國網山東電力應用負荷預測大模型支撐精準研判電力供需形勢

　　1月2日，國網山東省電力公司電力調度控制中心調度計劃處負荷預測專責查看山東電網負荷預測數據，研判山東電網電力供需形勢。自2024年迎峰度冬開始以來，山東電網負荷預測準確率達98.9%，較去年同期提高0.9個百分點，為電網安全運行提供了有力支撐。負荷預測精度的提升得益于國網山東電力于2024年6月以來開始應用的負荷預測大模型技術。

　　電網負荷易受氣溫變化影響。高溫、寒潮、強對流等極端天氣與重大轉折天氣容易導致用電負荷快速增長，增加用電高峰時段電力保供壓力;影響新能源出力，使其在短時間內發生劇烈變化。近年來，極端天氣頻發，高比例新能源接入規模不斷增長，電網安全穩定工作增加了更多不確定性，對電力平衡精度提出更高要求，需要通過提高負荷預測的準確性來提升電力供應的可靠性。

　　傳統負荷預測模型主要依賴從大量歷史負荷數據中歸納總結規律和特征。但極端天氣、重大轉折天氣復雜多樣、歷史樣本少，傳統負荷預測模型難以根據天氣變化給出準確預測，也無法對分時電價政策、負荷統計口徑調整等非確定影響因素作出自適應調整。

　　為此，國網山東電力與外部相關企業開展技術合作，組建研發團隊，搭建“氣象大模型+負荷預測大模型”。前者通過“全球-區域”聯合建模技術，在搭建全球廣域范圍的宏觀氣象模型的同時，為公里級別的山東區域微氣象過程建模，實現高精度和高分辨率區域天氣預報。后者可通過培育自學習能力和專家經驗學習能力，不斷優化調整負荷預測模型，逐步實現“逼近人、模擬人、超越人”進階升級，提升負荷預測精度。兩個大模型彼此交互。

　　研發團隊還通過人工智能(AI)技術，在負荷預測大模型上搭建了“教師AI+學生AI”雙AI預測模塊。學生AI從氣象數據、歷史負荷數據及其他負荷影響因素中歸納重大轉折天氣、節假日等特殊場景典型特征，訓練形成對電網負荷的預測模型。教師AI考評學生AI預測效果并打分反饋，同時通過基于大語言模型的人機交互界面接收負荷預測專責專家經驗，調優學生AI形成的預測模型，優化模型預測效果。

　　據介紹，負荷預測大模型實現了對負荷規律的自學習、預測偏差的自分析和自調整，解決了傳統負荷預測模型在重大轉折天氣等情況下負荷預測偏差大的難題。在2024年迎峰度夏期間，山東地區出現高溫突轉降雨等7次重大轉折天氣，該模型預測準確率較往年的人工預測提升了3.35個百分點。(張冰 周蕾 葛暢)