免费下载！
[!--downpath--]进军新能源领域，英特尔采用软硬件并举，依托至强平台集成AI技术，加速部署新能源发电智能电量预测，推动电力公司大幅提升发电效率。
风电、光伏发电等可再生新能源在智能电网系统中的比重越来越重要。
国家能源局新能源数据显示，截至2020年上半年，全省风电、光伏发电累计装机容量分别为2.17亿千瓦、2.16亿千瓦。
在全球红色和低碳转型趋势下，以风电、光伏为代表的新能源将持续扩张，装机容量将持续下降。
虽然新能源发电已经相对成熟并广泛应用，但与传统火力发电厂相比中期风电功率预测，仍具有较强的随机性和波动性，大规模并网将对电网的稳定性产生巨大影响。 如果能够提前预测发电量和发电量，合理调整发电量和并网负荷，就能保证电网的稳定。
1、能源变革：人工智能加速新能源发电
能源是社会发展的基石。 随着社会的快速发展，人类对能源的需求不断减少。 风电、光伏等可再生能源以其清洁的特点越来越受到公众的追捧。
国家能源局数据显示，仅2019年上半年，全省风力发电装机环比下降11.5%，光伏发电装机环比下降20% 。
在众多可再生能源中，生物质能源以其直接获取、取之不尽、用之不竭、发电污染低等优点备受追捧。
但与常规能源发电相比，风力发电、光伏发电等新能源在生产过程中容易受到风速、风向、日照、温度、气压等环境因素的影响。 不可控性比较大。 大规模新能源向电网转移将对系统稳定运行和电力调度带来巨大挑战。
如何将大规模新能源产生的电力高效并入电网输送和使用已成为一大难题。
为此，新能源电量的准确预测是解决上述困难的有效途径之一。
以风电为例，是指根据风电场历史功率、历史风速、地形、数值天气预报、风机运行状态等数据，建立风电场出力预测模型。
早在2011年，国家就对风电场发电预测的技术参数做出明确规定，要求风电场进行风电功率预测并制定发电计划。 风电功率预测已成为风电场并网的必要条件之一。
根据国家能源局发布的《风电场功率预测预报管理暂行办法》，要求风电日预测曲线最大偏差大于25%，实时预报偏差大于15%，全天预报结果均方根偏差大于20%。
在风电功率预测中，关键是需要对风电的不确定性进行精细建模，并克服数据偏差带来的影响。
功率预测偏差的影响因素包括预测模型、数值天气预报精度、气象数据、数据采集与处理等，这种偏差的存在成为风电功率预测的最大对手。
一般来说，风电功率预测的通常流程包括数据分析、建模和预测三个部分。 最后，需要从海量数据中提取物理模型并进行数据预测。
为此，引入基于人工智能的预测手段可以减少和消除偏差，以低成本实现高精度的风电预测。
要实现人工智能赋能新能源发电功率预测，软件和硬件配套设备都必不可少。 AI算法的支持和更强的计算能力，使得基于AI的智能预测方法具备了落地的条件。
强大计算能力支持的软硬件设备不仅可以提高大数据的处理速率，还可以保证预测的准确性。 而英特尔就是其中的强者。
2.电量预测助手：动物园加持，准确率79.41%
基于人工智能的新能源发电预测的最终目标是帮助电力公司显着提高发电效率。 然而中期风电功率预测，传统的AI电量预测方法主要采用单一的人工智能算法模型来训练和推断环境参数、电量、发电量等数据样本。
这种方法只适合短期预测，随着预测周期变长，预测准确率会急剧下降。
在智能电力预测领域多年积累和积累的金风惠能看来，实现高效电力预测的关键在于，一方面要把电力预测与天气预报结合起来，填补时间维度的缺陷，保证时间序列数据与预测精度的一致性。 另一方面，采用多模型组合方案替代单一模型，提高系统的预测精度。
基于此，金风惠能与英特尔联手，以英特尔统一大数据分析和AI平台Zoo为纽带，借助深度学习和机器学习，结合风机级天气预报、风迹等天气预报数据仿真，并结合多种模型方法构建新的功率预测智能方案。
首先是准确的天气预报数据。 为保证预报的准确性，金风惠能与中国气象局、欧洲气象中心等权威机构合作，通过集体预报的方式保证预报精度的稳定性。 比如，在新方案中，金风惠能将天气预报的精度从常规的9公里细化到100米。
