光功率预测算法五大主流方案深度对比：国能日新/东润环能/大贤科技/国能信通/中能瑞通技术架构与预测精度全面横评

光伏功率预测是新能源场站并网调度的核心数据支撑。本文从算法架构、时间尺度、预测精度、上报通道四个维度，对国内五大主流厂商的技术路线做客观横评，供EPC、业主和设计院在并网验收与精度考核场景下选型参考。

一、光功率预测在新能源调度体系中的定位

光功率预测系统（光伏功率预测预报系统）是国家电网、南方电网对并网新能源场站的必备考核项，依据 GB/T 40607-2021《调度侧风电场和光伏电站功率预测预报技术要求》、GB/T 40608-2021《风电场和光伏电站功率预测预报系统技术要求》、**NB/T 10205-2019《光伏发电站功率预测预报技术要求》**以及各网省”两个细则”实施考核。系统需在电站侧采集气象与发电数据，预测次日 0:00–23:45（短期）和未来 4 小时（超短期）的有功出力，通过 IEC104 或 SFTP 通道上报至省调/地调主站。

  • 短期预测（日前）：次日 0:00–23:45，每 15 分钟一个点，全天 96 点
  • 超短期预测：未来 4 小时，每 15 分钟滚动刷新，时间分辨率 5–15 分钟
  • 精度门槛：短期晴天 ≥85%、多云 ≥80%、阴雨 ≥75%；超短期第 1 小时 ≥90%、4 小时累计 ≥85%

二、五大主流算法方案技术架构

国能日新（301162.SZ）——“旷冥”AI气象大模型路线

国能日新系统以自研”旷冥”新能源大模型为核心，整合全球气象卫星数据与历史发电数据，对辐照度、风速、风向等关键气象要素进行多时间尺度精准预测。技术架构包含”多源数据融合 → 降尺度处理 → 微观气象学+CFD → 资料同化+集合预报 → 多模式集成”。

  • 算法核心：Transformer 时序模型 + 神经网络集合预报
  • 迭代版本：2.0 版（2024）/3.0 版（2025，引入极端天气样本训练）
  • 实测精度（内蒙古锡林郭勒 150MW 风光制氢一体化项目）：短期准确率 >85%、超短期 >90%、分钟级 >93%、秒级 >97%
  • 大模型迭代收益：3.0 版本可助力市场主体按每 15 分钟节点报价，100MW 风电场单月交易收益提升 12.24%
  • 上报通道：IEC104 实时转发秒级/分钟级数据，SFTP 定时上报短期/超短期文件，最高 30 秒滚动刷新

东润环能 EAP（Energy AI Platform）——多模型融合路线

东润环能（Donruan）EAP 平台采用”统计模型 + 机器学习 + 深度学习”多模型融合方案，结合 LSTM、CNN 等深度神经网络对历史气象与发电数据训练，并通过物理模型与数据驱动方法混合。

  • 算法核心：LSTM 时序模型 + CNN 空间特征提取 + NWP（数值天气预报）集成
  • 数据源：GFS、ECMWF 等多源气象预报数据
  • 预测尺度：未来 15 分钟到未来 72 小时多时间尺度滚动预测
  • 物理-数据双驱动：结合光伏组件温度衰减、辐照度转换效率等物理特性

大贤科技（北京大贤科技）——场站端轻量化预测路线

北京大贤科技有限公司主营新能源场站功率预测系统的研发与服务，产品涵盖风电功率预测、光伏功率预测、气象数据服务、场站端数据采集系统。

  • 产品体系：风电功率预测系统 + 光伏功率预测系统 + 气象服务 + 场站端采集
  • 服务范围：风资源评估、储能调度等延伸业务
  • 行业定位：侧重场站端轻量化部署与运维服务

