随着光伏装机占比越来越高，辐照度资源波动性、间歇性、随机性的特征，已严重影响了电网系统的稳定运行。“两个细则”考核对新能源功率预测精度要求趋严，现有的光伏功率预测系统已难以满足场站精细化、高质量发展的需要。本课题通过基于人工智能、物联网、大数据技术的光伏功率预测系统研究，对超短期、短期预测模型进行改进，提升光伏功率预测精度及准确率，并研发一套光伏功率预测软硬件系统，实现数据实时展示、功率预测、气象信息展示、统计报表分析等应用示范。在满足监管考核要求的同时，提升光伏生产管理智能化水平，为后续参与绿电市场化交易作技术储备。 主要研究内容如下： （1）精准光伏功率预测算法研究：研究基于多源气象预报数据的光伏预测算法，为功率预测提供辐照数据支撑；研究长时间序列预测算法，为日前功率、短期、中期功率等长时间预测任务提供支撑；研究从云图数据中对云信息进行显式及隐式的信息表征，利用图像处理算法及一些多模态建模技术来融合云图信息及天气预报信息等提高功率预测效果；研究机器学习模型与深度学习模型融合技术，保证最终算法预测结果的长时间稳定运行；研究气象模式识别与划分或者无监督分群等手段，从分群角度对不同类型样本做出差异化建模或者映射，提高模型应对不同数据特点或者气象模式的预测能力。 （2）光伏功率预测算法自动更新部署技术研究：在线评估算法性能，当算法模型失效时，自动基于历史数据调用算法训练模块重新训练模型，并部署替代原有已经失效的模型，实现算法的长时间高效稳定的运行。 （3）光伏功率预测系统构建研究：综合光伏功率预测系统在运行环境、部署环境、性能、稳定运行时长、安全等方面要求，构建安全可靠的人机交互系统，实现算法的稳定高效调度，同时实现与生产系统、调控中心等实时数据交互。 建成一个能够接入电网调度的光伏功率预测系统。该系统能够接入SCADA系统、气象监测设备、外部气象预报等数据，基于人工智能、大数据等技术，平均提升现有超短期、日前光伏功率预测准确率5-10%，建立中期预测模型。该系统具有良好的人机交互设计，能较好地满足集控中心工作人员日常的数据查询、统计分析、日志记录、数据导出等使用需求。预计通过本次研究，完成总体框架规划及系统整体建设，并为后续新能源电力交易辅助决策奠定良好的基础。