蚂蚁数科联合协鑫能科共建能源电力时序大模型“光伏场景用例”

中国财富网讯（金多多）3月26日，新能源数字资产社区春季峰会在苏州召开。会上，蚂蚁数科与协鑫能科共同发布能源电力时序大模型一体机——首个光伏场景共建用例。

图说：EnergyTS能源电力时序大模型一体机——首个光伏场景共建用例发布

新能源光伏和风力发电环节，容易受到太阳辐照、风速、云量、温度、设备性能等多重因素影响，存在发电效率不稳定的问题，进而带来用电供需不平衡、电价波动剧烈、储能调度收益低等关联风险。用AI技术可加强发电量预测的准确性，对电站的投资选址、行业收益评估、储能调度运营效率、资产风险管控等关键环节至关重要。

协鑫能科与蚂蚁数科发布的能源电力时序大模型一体机“首个光伏场景共建用例”，结合协鑫集团的光伏设备特性参数、部署安装方式等进行定向设计与研发，进一步提升发电预测准确率。

据介绍，蚂蚁数科的EnergyTS能源电力时序大模型，可通过精准预测发电量、供需情况等，为新能源行业发展优化经营策略，辅助风控决策，提高经济效益。根据光伏场景测评显示，该垂类模型在行业评测集上的发电量预测准确率超越谷歌（TimesFM-V2.0）、亚马逊（Chronos-Large）等行业主流的通用时序模型。

蚂蚁数科AIoT技术总监余志军在演讲中介绍，EnergyTS是专为新能源行业定制的能源电力垂类时序大模型，其融入了能源行业专业知识，并基于海量跨行业、多模态数据训练，广泛用于光伏发电、风力发电、储能、微电网、电力交易、虚拟电厂等多个场景，无需额外的训练，实现“开箱即用”。此外，该模型架构灵活，可同时支持多个检测任务，并保障系统稳定性。

图说：蚂蚁数科EnergyTS能源电力时序大模型Benchmark评分

资料显示，在发电量预测这一典型场景中，蚂蚁数科研究团队对当前主流时序模型进行了详细的测评。对比发现，EnergyTS的预测准确率表现出色，尤其在更长期的预测任务中展现了更高的准确性和稳定性。其中，在T+1天的预测中，EnergyTS的MAE（平均绝对误差）仅为0.0233，较谷歌（TimesFM-V2.0）性能提升约22.4%。在T+3天预测任务中， EnergyTS的性能较谷歌（TimesFM-V2.0）提升46.8%，较亚马逊（Chronos-Large）提升62.4%。