“錢是大風刮來的”，這不是一句玩笑話。在風電場，通過預測風向、風速推算出新能源場站未來的發電功率，堪稱新型電力系統的“天氣預報系統”，預測每精準1%，帶來的就是數萬、數百萬的收益變化。

    為了更精準“摸清”風的規律，�？低�視基于觀瀾大模型體系，集成氣象大模型和時序大模型，推出大模型邊緣智能設備——風功率預測一體機，實現氣象預測、功率預測，讓風更可測，讓電更可控。

    △風功率預測一體機是一款面向風電場站的邊緣智能設備，結合自研氣象大模型及多源氣象預報、風機運行數據、場站實測氣象與地形地貌等數據，基于自研時序大模型技術，實現風電場發電功率的精準預測，提升發電企業利潤

    在多地風電場應用以來，海康威視風功率預測一體機通過更精準的預測，不僅助力風電場合理排產、高效發電，還降低了電網對其管理、調度的考核費用（風功率預測越精準，所產生的考核費用越低），相比原系統，預測偏差考核費用降低顯著。例如，在華東區域某300MW海上風電場，功率預測偏差總考核費用年均降低超120萬元，降幅超15%；在華南區域某80MW高山山地風電場，功率預測偏差總考核費用年均降低超80萬元，降幅超46%；在西北區域某200MW戈壁型風電場，功率預測偏差總考核費用年均降低超30萬元，降幅超20%。

    自研氣象大模型，實現公里級的氣象預報

    都說“十里不同天”，即便在一個城市，不同區也會一邊晴天一邊大雨，風向、風速也存在很大差異。

    那如何將大范圍（縣、市等各級）氣象預報，運用到占地可能僅幾平方公里的風電場站？

    海康威視風功率預測一體機通過自研氣象大模型，提升氣象預報精度和準確性，引入MoE技術（混合專家技術）和微調技術，更全面地考慮各種因素，讓氣象大模型更適應最新的氣象數據，從而提升風向、風速的長時預報精度。不同于常規氣象預報，主要為數十公里級的范圍預報，其精度范圍縮小至公里級。

    △在地表10米風（ 東西方向）的24小時、10天長時預報上，海康威視自研氣象大模型對比數值氣象預報（NWP）的預報誤差，分別降低22.7%、 22.8%

    20余年視頻圖像處理技術，為精細化氣象預報提供支撐

    得益于海康威視在視頻領域深厚的圖像編碼與還原AI技術積累，技術遷移實現氣象預報的時空降尺度，即通過技術把一張模糊的、范圍很大的天氣地圖變得清晰并且更細致，從而提供場站級的精細化氣象預報。

    復雜地形下風機，圖譜降低小氣候預報偏差

    風電場站所處的地形環境多樣且復雜，比如山地風電場受山谷風的局地環流影響，容易產生明顯的局地小氣候，難以預測真實風速和風向。同時，因地形復雜，不同海拔的風機所吸收的風能有差異，尾流影響無規律，最終導致發電量差異較大。

    △大型風機葉片產生的尾流效應會引起后排風機的風能損失（圖片來源：國際新能源網）

    �？低�視風功率預測一體機結合風電場內部地形特點及風機空間位置關系，構建出風機功率相關性圖譜網絡，可以準確分析風機間關系及尾流影響，從而實現對風電場內風資源分布情況的有效分析與刻畫，降低由于復雜地形如山地、峽谷等造成的微氣象、小氣候帶來的氣象預報偏差。

    △通過風機功率相關性圖譜網絡劃分多個機群“小組”，找出平均值，提升整體功率預測準確率

    自研時序大模型，提升長周期預測精準度

    一般來說，風功率預測需要次日至十日的中長期預測。傳統風功率預測手段在應對長時序預測時，會存在誤差累積、精度自衰減現象。

    如何才能精準預測未來？�？低�視風功率預測一體機通過自研時序大模型，利用自注意力機制，自動調整模型參數，有效減少長周期預測的誤差累積，此外時序大模型突破了傳統時間序列預測中存在的有限記憶瓶頸、支撐學習超長周期發電走勢，使未來發電量的預測具備更高的置信度水平，讓15分鐘、4小時、次日、第十日后的風功率預測都保持高準確度。。

    △某風電場功率預測曲線對比，藍色為風場實際功率，黃色為�？殿A測功率，綠色為現有系統預測功率，可以看出藍色和黃色重疊度高

    更精準地預測每一縷風，讓不確定的風產出確定的綠電，助力新能源產業收益升級。�？低�視將持續創新，讓新能源插上科技的翅膀，讓源源不斷的清潔能源送入千家萬戶。