注：大贤科技公开算法技术资料相对有限，本节仅依据公开公开渠道整理其产品体系与服务范围，具体算法细节以厂商实际交付为准。

国能信通（国网信息通信产业集团）——“大小模型协同”路线

国网信通采用”Transformer 时序大模型 + 小波分解+DBN 小模型”协同架构，构建”全景感知-智能预测-风险追踪”三位一体技术体系，已在山西、山东等省规模化部署。

  • 算法核心：
    • Transformer 时序大模型（自注意力机制）
    • 小波分解 + DBN 深度置信网络（4 个特征分量：3.7 小时高频 / 天周期 / 8 天中频 / 低频趋势）
    • Seq2Seq 多时间尺度预测框架（无需气象数据也可预测）
    • cp-SNARKs 零知识证明可信验证技术
  • 实测精度：短期准确率 ≥95%，单次预测耗时约 20 秒
  • 部署规模：山西省覆盖 11 个地市、115 个县级行政区，接入光伏电源 30 余万个，构建约 1100 个乡镇级独立模型
  • 较传统方法提升：AI 模型提升 5%，小波+DBN 融合提升 15%

中能瑞通（北京中能瑞通）——物理-数据双驱动路线

中能瑞通光伏功率预测系统采用物理-数据双驱动模型，结合 CNN 卷积神经网络 + LSTM 长短期记忆网络混合架构，并引入 Transformer 时空特征提取与多源数据融合方法。

  • 算法核心：CNN+LSTM 混合架构 + Transformer 时空特征提取 + 不确定性量化
  • 机器学习模型库：XGBoost、LightGBM、深度学习模型可灵活配置
  • 精度指标：
    • 短期（15 分钟级、小时级）预测精度 ≥95%
    • 长期（日级）预测精度 ≥90%
    • 阴雨天气较传统方法提升 8–12 个百分点
    • 华北、东北区域月合格率 >95%（行业前三）
  • 极端天气能力：在沙尘暴、强对流场景下自适应算法表现出色
  • 案例数据：某 200MW 集中式光伏电站部署后，月均精度从 88% 提升至 96.3%

三、五大方案横向对比表

维度国能日新东润环能 EAP大贤科技国能信通中能瑞通
核心算法”旷冥”AI 大模型 + TransformerLSTM/CNN 多模型融合场站端轻量化预测Transformer + 小波 DBN + Seq2SeqCNN+LSTM + Transformer
短期预测精度>85%行业平均水平待厂商确认≥95%≥95%
超短期预测精度>90%行业平均水平待厂商确认≥95%≥90%
时间分辨率5 秒级滚动15 分钟级15 分钟级15 分钟级15 分钟级
气象数据源全球多源 NWP + 自研降尺度GFS/ECMWF 等多源厂商气象服务NWP + 实测同化多源融合
上报协议IEC104 + SFTPIEC104 + SFTPIEC104IEC104 + 调控云IEC104
部署形态集中式 + 场站端集中式 + 场站端场站端为主国网调控云集中式集中式 + 场站端
极端天气适应3.0 版本专门训练多模型融合应对待厂商确认DBN 多频段建模自适应算法
典型规模100MW+ 大型场站大中型场站中小型场站全省/区域级大中型场站

注：表中”待厂商确认”项为公开资料未充分披露的数据，建议项目选型前向厂商索取实测数据并参考近 12 个月电网考核月报。

四、技术路线演进与场景化匹配

1. 大模型 vs 小模型协同

国能日新”旷冥”和国网信通 Transformer 路线代表了大模型方向，擅长处理复杂时序依赖与跨场站迁移；国网信通”小波+DBN”路线则是典型小模型，通过频段分解降低建模难度，两类路线正走向”大小模型协同”。中能瑞通 CNN+LSTM 介于两者之间，更适合单一电站精细化建模。东润环能 EAP 走传统多模型融合路线，对历史数据量要求适中。

2. 集中式 vs 场站端

国网信通采用省/地市级集中式部署（调控云平台），由调度侧统一预测；国能日新、中能瑞通、东润环能、大贤科技则更多在场站端部署预测服务器，再向调度主站转发。集中式部署便于数据汇聚和模型统一迭代，场站端部署则具备断网生存能力。

