10月19日，遠(yuǎn)景能源在北京重磅發(fā)布伽利略AI 風(fēng)機(jī)，以更靈活精準(zhǔn)的發(fā)電策略和更高的可靠性，刺破行業(yè)痛點(diǎn)，為風(fēng)電未來發(fā)展開辟新圖景，引領(lǐng)風(fēng)電行業(yè)進(jìn)入物理人工智能應(yīng)用新階段。

如何解決預(yù)測不準(zhǔn)（功率/負(fù)荷/消納/電價(jià)）、風(fēng)機(jī)發(fā)電性能差、安全質(zhì)量隱患高這三個(gè)風(fēng)電行業(yè)最大的痛點(diǎn)，遠(yuǎn)景伽利略AI風(fēng)機(jī)給出了完整并經(jīng)過驗(yàn)證的解決方案：

基于“天機(jī)”氣象大模型與“天樞”能源大模型搭建的全域多模態(tài)感知平臺、數(shù)字孿生平臺、智能控制平臺和設(shè)計(jì)演化平臺，不僅可以解決以上痛點(diǎn)問題，還可以將風(fēng)電場收益提升20%以上。

去年開始，遠(yuǎn)景某平原示范風(fēng)電場一半風(fēng)機(jī)加裝了“天樞”能源大模型智能控制平臺模塊，截止到今天，AI風(fēng)機(jī)較同風(fēng)場未加裝AI的風(fēng)機(jī)收益提升了20.9%，精準(zhǔn)預(yù)測和高電價(jià)交易；AI算法算力提升性能；全域多模態(tài)融合提前預(yù)警共同完成了這一目標(biāo)。

01 伽利略AI風(fēng)機(jī)如何提升預(yù)測精度？

遠(yuǎn)景“天機(jī)”氣象大模型利用千卡算力和百億參數(shù)模型實(shí)現(xiàn)了關(guān)鍵突破。融合衛(wèi)星、雷達(dá)、地面站多模態(tài)數(shù)據(jù)和全球超過800GW的能源資產(chǎn)數(shù)據(jù)，再嵌入大氣動力方程、地形地貌等物理約束，大模型得以構(gòu)建強(qiáng)物理表征架構(gòu)，僅需3分鐘即可生成未來 15 -30天的全球精準(zhǔn)預(yù)報(bào)。在此基礎(chǔ)之上，遠(yuǎn)景還將所有在運(yùn)風(fēng)機(jī)的實(shí)時(shí)運(yùn)行數(shù)據(jù)反饋至氣象大模型，"反饋閉環(huán)"使得模型能夠不斷修正和優(yōu)化預(yù)測結(jié)果，區(qū)域級高時(shí)空分辨率可以做到20米以內(nèi)。 

02 伽利略AI風(fēng)機(jī)如何提升發(fā)電能力？

將復(fù)雜性交給智能，遠(yuǎn)景伽利略AI風(fēng)機(jī)核心是一個(gè)過億參數(shù)規(guī)模的神經(jīng)網(wǎng)絡(luò)，如同為風(fēng)機(jī)植入一個(gè)不知疲倦的超級大腦。在高性能芯片的強(qiáng)勁算力支撐下，這一系統(tǒng)能夠進(jìn)行實(shí)時(shí)在線推理，應(yīng)對傳統(tǒng)控制邏輯難以處理的非線性、高維耦合問題。 

芯片是心臟，算法是靈魂?；凇疤鞓小蹦茉创竽Ｐ偷闹悄芸刂破脚_，實(shí)現(xiàn)了從毫秒級的實(shí)時(shí)響應(yīng)，到小時(shí)、天、月級別的策略調(diào)度深度融合。它讓風(fēng)機(jī)像擁有預(yù)感，可提前調(diào)整變槳變頻策略，也讓它具備自愈力，能在部件亞健康階段就預(yù)警干預(yù)。

基于“天樞”能源大模型，遠(yuǎn)景在后臺云端同樣部署了一個(gè)設(shè)計(jì)研發(fā)平臺，覆蓋百萬級仿真工況，以及多種綜合能源應(yīng)用場景。再加上遠(yuǎn)景ENFAST自研求解軟件，以及伽利略平臺每天數(shù)千GB級海量數(shù)據(jù)的喂養(yǎng)，最終實(shí)現(xiàn)每年超億級案例的仿真迭代?！疤鞓小蹦茉创竽Ｐ驮O(shè)計(jì)演化平臺由此完成了從標(biāo)準(zhǔn)設(shè)計(jì)到風(fēng)機(jī)自主設(shè)計(jì)的轉(zhuǎn)變，實(shí)現(xiàn)了AI驅(qū)動的產(chǎn)品設(shè)計(jì)管理，能夠讓風(fēng)機(jī)更加高效地捕獲每一縷綠色風(fēng)能。

03 伽利略AI風(fēng)機(jī)如何提升預(yù)警準(zhǔn)確率？

自研自制是打開物理人工智能世界的入場券。在這一前沿領(lǐng)域，只有長期深耕自主技術(shù)研發(fā)，堅(jiān)持建設(shè)高保真的數(shù)字孿生平臺，才能真正掌握核心部件的基因圖譜，從而構(gòu)筑起預(yù)警準(zhǔn)確率持續(xù)提升的堅(jiān)實(shí)基座。

隨著AI算力和算法的發(fā)展，加之海量伽利略運(yùn)行數(shù)據(jù)和遠(yuǎn)景對失效模式的物理分析理解，全域的多模態(tài)信息融合把預(yù)測準(zhǔn)確度和覆蓋度推升到了一個(gè)新的高度。以過去無法感知的葉片失效為例，葉片在運(yùn)轉(zhuǎn)過程中，可以通過聲音傳感監(jiān)測到聲音信號、位移信號與應(yīng)變信號的微小變化。當(dāng)這種聯(lián)系建立起來，就可以很清晰地發(fā)現(xiàn)一些早期的失效風(fēng)險(xiǎn)并防患于未然。遠(yuǎn)景伽利略AI風(fēng)機(jī)兩大模型的引入，讓故障預(yù)警周期提前了2個(gè)月以上，有充分的時(shí)間做好備件的調(diào)度和部件更換等維修工作，最終帶來運(yùn)營收益顯著提升。

遠(yuǎn)景能源風(fēng)機(jī)與裝備產(chǎn)品平臺副總裁黃虎發(fā)布伽利略AI風(fēng)機(jī) 

從只會埋頭出力的“工具”，到可以洞察天氣變化、了解電力市場動態(tài)、調(diào)整功率曲線、捕獲更多價(jià)值的“智能體”，人工智能對風(fēng)電的賦能還有更多想象空間和更大的進(jìn)化空間。