光伏电站AI功率预测定制：云团移动与爬坡预警

光伏出力的分钟级波动多来自云团过境，单靠历史功率外推往往滞后。我们在某工业园区20MW屋顶分布式光伏上做了一组实验：把卫星云图序列、地面辐照计和逆变器出力三路数据对齐到同一时间轴，用光流法外推云团移动趋势，再用轻量时序模型做逐15分钟功率预测，最后用地面实测辐照对云层遮挡强度做在线订正。

进展与数据：
· 1小时预测的日均准确率从试点前的约82%提升到90%上下，多云天气提升更明显；阴晴切换时段的平均绝对误差下降约三成。
· 增加爬坡预警模块后，可提前15分钟识别出力变化超过10%/分钟的爬坡事件，试点期内召回率约八成，误报主要集中在薄云快速消散场景。

下一步计划是把预测结果接入站内储能与可调负荷，让爬坡预警直接触发充放电策略，验证“预测—响应”闭环能否把并网点功率波动压到考核区间内。模型侧仍需解决冬季低辐照样本偏少的问题。