3月26日,新能源數字資產社區春季峰會在蘇州召開。會上,螞蟻數科與協鑫能科共同發布能源電力時序大模型一體機——首個光伏場景共建用例。

圖說:EnergyTS能源電力時序大模型一體機——首個光伏場景共建用例發布

新能源光伏和風力發電環節,容易受到太陽輻照、風速、云量、溫度、設備性能等多重因素影響,存在發電效率不穩定的問題,進而帶來用電供需不平衡、電價波動劇烈、儲能調度收益低等關聯風險。用AI技術可加強發電量預測的準確性,對電站的投資選址、行業收益評估、儲能調度運營效率、資產風險管控等關鍵環節至關重要。

協鑫能科與螞蟻數科發布的能源電力時序大模型一體機“首個光伏場景共建用例”,結合協鑫集團的光伏設備特性參數、部署安裝方式等進行定向設計與研發,進一步提升發電預測準確率。

據介紹,螞蟻數科的EnergyTS能源電力時序大模型,可通過精準預測發電量、供需情況等,為新能源行業發展優化經營策略,輔助風控決策,提高經濟效益。根據光伏場景測評顯示,該垂類模型在行業評測集上的發電量預測準確率超越谷歌(TimesFM-V2.0)、亞馬遜(Chronos-Large)等行業主流的通用時序模型。

螞蟻數科AIoT技術總監余志軍在演講中介紹,EnergyTS是專為新能源行業定制的能源電力垂類時序大模型,其融入了能源行業專業知識,并基于海量跨行業、多模態數據訓練,能廣泛用于光伏發電、風力發電、儲能、微電網、電力交易、虛擬電廠等多個場景,無需額外的訓練,實現“開箱即用”。模型架構靈活,可同時支持多個檢測任務,并保障系統穩定性。

圖說:螞蟻數科能源電力時序大模型EnergyTS Benchmark評分

資料顯示,在發電量預測這一典型場景中,螞蟻數科研究團隊對當前主流時序模型進行了詳細的測評。對比發現,EnergyTS的預測準確率表現出色,尤其在更長期的預測任務中展現了更高的準確性和穩定性。其中,在T+1天的預測中,EnergyTS的MAE(平均絕對誤差)僅為0.0233,較谷歌(TimesFM-V2.0)性能提升約22.4%。在T+3天預測任務中, EnergyTS的性能較谷歌(TimesFM-V2.0)提升46.8%,較亞馬遜(Chronos-Large)提升62.4%。