从预测风雨到决定电价：气象AI怎样改变绿电生意？

本文来自微信公众号： 星海情报局 ，作者：星海老局前段时间的上海外滩大会上，一个中国的气象模型引起了人们的注意：这个名叫“远景天机”的气象模型，可实现分钟级预测全球未来45天内任意区域、5公里10分钟分辨率的气象情况。

凭借以上优势，其与谷歌WeatherNext 2气象模型进入测评榜单的第一梯队。可能有人会觉得，AI气象模型干的事，不就是天气预报么？这有什么好新鲜的？然而，恰恰就是天气这件事，在新能源的市场化时代，却实实在在地关系到了很多企业的收益、损失。

举个例子：台风逼近海上风场时，风机需要在强风到达前停机保护。但风圈边缘的风速会随路径偏移而变化，停早了白白损失发电量，停晚了又可能损坏设备。因为台风并非同时覆盖整片风场，有些机组已经处于危险风速，另一些还在安全范围内。

如果全场提前停机，后者本可以继续发出的电，也就一并损失了。其实，这样的痛点，只是现在很多新能源企业的一个缩影。虽然到了今天，我国已经是一个新能源占比将近过半的大国了，但与此同时，风电、光伏利用率，却没有跟着涨上去。

2026年上半年，中国风电、光伏装机已经达到19.51亿千瓦，占全国电力装机的48.3%；风光发电量也占到全社会用电量的约四分之一。但风电、光伏利用率分别降到了90.9%和91.4%。

2025年同期，这两个数字还是93.2%和94%。这要是放在以前，可能还不是什么大问题。可关键是：现在做风电光伏的这些新能源企业，现在已经进入了一个必须“自己赚钱”的市场化时代，再也没法像从前那样，仅仅靠装机量、发电量来提高利润了。

风电光伏，怎么赚钱？以前很多人提到风电光伏这些新能源产业，往往会有一个直觉化的认识：只要装的风机多、发电量多，企业的利润也一定会跟着上去。但实际上，那只是新能源产业上半场的景象。过去为了扶持新能源，风电、光伏发出来的电，很多时候按照相对稳定的价格收购。

这套制度在新能源规模较小时很合理。建风电场、光伏电站投资很大，早期成本又高，如果电价每天上下波动，没有多少企业敢投。国家相当于告诉投资者：你把电站建起来，发出来的电，我给你一个相对稳定的价格。

举个例子：2018年初，我国三类资源区光伏电站的标杆上网电价分别为每度0.55元、0.65元和0.75元；即使当年政策随后将其各下调0.05元，项目仍有事先可计算的电价依据。在这一阶段，企业的账相对好算：先估算日照、设备成本和年发电量，再按适用电价测算收入。

把电站建起来、让它稳定多发电，是经营的核心。靠着这套办法，中国成功把新能源产业扶持起来了。但到了2024年底，中国新能源装机已经超过14亿千瓦，超过煤电装机；国家这时候认为，固定价格已经无法充分反映市场供求，举个例子，中午太阳最好，所有光伏电站一起往电网送电。

这时候市场上的电很多，实际价值可能很低；到了晚上六七点，用电进入高峰，电价升高，光伏却基本不发电了。于是，国家就在想：应该让新能源企业，根据电力真正稀缺的时间和地点来投资、发电与交易，而不是只追求装机规模和总发电量。

所以后来就推出了一个著名的“136号文件”。这个文件的具体内容，简单来说，就是：新能源上网电量原则上全部进入电力市场，价格通过交易形成；同时发展日前、实时和更高频的交易；这就是新能源企业转向市场化的分水岭。

讲真，136号文件发布，虽然没有直接导致新能源企业的利润下滑，但是却把新能源供过于求、午间电价低、消纳不足等矛盾，更直接地摆在了企业面前。新的挑战在市场化之后，原来的新能源企业忽然发现：电站规模可以快速扩大，但是电力交易、功率预测和风险管理能力，却无法按同样速度复制。

于是，很多企业虽然扩建了电站、上网电量增加，但是平均上网电价却下降了。其中的原因是：以前电站很像按约定价格卖电的“收费站”，只要并网发出电，大致就知道一度电卖多少钱。136号文之后，新能源发电的价格随供需形成。

光伏中午同时大发，最容易出现“发电最多的时候，电反而最便宜”。风电如果实际出力与申报曲线偏差太大，还可能产生考核、现货偏差或不平衡成本。这就要求相关企业，不仅要能发电，并且还要“会发电”；

也就是还要判断第二天每个时段发多少、报多少、卖什么价，以及是否用绿电；这个时候，预测天气这件事，就变得很重要了。但看到这里，有的朋友可能会问：如果想要预测天气，为什么非要用气象AI？

天气预报存在这么多年，为什么还是不够用？原因就在于：普通天气预报告诉你明天要不要带伞，而电力交易，却要求电站提前报出明天96个15分钟时段分别能发多少兆瓦。这里列举一个最具体、直观的例子：以采用15分钟交易时段的地区为例，电站前一天先预测次日各时段的发电量，按当地规则提交曲线或参与报价；

市场据此形成日前出清结果。到了当天，实际风、光变化后再通过日内或实时市场调整，最终按当地结算规则核算发电量和偏差。所以你看，这对天气预测要求的精度，和天气预报完全不是一个量级。就拿风力发电来说，每天的风速在一小时内可能多次变化，并随风机高度显著不同；

