在光伏电站，云团移动造成的分钟级功率波动，是功率预测和调度最棘手的部分。能源AI实验室近期围绕“短临功率预测”做了一组实验：将天空成像仪的云图、卫星云图、电站SCADA出力与数值天气预报对齐到同一时间轴，用轻量视觉模型提取云团移动矢量，再与历史出力做残差校正。
进展：在华东某分布式光伏试点，15分钟预测窗口下，爬坡事件的提前识别时间从约5分钟提升到12分钟，晴天场景的归一化均方根误差下降到6%以内；阴天多云场景仍有波动，正在补充云层厚度标签。
下一步：把预测结果接入储能与可调负荷，验证“预测—预警—充放电建议”的闭环，目标是在不增加硬件的前提下，降低弃光与考核偏差。
要点：
- 多源数据对齐是精度前提，时间戳与云图分辨率需统一；
- 爬坡预警比平均误差更贴近调度价值。
评论