背景介绍：
新能源、数字化和AI大模型都很热门，但是他们之间的关系是什么呢？今天我在这里从另外一个视角跟大家讨论一下未来的新能源有哪些关键需求，主要是从以下三个方面：新能源发展面临的问题、未来新能源在关键领域的需求、新能源的集中管控安全区的划分方式展开分享。
一、新能源的发展及面临的问题
2023年我国的发电装机容量达到29亿KW，同比增长13.9%。其中光伏增长最快，从去年4个多亿KW增长到6.1亿KW的高水平，同比增长55.2%，其次风电同比增长20.7%，说明新能源在整个发电的结构占比越来越大，但随着比重的增大也带来了一些问题。
再看另一组数据，新能源发电的各个区域并不平衡，从松辽、冀北到新疆、金沙江和雅砻江，无论风电还是光伏都有比较大的发展。右边列出了前十大发电集团的发电容量，除了五大发电集团外，还有三峡、中广核、华润电力、国投电力和中核集团。整个发电装机容量增加了13%，但是这些增长也带来了问题。
以下是中电联在二月份给出的一个预测，新能源的总装机超过了煤电，发电装机增加了13.5%，但用电量仅增长了6%，从这个差距可以看出，无论光伏还是风电利用小时数比较低，此外也都没有百分百的消纳，许多地区还存在着大量弃风、弃光现象。
出现这种情况的原因是风电、光伏会受到天气和环境的影响，存在波动性和随机性，使得风电和光伏发电的功率表现出不稳定和不确定性。
如下三张图，最左边的图是全国的风光发电装机容量（新能源装机），2013-2022年间整个装机平均增长27%。第二张图是整个发电过程中风速的波动性带来的发电量变化，从最右边的图可以看出，风力的发电功率随着风速的变化具有比较强的不确定性，如此一来给我们的调度控制带来了一定的困难和挑战。
第二个问题是能否想办法将不确定的东西变成确定性的内容，或者说是对未来的发电的功率进行一个预测，这样可以在发电计划里对波动进行预判，使得发电更平稳，可再生能源更多地被消纳，所以需要与现在的AI应用相结合。
二、功率预测与未来AI应用
功率预测是提高新能源发电与消纳的重要利器。对风电场和光伏电站的发电功率进行准确预测，可以更多地安排需求侧响应以缓解电力系统调峰调频的压力，提高新能源消纳能力。同时风电功率的预测还可以指导风电场的检修计划，可以更多地提高风能的利用率，提高风电场的经济效益。新能源发电功率的预测对电网制定调度计划、安排备用容量、保证电网的安全运行都有着重要意义。同时，对发电企业也具有重要的意义。
从发电的波动性和电力现货的交易价格来讲，2023年9月份，国家发改委和能源局印发了电力现货市场的基本规则，进一步规范电力现货市场的运营和管理。
从下图可以看出，在风电大发的时候，会出现一个负电价。原因是电力系统对可再生能源进行消纳的时候，电网会放弃气风和气光（风力比较大或者光伏比较强）。如何能够准确预测风电的功率，满足电力交易市场对风电的要求？可以提前利用价格杠杆的信息传达给消费者和负荷侧，使得发电和负荷基本平衡，帮助发电企业在市场的交易当中有更强的竞争力。基于AI的气象大模型是为解决风电和光伏功率预测产生的关键需求。解决这个业务痛点问题就可以帮助新能源发电企业发更多的电，并达到电网对发电企业有比较严格的考核要求，以避免由于预测不准而导致每年几十万到几百万不等的罚款。
AI大模型利用高精度的气象数据对发电功率进行更准确的预测，颗粒度从过去的几十公里提高到现在的3公里左右，对风电或者光伏的发电功率预测更准确了，预测的结果在传统数值的预测方法之下，RMSE小于1.4。
三、集中管控与安全区划分
在功率预测准确的情况下，集中控制调控和安全分区息息相关，接下来讨论在新能源集中管控的条件下，安全分区如何划分。
发电集团的新能源集中管控平台的功能架构是什么？以海上风电场为例，整个新能源集中管控系统有一个比较全面的考虑，除了考虑气象条件，还需要考虑各设备资产健康的情况和安全作业的情况进行全面的感知。在这个基础上，还需要使用通用的服务，包括状态的感知、数据中台、算法中台等，为新能源发电的集中管控提供了基础的支撑。
下面的新能源分层管控的数据流图显示，每一个风电厂或者光伏厂都通过电网的调度来进行发电生产。同样，在整个发电生产过程中，发电集团也希望通过一个集团级的管控平台对新能源的各个场站进行管控。对场站进行管控不仅仅是为了发电生产，还需要考虑检修运维、检修计划、物资调度、基于工业互联网情况下如何使发电的功率最大，安全的检修工期最短以及发电的效益更好。
下图是光伏电站生产的环网，包括一次系统和感知后的二次系统以及安全区的一区和二区。安全区的一区与电网的调度系统直接相关联，另外要通过安全区的二区和电力专线，使得数据收集上来后提供给区域的管控中心使用。如果考虑到未来的分布式能源，特别是分布式新能源，如果区域管控中心要管控的话，需要在一区建立一定的装置，比如实时数据库、单向的隔离装置，使得数据能从二区采集上来，功率预测基本都是放在二区。
