振奋！全球首个电力气象大模型，用国产算力跑出来了

振奋！全球首个电力气象大模型，用国产算力跑出来了

新能源占比越高，电网就越需要“看准天”。

国家能源局近期指出，风电、光伏对天气依赖较大，新能源出力的不稳定性正在对电力预测和调节能力提出更高要求。截至2026年4月底，全国发电装机容量已达39.9亿千瓦。装机继续增长之后，天气预报差一点，影响的可能就是一批场站的功率预测、电网调度乃至设备运维。

近日，中国电科院、中国科学技术大学与海光信息联合发布“玑衡”——全球首个电力气象大模型，该模型从数据构建、训练开发到业务部署，全程依托海光DCU-3G完成，跑通了一条完整的国产化技术链路。

从全球到省域：既看天气大势，也看场站细节

普通天气预报告诉公众是否降温、下雨，电力气象则要继续往下追问：某座风电场未来几小时的风速如何变化？局部云团会给光伏出力带来多大波动？强对流是否会威胁输电设备？

传统数值模式精度较高，但计算时间长、资源消耗大；通用AI气象模型虽然能把推理压缩到分钟级，在空间分辨率、极端天气刻画和电力要素输出方面仍有不足。

“玑衡”没有简单放大一个通用模型，而是构建“全球—全国—省域”三级嵌套级联阵列，让知识、结构和参数逐级传递。全球模型负责判断大尺度天气形势，全国和省域模型进一步放大局部细节，最终将空间分辨率提升至3公里×3公里，预报落到场站尺度。

针对台风、寒潮、暴雨等10余类电网高影响天气，研发团队还通过滑动窗口注意力机制、纬度余弦加权损失函数和多要素联合优化，改善AI预报容易出现的均态化问题。这套架构相当于同时装上“望远镜”和“显微镜”：既判断天气系统从哪里来，也看清它会怎样影响具体设备和场站。

从数据到推理：国产算力贯穿模型全链路

“玑衡”的全链路国产化，并不是模型完成后再换一套国产设备部署。

在数据阶段，中国电科院提供电力气象观测数据和业务积累，中国科大以物理神经算子驱动智能资料同化，融合电力与气象多源数据；海光DCU依托全精度计算能力，配合国产高速网络和全闪存储，支撑高精度再分析数据集构建。

进入训练阶段，海光DCU采用GPGPU通用架构，并适配PyTorch、TensorFlow等主流框架，降低算法迁移和开发门槛。到了推理环节，通过高密度算力与算子层优化，仅需一张DCU卡，便能在一分钟内完成未来10天全球气象预报，效率较传统数值模式提升上百倍。

这种“从第一行代码就考虑国产环境”的方式，比事后适配更有现实意义。电力是连续运行的关键基础设施，算力底座要解决的不只是能否跑通，还包括模型能否持续迭代、业务能否稳定部署，以及核心技术链路是否掌握在自己手中。

从科研到现网：70%场站改善才是硬指标

行业大模型容易发布，难的是接入生产。

目前，“玑衡”预报结果已接入全国新能源集中预测平台，并同步进入极端天气预警与风险评估系统。测试数据显示，超过70%的新能源场站功率预测精度得到改善，均方根误差降低0.4至1.1个百分点，最大偏差降低3至7个百分点；模型还准确预报了5月底东北地区的强对流天气过程。

这与当前政策方向相吻合。国家发展改革委、国家能源局提出推动复杂天气条件下的功率预测大模型向更小尺度、更高精度发展，形成“气象预测+功率预测+智慧交易+智能运维”的新能源生产模式。

中国电科院依托多年电力气象领域的技术积累与应用经验，牵头模型研发，联合中国科学技术大学攻克算法架构优化瓶颈，携手海光信息技术股份有限公司突破国产算力适配难关，三方合力将模型成功部署至现网。对于国产行业AI而言，这条从科研攻关到生产应用的闭环，可能比单项跑分更有参考价值。