概述
人工智能通过学习天气数据和过去的输出来预测风力涡轮机和太阳能电池板将在几小时或几天前产生多少电力。准确的预测使电网运营商能够平衡供需，而不会浪费清洁能源或冒停电的风险。
风能和太阳能电力预测中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。
深入探讨
风能和太阳能是可变的：飘过的云层或风的平静可以在几分钟内改变输出。人工智能预测模型吸收数值天气预报（风速、辐照度、温度、云量）、卫星和天空摄像机图像以及多年的历史发电数据，以预测几分钟到几天的跨地平线功率输出。机器学习在这方面表现出色，因为天气和电力之间的关系是非线性的且特定于地点，受到涡轮机尾流效应、面板污染和地形的影响。更好的预测可以减少电网运营商处于待命状态的昂贵的旋转储备，减少清洁能源的限电，并让交易商更有信心地在电力市场竞标可再生能源。西班牙的 REE 和丹麦的 Energinet 等运营商依靠此类预测来运营可再生能源份额非常高的电网。
技术洞察
短期（一小时内）预测通常使用带有卷积神经网络的天空成像相机来跟踪向太阳能发电厂移动的云，以及时间序列输出的 LSTM 或变压器模型。更长的视野将基于物理的数值天气预报与可纠正系统模型偏差的梯度增强树或神经网络相结合。概率预测越来越多地输出完整的分布（例如分位数），而不是单个数字，因此运营商可以围绕不确定性而不是点估计来规划储备。
掌握风能和太阳能预测中的人工智能
人工智能通过学习天气数据和过去的输出来预测风力涡轮机和太阳能电池板将在几小时或几天前产生多少电力。准确的预测使电网运营商能够平衡供需，而不会浪费清洁能源或冒停电的风险。风能和太阳能电力预测中的人工智能侧重于实际部署：将模型功能转化为可靠的日常工作流程，提供可衡量的价值。为了建立深入的理解，请将风能和太阳能电力预测中的人工智能视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，在风能和太阳能预测中使用人工智能的强大团队专注于工作流程结果，而不是模型演示，并尽早定义人工检查点。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
应用级设计决定了人工智能是否能改善实际结果。与此同时，将损坏的流程自动化可能会加剧现有的问题。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
应用级设计决定了人工智能是否能改善实际结果。
应用级设计决定了人工智能是否能改善实际结果。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
良好的工作流程集成可以创造用户值得信赖的生产力收益。
良好的工作流程集成可以创造用户值得信赖的生产力收益。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
范围明确的用例可以减少变更疲劳和实施风险。
范围明确的用例可以减少变更疲劳和实施风险。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
电网运营商利用日前的风力预报来决定有多少天然气厂保持备用状态
太阳能发电场使用天空摄像机云跟踪来预测云到达之前的斜坡下降并预充电电池
能源交易商根据概率预测将风力发电竞价纳入日前和盘中电力市场
风电场运营商在预测的低风期安排涡轮机维护，以最大限度地减少发电损失
实施模式
风电和太阳能电力预测中的人工智能实践
电网运营商利用日前的风力预报来决定有多少天然气发电厂保持备用状态。
电网运营商使用日前的风力预测来决定有多少天然气发电厂作为备用备用。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
风电和太阳能电力预测中的人工智能实践
太阳能发电场使用天空摄像机云跟踪来预测云量下降并在云到达之前对电池进行预充电。
太阳能发电场使用天空摄像机云跟踪来预测功率下降并在云到达之前对电池进行预充电。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
风电和太阳能电力预测中的人工智能实践
能源交易商根据概率预测将风力发电竞价纳入日前和盘中电力市场。
能源交易商根据概率预测将风力发电竞标到日前和日内电力市场。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会得到更好的结果。
风电和太阳能电力预测中的人工智能实践
风电场运营商在预测的低风期安排涡轮机维护，以最大限度地减少发电损失。
风电场运营商在预测的低风期安排涡轮机维护，以最大程度地减少发电损失。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
将损坏的流程自动化可能会加剧现有问题。
团队可能会过度自动化并消除所需的人工判断。
如果不持续评估输出，质量可能会出现偏差。
实施路线图
绘制当前工作流程并确定摩擦最大的步骤。
绘制当前工作流程并确定摩擦最大的步骤。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在完全自动化之前定义人工检查点。
在完全自动化之前定义人工检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
对用户进行提示、升级路径和质量标准方面的培训。
对用户进行提示、升级路径和质量标准方面的培训。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪任务级结果以确认持续价值。
跟踪任务级结果以确认持续价值。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。