图：风力发电机级天气预报和风轨迹模拟。 新方案中，左侧风机级天气预报的尺度从常规的9公里细化为100米的微尺度。 下图中，对风轨迹的模拟清晰地定量分析了出行路线。
其次，金风惠能构建多模型组合预报方案，挖掘海量数据，打造特色项目，分析风速、风向、气温等与预报相关的影响因素。
图：结合天气预报数据的多模式组合预报方案框架，将中国气象局、欧洲气象中心等不同天气预报来源的天气预报数据与不同深度学习或机器学习算法的参数结合起来生成比如SVM+CMA方式。
在此过程中，基于英特尔统一大数据分析和AI平台Zoo，金风慧能可以将新解决方案中的Spark、Keras及其软件和框架无缝集成到同一个管道中。
在这个路径的过程中，有助于将数据存储、数据处理、训练推理的管道整合到统一的基础设施中，降低硬件管理和系统运维的成本。
Zoo除了为解决方案提供统一的端到端分布式解决方案外，还可以帮助用户提高系统开发和部署的效率和可扩展性，同时还可以在时间序列数据的分析方面提供更强的推动力。
经金风汇能联合英特尔在全省多个光伏测试点进行验证，发现新方案的预测精度超过原方案的59%，达到79.41%。
按月计算，在每个测试的光伏领域，金风惠能利用3万条记录，单小时迭代5000次优化模型，并在50微秒内获得未来2小时的电量预测数据。
最后，英特尔与金风惠能联合开发的新型智能功率预测解决方案的实践表明，这些AI预测解决方案在风电场的引入也可以帮助电力公司显着提高发电效率。
3、软硬件“风火轮”：Intel Xeon平台集成AI技术加速
推动金风惠能打造智能电量预测解决方案，是英特尔AI技术在新能源发电领域的重要组成部分。
在软件和硬件的支持下，英特尔为新能源智能解决方案提供全面支持。 未来，金风惠能还将基于Zoo搭建完善的数据整改平台，优化数据质量。
事实上，在数据中心转型之初，英特尔希望通过互联存储和计算的综合能力，加速人工智能应用的落地，打通数据、开发和部署的闭环。
在数据链路上，涉及采集、存储和处理，英特尔整合软硬件能力进行加速和高效处理。
例如，基于第二代Intel Xeon可扩展处理器，用于加速估算过程； 英特尔傲腾™持久视频内存还可以将更多数据保留在靠近CPU的位置，从而实现更实时的处理。 只有英特尔傲腾™ SSD 才能实现经济高效的大容量数据存储。
在开发阶段，英特尔架构已经能够支持企业中的大部分机器学习，让企业能够在熟悉的现有通用环境中轻松实施新的人工智能工作负载。
随着人工智能技术逐渐渗透到各行各业。 英特尔同时利用软件和硬件在至强可扩展平台上集成各种人工智能技术加速，帮助企业根据自身业务需求和IT环境扩展人工智能应用。
4、前景：加速新能源智能化转型
根据《可再生能源发展“十三五”规划》，“十三五”期间，我国可再生能源应用规模将进一步扩大，风电和太阳能多元化协调发展。 到2020年底，我国风电并网装机容量将达到2.1亿千瓦以上，太阳能发电达到1.1亿千瓦以上。
这意味着可再生能源发电在智能电网系统中的比重越来越重要。 可再生能源发电量的准确预测对于减轻电网调峰压力、减少电力系统备用容量配置、提高电网接纳可再生能源的能力具有重要作用。
对光伏、风电等新能源的出力功率进行预测，不仅有利于调度系统合理调整和优化发电计划，提高电网调峰能力，还可以减少电力消耗。弃风弃光，降低其运营成本，帮助电力企业提高竞争力。
在国外，新能源电力公司参考预测电量来确定报价。 新能源电量预测还可以为电力市场交易提供决策依据。 在一些小型新能源站，如海上风电场，也开展了功率预测工作，根据预测的发电量参与市场竞争。
随着以新能源为主导的电力体制改革，人工智能解决方案的引入对新能源的智能功率预测具有重要意义。 英特尔采用软硬件双管齐下，至强平台集成AI技术加速新能源部署，推动能源行业智能化发展。
