在“雙碳”目標的推動下，我國新能源領域正經歷著前所未有的快速發展。截至2025年，新能源裝機容量已突破12.06億千瓦，占全國總裝機容量的近40%，預計到2050年這一比例將攀升至100%。然而，隨著新能源大規模接入電網，電力系統面臨著負荷側峰谷差擴大、源荷特性復雜化等嚴峻挑戰，調峰調度壓力日益增大。在此背景下，精準的新能源功率預測技術，尤其是分布式光伏功率預測，成為破解新能源消納難題的關鍵環節。
針對分布式光伏功率預測中的兩大核心難題——數據質量不足與模型預測能力有限，上海交通大學團隊提出了一項創新性解決方案。該團隊研發的“基于多源多模態數據和人工智能大模型的分布式光伏功率預測系統”，通過整合數據、模型與算力三大維度，實現了從粗顆粒度氣象數據到高精度光伏功率輸出的全流程預測，為電網調度提供了智能化支持。這一成果在第四屆象新力杯開放創新賽道自由選題類競賽中榮獲一等獎，彰顯了其在新能源領域的創新價值。
在數據層面，團隊構建了“天－地－算”三位一體的多源多模態數據采集與處理體系。該體系融合了衛星遙感、氣象數值預報等天基數據，地面氣象站、分布式光伏實測等地基數據，以及通過生成式AI增強的條件擴散模型數據，形成了完整的數據鏈條。通過時空對齊、修復與特征融合技術，系統成功解決了多源異構數據的時空錯配問題，將低分辨率氣象數據轉化為高分辨率精細化輸入，顯著提升了極端天氣條件下的預測魯棒性。
模型創新是該系統的另一大亮點。團隊設計了融合生成式AI與大模型架構的預測算法，首先利用生成式AI對粗顆粒度氣象數據進行時空超分辨率增強，將低分辨率氣象網格細化為高分辨率逐點預測；隨后通過時空卷積網絡和跨模態注意力機制，實現多源數據的自適應特征提取與深度融合；最終借助時序融合Transformer對融合特征進行解碼，輸出精準的光伏功率預測結果。這一方法在復雜天氣條件下（如多云、陰雨）仍能保持優異性能，預測精度顯著優于傳統模型。
算力支撐是系統落地的關鍵保障。團隊依托上海交通大學“思源一號”HPC+AI平臺（總算力6 PFLOPS，國內高校領先）與國家電投“天樞一號”智慧系統（具備百萬級并發、千萬級計算能力），為大數據處理與大模型訓練提供了充足算力。上海交通大學國家電投智慧能源創新學院的校企協同模式，進一步整合了雙方在算力底座、算法研發與工程應用方面的優勢資源，形成了全鏈條支撐能力。
目前，該系統已在上海交通大學智慧能源校園項目中完成部署與應用，顯著提升了校園內分布式光伏出力的預測準確性，為微電網優化調度提供了可靠依據。同時，團隊研發的光伏功率預測算法已嵌入上海交通大學虛擬電廠教學仿真平臺，為虛擬電廠調度策略的教學與仿真研究提供了實時光伏功率預測數據支持。這一創新成果不僅為校園能源管理提供了智能化解決方案，也為全球能源轉型貢獻了“交大智慧”。