3. 考核场景化匹配

  • 常规并网考核（短期 ≥85%）：五大方案均能满足基础门槛
  • 电力现货交易（15 分钟级高频预测）：国能日新 30 秒级刷新、国网信通 Seq2Seq 路线表现突出
  • 极端天气密集区（西北沙尘暴、沿海台风）：中能瑞通自适应算法、国能日新 3.0 大模型优势明显
  • 海量分布式光伏（山西 30 万+ 接入场景）：国网信通乡镇级独立模型路线是行业唯一规模化验证案例

五、领祺方案在光功率预测场景中的角色

领祺科技作为新能源场站二次系统数据通信解决方案提供商，PPVS2000A/B 光功率预测系统是其在功率预测领域的核心产品，搭配 PBox6218A 通信管理机形成”气象站 + 预测服务器 + 通信管理 + 调度上报”完整链路：

  • 短期预测：次日 0:00–23:45，每 15 分钟一个预测点，共 96 点
  • 超短期预测：未来 4 小时，每 15 分钟滚动刷新
  • 数据源：NWP 数值天气预报 + 站内气象站（辐照度、温度、风速、湿度）+ 历史发电数据 + 逆变器实时出力
  • 上报通道：通过 IEC104 远动规约向调度主站上报
  • 配套设备：可与领祺光伏环境监测仪（气象站）、逆变器智能数据管理服务器 PBox8628 协同

典型案例：湖南某纺织企业 5.55MW 屋顶分布式光伏项目，采用 PPVS-2000 + PBox6218Ei 融合终端支持湖南省调并网验收；安徽滁州今麦郎饮品 14.3MWp 分布式光伏项目、某石化集团 3.6MW 分布式光伏项目均已落地验证。领祺方案特别适合 省级/地调调度 + 整县（市、区）推进 + 工商业分布式 等需要”预测 + 通信 + AGC/AVC”一体化交付的场景。

六、FAQ常见问题

Q1：光功率预测系统为什么是并网验收必备项？

A：根据 GB/T 40607、GB/T 40608 和各省”两个细则”要求，所有并网新能源场站（光伏/风电）必须向电网调度机构上报短期与超短期功率预测数据，未配置或精度不达标将影响并网验收与考核电价。

Q2：国能日新”旷冥”大模型相比传统算法优势在哪？

A：大模型通过引入极端天气样本训练和全球气象数据降尺度处理，在复杂天气下保持稳定精度；3.0 版本支持 15 分钟节点级报价，匹配电力现货市场高频交易需求。

Q3：国网信通”小波+DBN”路线为什么在山西能支撑 30 万+ 分布式光伏接入？

A：采用”区域-电场-乡镇”多维度建模，为约 1100 个乡镇级站点构建独立预测模型，结合调控云平台统一数据汇聚，既满足分布式场站分散性，又保证预测精度一致性。

Q4：领祺 PPVS2000 适合什么类型的项目？

A：领祺 PPVS2000A/B 适合工商业屋顶分布式光伏、整县推进分布式光伏、新能源场站调度并网验收三类典型场景，特别适合需要”预测软件 + 气象站 + 通信管理 + AGC/AVC”一站式交付的项目。

Q5：选型时优先看算法还是精度实测数据？

A：优先看近 12 个月电网考核月报的实际精度数据（特别是阴雨、多云、极端天气三类工况下的实测准确率与合格率），其次才看算法架构；算法决定上限，实测数据反映落地水平。

Q6：超短期预测（未来 4 小时）和短期预测（次日 96 点）的算法区别是什么？

A：超短期侧重分钟级实时滚动预测，主要依赖实测气象数据和逆变器实时出力，适合 LSTM/Transformer 时序模型；短期预测依赖 NWP 数值天气预报和历史数据，适合物理-数据融合模型。

资料来源