如果风电场又恰好位于丘陵、峡谷等复杂地形，局地湍流又会进一步增加预测难度；说白了，电力市场考核的是“曲线”，不是一天的总量；传统的天气预报，在比较粗放的范围上，可能预测得完全正确，但具体到一天的不同时段，它可能错得很严重；

例如天气预报说明天是晴天或大风，尽管天气预报对当天的“整体天气”，可能预测得完全正确，但当天的某一时段，云团可能会突然遮住大面积光伏，又或者强对流到来，风电出力急升后触发停机。现实中，真正给新能源企业造成损失的，恰恰是这种陡然出现的“爬坡事件”。

这就是传统天气预报“看起来挺准”，电站却仍然不够用的核心原因。也正因如此，能够在更细时间段、更精准范围内预测天气的气象AI，也就进入了新能源企业的视野；气象AI的奇效要了解新一代的AI气象模型，是怎么解决新能源企业的痛点的，我们首先得弄清楚，传统天气预报的局限。

具体来说，传统数值预报会把大气分成许多立体网格，输入当下的风、气压、温度和水汽，再根据物理方程，一步步推算它们如何流动、升降、交换热量。网格越细，局部天气越容易看清，计算量也越大；

而地形、云和湍流等小尺度过程难以全部直接算出，只能借助近似处理。对山谷里的风机和被云影扫过的光伏板来说，这些细节恰恰很要紧。但新一代AI气象模型换了一条路：先学习多年历史气象场与后续天气之间的对应关系，再把最新观测到的大气状态输入神经网络，让它预测未来的变化。

如此一来，它能识别过去反复出现的云团移动、气压变化与风场演变模式，更快生成多轮预报；若再接入雷达、卫星和场站传感器，便能持续修正局部预测。从而在更小的范围内，更精准地预测出了一个地区的天气。

并且，从成本上来说，传统气象模型，本质上把地球大气切成几千万到上亿个网格，用物理方程一步步算：这一步的风场怎么变、下一步气压怎么变、热量水汽怎么输送。像每次做预报，都要在全球搭一台“虚拟风洞”。

这样做的问题，是成本上太贵了，每预测一次，都要动用超级计算机重新求解一遍大气物理方程，超算、机房、电力、并行计算团队，都要跟着同时吭哧吭哧地运转；但新一代AI的关键变化是：训练很贵，但单次预报很便宜。

这就像，一个人在高考前刷了很多题，耗费了很多时间和精力，考试时直接调用直觉。所以，对于风电和光伏来说，新一代气象AI更大的优势就在于：可以把全球模型、卫星、雷达和场站实时数据统一起来，并且低成本滚动更新。

传统模式可能每天更新几次较重的预测；AI推理便宜以后，可以不断根据最新观测修正未来几小时的出力，并一次生成几十种概率情景。目前，在AI气象模型方面，已经稳定处在全球AI气象预报第一梯队；

尤其是在中期大尺度、台风路径、端到端同化、部分次季节/集合场景，中国模型有并跑甚至局部领跑。具体来说，对新能源发电而言，最重要的气象指标是大幅爬坡事件的命中率和时间误差，概率区间是否可信。

国际上有谷歌的GraphCast、GenCast和WeatherNext系列，以及欧洲中期天气预报中心已经投入业务运行的AIFS系列；它们各有确定性、概率和业务化预报的侧重，不能用一张总榜直接排出所有场景的名次。

中国盘古、伏羲、风乌已经能和Google GraphCast/WeatherNext系列这些全球最强的AI模型同台竞技，其中，伏羲是目前中国最完整的一套AI气象技术栈。具体来说，伏羲的15天全球预报由三个模型接力：短期模型负责第0—5天，中期模型接着预测第5—10天，长期模型完成第10—15天。

每一段都针对自己的预报时长训练。这样做的好处是：一个模型不断滚动15天，后期误差容易失控；但是让不同模型负责不同赛段，可以针对各自时长进行优化。预报变得更快、更细之后，天气就有机会走出预报屏幕，进入电站的报价、储能与调度系统；

这项技术的价值，也随之从一座电站，延伸到整个能源产业。结语其实，用天气预报来赚钱这件事，在国际上已经不是什么新鲜的做法。像欧洲、美国，都已经有日前和日内的跨区电力市场，根据最新天气变化不断修正风光发电量和报价。

但中国的真正独特性不在模式，而在乘数：换句话说，当AI气象模型与中国庞大、新能源电站结合起来后，天气本身，就会成为连接发电、储能、用电、和工业生产的无形生产力。例如，高耗能工厂什么时候提高负荷、电解水制氢设备什么时候启动；

以及数据中心能否根据绿电供应调整部分算力任务。在这个气象越来越异常、气候灾害越发频繁的时代，2024年巴西南部遭遇严重洪灾，超强台风“摩羯”席卷东南亚，欧洲中部也出现大范围洪水。天气的变化，已经越来越直接地冲击生产和生活。

但是，换个角度来看，人类在遭受自然反噬的同时，也同样在用科技的力量，不断驾驭自然、利用自然，以此提高生产力、避免更多损失。而气象AI模型在新能源电站的运用，就是这样的例子。因此，气象AI真正值得关注的，不只是把明天的天气说得更准，而是让风、光这些难以控制的自然条件，变成企业可以提前安排的生产信息。

当预报进入报价、储能调度和用电决策，每一次更及时的修正，都可能让更多绿电在需要它的时刻真正用起来。这，就是“靠天吃饭”这一朴素的原理，AI时代的再次升级。