備容量共 51.98 億千伏安，同比增長(zhǎng) 5.2%;220 千伏及以上輸電線路回路長(zhǎng)度共 88.2 萬(wàn)千米，同比增長(zhǎng) 4.6%。從新增量看，2022 年全國(guó) 新增 220 千伏及以上變電設(shè)備容量 25839 萬(wàn)千伏安，同比增長(zhǎng) 6.3%;新增 220 千伏及以 上輸電線路長(zhǎng)度 38967 千米，同比增長(zhǎng) 21.2%。2021 年、2022 年，220 千伏及以上變電設(shè) 備容量增速維持在 5%左右，220 千伏及以上輸電線路回路長(zhǎng)度增速維持在 4%。新增規(guī)模 中，變電設(shè)備容量增量位于近十年次高點(diǎn)，輸電線路回路長(zhǎng)度增量為近十年第三高點(diǎn)。

　　電力系統(tǒng)運(yùn)維管理分為：“被動(dòng)”-“主動(dòng)”-“ 狀態(tài)檢修”三個(gè)階段，“狀態(tài)檢修”策略 及時(shí)性和可靠性高。由于輸變電線路架設(shè)在各種自然環(huán)境中，常年經(jīng)受日曬雨淋，難免會(huì) 造成電力設(shè)備缺失或損壞，應(yīng)當(dāng)及時(shí)發(fā)現(xiàn)各種劣化過(guò)程的發(fā)展?fàn)顩r，并在可能出現(xiàn)故障或 性能下降前，進(jìn)行維修更換。電力系統(tǒng)運(yùn)維管理主要包括“被動(dòng)”運(yùn)維、“主動(dòng)”運(yùn)維、 “狀態(tài)檢修”策略三個(gè)發(fā)展階段，其中“狀態(tài)檢修”策略提高了故障發(fā)現(xiàn)的及時(shí)性和電網(wǎng) 運(yùn)行的可靠性。

　　人工巡檢諸多劣勢(shì)，AI 替代是大勢(shì)所趨。電力行業(yè)有大量巡檢工作條件惡劣，傳統(tǒng)人工 巡檢的工作難度大、危險(xiǎn)指數(shù)高、及時(shí)性低、工作量大;采用智能巡檢，既具有人工巡檢 的靈活性和智能性，同時(shí)響應(yīng)更加及時(shí)、效率更高、成本更低，隨著技術(shù)的發(fā)展，智能機(jī) 器人技術(shù)具有廣闊的應(yīng)用前景，未來(lái)電氣行業(yè)無(wú)人化巡檢將成為行業(yè)常態(tài)。 AI 替代人工性價(jià)比更高。以 500kv 變電站為例，人工巡檢模式下需要 4 個(gè)工人耗費(fèi)一個(gè) 禮拜的工時(shí)才能進(jìn)行一次全面檢查，假設(shè)每位工人年薪約 8 萬(wàn)，而同樣的工作量，一臺(tái)巡 檢機(jī)器人能在更短的時(shí)間內(nèi)完成，其平均成本為 65 萬(wàn)/臺(tái)，計(jì)提折舊后約 16 萬(wàn)/年，使 用巡檢機(jī)器人比人工巡檢能節(jié)約 16 萬(wàn)/年。

　　輸電線路智能運(yùn)維與巡檢主要分為可視化狀態(tài)監(jiān)測(cè)、無(wú)人機(jī)巡檢、及機(jī)器人巡檢等方式。 1)可視化狀態(tài)監(jiān)測(cè)：能夠全天候全時(shí)段在線自動(dòng)運(yùn)行監(jiān)測(cè)的方式，能夠及時(shí)發(fā)現(xiàn)安全隱 患及對(duì)本體整體運(yùn)行狀態(tài)進(jìn)行評(píng)估;2)無(wú)人機(jī)巡檢：作為線路特巡的一種手段，對(duì)線路 進(jìn)行巡視，可用于發(fā)現(xiàn)線路較為細(xì)節(jié)的缺陷，通常需要專業(yè)人員在現(xiàn)場(chǎng)操控才能完成對(duì)線 路的巡視;3)機(jī)器人巡檢主要用于變電站、配電房、電纜隧道等場(chǎng)景應(yīng)用，可按照設(shè)定 的線路或鋪設(shè)的導(dǎo)軌對(duì)重點(diǎn)點(diǎn)位進(jìn)行巡視。

