英特尔大数据分析 + AI 平台助金风慧能打造新能源智能功率预测方案

与传统能源不同，风电、光伏等新能源受环境因素影响很大，风能、日照的随机性和波动性都会对电网的稳定性和安全性带来严峻挑战。不过随着人工智能 (Artificial Intelligence，AI)、物联网、云计算等新兴技术更多地与新能源产业相融合，以智能化手段来应对以上挑战，正成为新能源企业面向未来，领跑绿色能源发展之路的首选。

北京金风慧能技术有限公司 (以下简称金风慧能) 正利用深度学习与机器学习的方法，结合风机级气象预报、风轨迹模拟等气象预报数据， 以多模型组合的方式来构建用于功率预测的全新智能方案。为此，金风慧能与英特尔开展了紧密的合作，基于英特尔统一的大数据分析和 AI 平台——Analytics Zoo，打造了从特征工程搭建、预测影响因子捕捉、多模型组合到定制化策略更新的分布式架构， 并针对预测数据的时序特性进行了有针对性的优化。随后的一系列场站测试中，双方合力打造的全新方案也得到了验证并收获了良好的应用效果。

“金风慧能一直致力于将 IT 前沿技术与新能源的发展相融合，为用户提供更为高效、敏捷的新能源解决方案。Analytics Zoo 所提供的统一端到端架构，及其在时序数据分析方面的优势，不仅使我们结合气象预报数据的多模型组合功率预测方案具有更敏捷的部署效率，在预测准确率、稳定性方面也能获得较大提升。”

张利

金风慧能首席架构师

Analytics Zoo 助力分布式功率预测架构搭建

金风慧能新方案的主要优势是与气象预报数据进行了结合。众所周知，气象预报数据是一种典型的时序数据，其数值会随着时间的变化而发生变化。因此，选择更适用于时序数据处理的系统架构，无疑可进一步提升预测系统的准确性和稳定性，而英特尔统一的大数据分析和AI 平台——Analytics Zoo，不仅可为方案提供统一的端到端分布式方案，帮助用户提升系统的开发部署效率和可扩展性，同时其在时序数据分析方面的独特功能和优势也能为新方案提供更强助力。

作为英特尔在大数据分析与 AI 领域的融合型创新成果，如图1 所示， Analytics Zoo 可帮助金风慧能将新方案中的 Spark、TensorFlow、Keras 及其它软件和框架无缝集成到同一管道中。这一方法有助于金风慧能将数据存储、数据处理以及训练推理的流水线整合到统一的基础设施上，来大幅提升新方案的部署效率、资源利用率和可扩展性，并减少用于硬件管理及系统运维的成本。
 

同时，Analytics Zoo 还能卓有成效地将英特尔提供的众多底层软件加速库，如英特尔® 数学核心函数库 (Intel® Math Kernel Library，英特尔® MKL)、面向深度神经网络的英特尔® 数学核心函数库 (Intel® Math Kernel Library for Deep Neural Network, 英特尔® MKL-DNN) 等，应用到上层功率预测方案的优化中去；并可将 TensorFlow、Keras 模型透明地扩展到大数据集群，使用户能更方便地在训练或推理方案中采用分布式架构，以进一步提升性能表现。

在提供统一的端到端平台架构之外，Analytics Zoo 给予新方案的优势，还在于其提供了一系列与时序数据分析相关的功能和特性。首先，Analytics Zoo 对于不同时序分析应用，如时序预测、异常检测、时序表征学习、时序聚类等，都可提供完整的解决方案，便于金风慧能在新方案中构建更多的预测方法组合；其次，Analytics Zoo 针对时序数据预置了丰富的功能组件，包括：

• 功率预测常见的深度学习和机器学习模型：LSTM、Encoder-Decoder、MTNet、ARIMA 等；

• 功率预测中常用的数据预处理和特征工程：Datetime features、Time diff、Log-transform、Rolling window 等；

• 功率预测中普遍的异常探测方法：Percentile、Distribution-based、Uncertainty based、Autoencoder 等。

除了以上组件，Analytics Zoo 还可为新方案提供 AutoML (自动机器学习) 方法，使之能够进行自动化特征选择、模型选择和超参调优等，令预测模型得以更好地拟合发电设备输出功率的变化周期。

为验证基于 Analytics Zoo 的全新分布式功率预测方案在实际运行中的表现，金风慧能与英特尔一起，在全国多个光伏测试场站进行了实地测试。验证方案以月为周期，在每一个测试的光伏场中，在单小时内使用 30,000 条记录对 LSTNet 模型进行 5,000 次迭代优化，并在 50 毫秒内获得未来 2 小时的功率预测数据。验证结果如图2 所示，新方案在预测准确率上超越了原有方案的 59%，达到了 79.41%。

金风慧能全新智能功率预测方案实现的优势

• 与传统功率预测方案相比，结合气象预报数据的多模型组合功率预测新方案，能获得更有效的时序数据支撑，令预测准确率和稳定性更高；
• 英特尔统一的大数据分析和 AI 平台 Analytics Zoo 为新方案提供了统一的端到端架构，可帮助用户提高系统的开发部署效率和可扩展性，降低硬件与运维的成本；• Analytics Zoo 在时序数据分析方面的独特功能和优势，为新方案提供了更优的预测性能，可使预测模型与发电设备的实际输出功率实现更好的拟合。

如果您想要了解该解决方案的详细信息，请关注英特尔开发人员专区微信公众号在后台回复“GoldWindAI”，即可获取相关资料。