本项目成果在申报单位下属多个光伏电站已得到良好应用，项目主要针对光伏电站精细化管理需求而开展，通过建立基于人工智能的深度学习算法和模型系统，利用设备历史运行数据、小型气象站实测历史数据样本，实现精准的功率预测，并已运用到电站管理平台软件。本项目在光伏功率预测领域取得了系统性的技术创新与突破，显著提升了预测模型在不同环境下的适用性、资源利用效率、扩展性和可复用性，具有较高的科研价值和应用前景。

本项目创新性地提出了一种光伏电站功率预测系统，其核心预测模块在不依赖气象预报数据的条件下，仅使用较少的设备历史数据和本地气象站数据，即可实现高精度的光伏功率预测。项目基于深度学习模型与算法，结合相关场站静态信息参数，构建融合卷积神经网络（CNN）、长短期记忆网络（LSTM）、Sparse-TSF的多源混合模型与算法，通过模型对日常气象特征和发电特征的深度关联性分析，结合相似日原理，能够在不依赖第三方气象预报数据的情况下稳定完成功率预测。项目提出了一种能够智能识别光伏电站高波动时间段的创新预测方法，能够精准识别光伏电站在日出和日落期间等高波动时段的显著变化特征。该方法结合传统时间序列模型和深度学习模型分析提取出特征值的极大极小点，通过分析光伏功率时间序列的波动，可智能识别高波动区间，得出高精度的稳定发电时段，提高了功率预测的稳定性。项目提出了逆变级层级建模方案，通过模块化设计，使模型能够灵活应用于不同规模、结构、逆变器类型的光伏电站。逆变器级建模，相比较总站级建模特征提取更加精细、模型扩展性和复用性高，为模型迁移和复用提供了较通用的框架。

本项目研究的核心技术，可应用于集中式或分布式光伏电站的功率预测、电量预测、光伏面板清洁度预测及清洁计划、逆变器设备状态的预测和预警等场景，将显著提升电站的运维效率和精细化管理水平，将进一步降低电站的运营成本，增加企业收益。在国家发展改革委、国家能源局联合发布的《关于深化新能源上网电价市场化改革 促进新能源高质量发展的通知》（发改价格〔2025〕136号）这一最新政策框架下，基于人工智能的光伏电站功率预测系统的重要性将进一步凸显。AI功率预测系统将成为光伏电站实现政策目标的核心技术支撑，其应用包括：1、适应分时电价动态波动。通过强化学习算法预测电价曲线与发电曲线的耦合关系，动态调整储能充放电策略。结合政策允许的“报量报价”规则，优化投标策略。2、发电量可追溯，实现绿电资产增值。生成96点高精度预测曲线，作为绿电交易合约的基准数据。3、参与辅助服务市场，承担调频、备用等辅助服务。通过预测发电功率与负荷需求的差值，提前10分钟触发储能调频指令。4、基于功率预测偏差反向诊断组件故障，如通过异常功率曲线识别组串级故障，实现设备健康管理。随着新能源电价市场化进入深水区，基于人工智能的光伏功率预测系统将助力新能源电站在新一轮改革中占据竞争优势。

功率预测团队成员均来自中信泰富能源，由能源电力领域的资深专家组成，核心成员拥有超过20年的行业经验，团队深刻了解行业需求，专注于模型搭建和系统开发，以先进的信息技术、人工智能算法及大数据分析能力，为能源电力企业的绿色智能发展和电站运营提供解决方案。团队由技术组和业务组双轮驱动。业务组精准把握电网考核规则与管理需求，主导全流程需求分析及落地实践，明确系统功能与性能要求；协调内外部资源推动数据对接；提出优化建议；组织测试验收并推动系统上线应用。技术组负责核心技术研发与系统实现。团队基于功率预测需求设计技术方案，采用数值天气预报、机器学习等先进算法开发预测模型及功能优化。通过数据清洗、特征工程和模型调优提升预测精度，进行系统设计和开发，并严格进行性能测试与安全验证。同时为业务方提供技术支持和培训，保障系统稳定运行。团队核心优势在于跨领域融合能力——技术支持组具备气象学、人工智能和软件开发专长；业务组深耕电力市场规则与电站运营场景。通过多源数据融合与算法创新，团队已实现高精度功率预测技术落地应用。未来将持续优化模型性能，拓展应用场景，助力新能源行业高效发展。

1、经济效益分析：（1）目前市场上功率预测成熟软件系统少且价格昂贵。本项目研发的系统预测精度高且功能更全面，其应用可为单个电站减少功率预测软件采购费约30万元/套、维护费约6万元/年，仅试点的单个光伏电站全生命周期内即可节省软件采购及维护成本费超500万元。若本项目成果应用到中信泰富能源所有分布式光伏电站，仅目前投运的90个电站内部应用就能够产生很高经济收益。省去了功率预测软件采购费，而仅需投入服务器租用及维护费用约128万元/年，在保证计算效率的条件下，90个电站一年预期收益3000万元。该成果不依赖天气预报数据，节省城市气象数据采购约5万元/城市，以目前能源板块电站分布的地区测算，每年可减少数据购买费用100万元以上。通过本项目成果的实施，可合理安排设备检修维护，减少年度全站非计划停运0.5次，非计划停运等效利用小时数按8小时计算，按照电价0.7元/kWh计算，单个10MW的电站可减少非计划停运损失2.8万元/年。此外，可为光伏电站用户预测光伏面板的清洁度、提前制定发电计划，促进光伏发电的就地消纳，提高发电效率和绿电利用比例，也能产生良好的经济回报。2、社会效益分析：在应对气候变化和“双碳”战略背景下，以新能源为主体的新型电力系统，对绿色能源供给的能力和质量提出了更高的要求。光伏发电功率预测系统是实现太阳能高效利用的关键技术之一，它的应用有助于保障电网稳定，并推动光伏发电行业的可持续发展。 面对国际国内前沿，本项目聚焦交叉融合技术，在重点技术“人工智能”方向布局，深度挖掘、实现场景应用，为未来争创产业科技创新高地打下了坚实基础。

本项目技术专为满足公司内部新能源电站的精细化管理需求而开发，成果转化主要为实现旗下所有光伏电站的使用。后续主要是系统功能的进一步迭代，如针对“探索爬坡功率预测”要求，研究基于物理信息的AI模型（Physics-Informed ML），以持续提升技术性能、拓展应用广度与深度，预计将投入200万元研发资金。资金将重点用于现有技术架构升级以应对大数据量处理、购买前沿技术资料用于团队学习提升等，预计20个月内逐步交付功能模块更新，适配公司业务发展节奏。