　　電力巡檢機(jī)器人行業(yè)規(guī)模測(cè)算：輸電線巡檢、變電站巡檢、配電站巡檢及隧道巡檢是電力 智能巡檢的核心應(yīng)用場(chǎng)景，其中主流巡檢場(chǎng)景為室外和室內(nèi)。假設(shè)：1)變電站及配電房 數(shù)量 2020 年后保持年增速 3%;2)依據(jù)國(guó)家能源局智能電網(wǎng)的規(guī)劃覆蓋目標(biāo)，假設(shè)滲透 率未來(lái)四年保持年增速 2%;3)隨產(chǎn)品技術(shù)升級(jí)與競(jìng)爭(zhēng)加劇，預(yù)計(jì)機(jī)器人單機(jī)價(jià)格持續(xù)小 幅下滑;4)變電站/配電房配置機(jī)器人比例分別為一機(jī)一站/一機(jī)兩房。綜上，預(yù)計(jì) 2025 年我國(guó)室外/室內(nèi)巡檢機(jī)器人市場(chǎng)規(guī)模分別為 54/118 億元，市場(chǎng)空間廣闊。

　　AI 技術(shù)有望全面升級(jí)智能巡檢產(chǎn)品，包括快速清晰建模、AI 輔助拍攝、和智能檢測(cè)。 1)快速清晰建模：例如，NERF 是一種基于神經(jīng)網(wǎng)絡(luò)的三維重建算法，它可以從 2D 圖中， 快速高效地生成高質(zhì)量的 3D 場(chǎng)景模型。其輸入稀疏的多角度帶 pose 的圖像訓(xùn)練得到一個(gè) 神經(jīng)輻射場(chǎng)模型，根據(jù)這個(gè)模型可以渲染出任意視角下的清晰的照片。 2)AI 輔助拍攝：無(wú)人機(jī)結(jié)合 AI 輔助拍攝技術(shù)，可以實(shí)時(shí)對(duì)目標(biāo)位置進(jìn)行識(shí)別，動(dòng)態(tài)調(diào) 整云臺(tái)角度，得到準(zhǔn)確目標(biāo)位置的照片。綜合利用相機(jī)光線動(dòng)態(tài)補(bǔ)償技術(shù)和精準(zhǔn)對(duì)焦技術(shù)， 保證照片拍攝質(zhì)量，有利于輸電線路的安全運(yùn)行和快速巡檢。

　　3)智能檢測(cè)：變電站、換流站中的電力設(shè)備普遍都具備的明顯特征，包顏色、材質(zhì)和紋 理等。利用圖像處理和識(shí)別能力，對(duì)采集到的設(shè)備圖像進(jìn)行圖像處理，從而判斷是否發(fā)生 故障或不正常。智能巡檢機(jī)器人可使用搭載紅外傳感器、電磁感應(yīng)傳感器和高清攝像頭， 對(duì)電氣設(shè)備進(jìn)行多維度、近距離的監(jiān)測(cè)。還可采用無(wú)人機(jī)搭載高清攝像儀和紅外傳感器， 完成對(duì)鐵塔、導(dǎo)地線和絕緣子串的運(yùn)行狀態(tài)監(jiān)測(cè)和安全評(píng)估。

　　盤古大模型加持電網(wǎng)智能巡檢，代替?zhèn)鹘y(tǒng) 20 多個(gè)小模型。應(yīng)用盤古 CV 大模型，利用海 量無(wú)標(biāo)注電力數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練和篩選，并結(jié)合少量標(biāo)注樣本微調(diào)的高效開發(fā)模式，獨(dú)創(chuàng)性 地提出了針對(duì)電力行業(yè)的預(yù)訓(xùn)練模型。在模型通用性結(jié)合盤古搭載的自動(dòng)數(shù)據(jù)增廣以及類 別自適應(yīng)損失函數(shù)優(yōu)化策略，做到一個(gè)模型適配上百種缺陷，替代原有 20 多個(gè)小模型。 從而做到平均精度提升 18.4%、模型開發(fā)成本降低 90%。目前，華為在 L2 級(jí)細(xì)分場(chǎng)景模 型上，已經(jīng)推出基于電力大模型的無(wú)人機(jī)電力巡檢、電力缺陷識(shí)別等場(chǎng)景模型。