每个新能源场站的升压站的监控系统也与电网调度系统相关联，除了调度系统外，还有站控层的保护测控和其他的一些数据单元。把这些数据采集上来通过集控系统，可以实现从过程层到间隔层再到站控层的全面管控。
下图是升压站监控系统典型组网结构图，从图上可以看出，站控层里面实际用到了大量的工业交换机，从上面的站控层到安全区二区都会使用工业交换机。
——————————Q&A环节——————————
Q1：生产控制层的硬软件基础设施是否有更高的要求来适应新能源环境？
回答：新能源电厂的规模比较小，比较分散。如果按照原来电厂的规模配置，每个厂都将需要许多人运行维护，会导致成本很高，所以许多的场站是无人值守，尤其是光伏，这样的话对集控系统提出了比较高的要求。集控系统和场站之间是通过光纤通讯，数通产品以及工业交换机是新能源数字化的关键需求。
Q2：使用AI进行功率预测是否实践中已经有应用？还是说电力行业还处于研讨环节。
回答：目前已经有应用，实际上华为公司和九天在盘古大模型上做了许多专业的开发，形成了一些专业的应用。
Q3：关于计算数据中心的基础设施，电力行业是否有相关的标准？
回答：电力行业是有标准的。随着大模型火了之后，对算力的需求越来越大，带来了耗能需求的剧增，发电企业在做用绿色的电力支撑绿色的算力，能更好地为大模型提供源源不断的清洁算力。相关标准实际上是IDC机房的标准，主要是电网公司在主导，因为他们的ITC机房最多，我们这边是电力行业信息化标委会在组织这方面标准的起草。
Q4：虚拟电厂和新能源应用场景中，工业交换机是否对安全有更高的要求？
回答：工业交换机之所以加上工业两个字是因为工业交换机对安全，特别是可靠性的要求比普通交换机高很多。所以在使用交换机的过程中，一旦出现安全问题或者意外宕机的话会造成巨大的损失。
Q5：大模型分功率和复合的现状是怎样的？盘古大模型在这方面的应用情况如何？
回答：一个月前我参加了华为公司的伙伴大会，九天和华为公司推出了盘古气象大模型，其中就有新能源领域方面的应用。盘古气象大模型应用到未来像新能源场站的选址和做发电计划的参照。如果分功率预测或者发电新能源的发电功率预测，真正把它融入到这个发电系统里面的话，我觉得还是需要一定的时间。
Q6：电力行业这几年在不断发展，从传统电厂一下变成虚拟电厂，老师是否也在不停地跟进学习？目前这个发展阶段，虚拟电厂的难点在哪里？
回答：在发电过程中能够聚合原本分散式的各个不同形式发电的电源虚拟成一个电厂，也是电网通过复合的平移虚拟一个电厂。在这里面，电网的中调起到了一个决定性的作用，并不是一个企业想做虚拟电厂就可以做到的。
虚拟电厂的难点主要在于安全区一二区的互相隔离，要实现虚拟电厂就需要打通一二区的分隔。现在也有把一区和二区融合在一起的，像深圳等比较开放的地区在做这方面的尝试。
Q7：虚拟电厂在安全方面有什么新模型和标准？
回答：虚拟电厂在安全方面的标准与原来电力系统的安全标准一致，但虚拟电厂本身有自己的标准。目前国家电网和南方电网正在起草关于虚拟电厂的标准，已经到了送审稿阶段。
Q8：国内的供电行业跟国外是否有差距？或者说我们有什么优势或者劣势？
回答：我们有优势也有劣势。优势在于我们有大一统的电网，能够发挥集体的力量，所以在很多自然灾害的情况，南方电网和国家电网都能够及时地赶到现场把损坏的供电设施很快恢复。劣势在于分布式能源系统建立不如国外，例如德国的储能是每家每户的储能，户储占到85%左右，多发的点可以存储起来，不像国内电网集中输送，把多发的电发散掉了。
Q9：传统电厂如果进行数字化改造的话主要做哪些？
回答：传统电厂做数字化过程中能花钱买到的东西都好办，最难的是数据治理。过去许多的数据是一个个信息孤岛，如何把信息孤岛的数据集中起来，怎样在没有关注数据结论的情况下收集这些数据并整理好变成企业的数据资产，这个过程往往比购买软硬件更重要，更具有考验。
Q10：您一般通过什么方式去更新知识储备？推荐哪些大家需要关注的内容或看的书？
回答：要看清电力系统一定要跳出电力系统这个圈子，电力系统是为老百姓，为千千万万企业服务的，他们需要的是电能而不是从管理的角度去管住谁。跳出圈子后看看整个工业体系是怎样发展，IT技术怎样发展，不要只关心我们身边的东西。我们要向互联网公司学习，向头部企业学习。比如数据治理，数据治理方面我推荐一本较好的书，就是保险公司写的数据，去看下是怎样转变过去传统的模式，怎样能够把原来的数据质量提高。
推荐一本我比较看好的书《浪潮之巅》，这本书是讲数字化历史的，也讲了很多的趣事，同时也给了我们许多启示，告诉我们如何应对未来的变化。
JDC公开课系列活动主讲人正在火热招募中，快来分享你的专业，与JDC一起成为数字化传播大使，还能赢取丰厚智豆奖励，快点击链接报名吧！