《基于时序大模型的电力现货交易预测》——蚂蚁双链科技(上海)有限公司战略行业线高级架构师温磊

2025年11月14日，蚂蚁双链科技(上海)有限公司战略行业线高级架构师温磊在深圳核博会“AI+核能创新应用场景路演”上发表《基于时序大模型的电力现货交易预测》主旨报告。

演讲介绍了蚂蚁数科在能源电力时序大模型上的研究与应用，核心目标是提升发电量、用电需求、电价和市场化电力交易的预测精度，以支撑电网稳定运行和新能源高效利用。模型基于链上新能源资产运行数据、地理气象等公开数据，以及需求侧消费与交易数据构建，并已在虚拟电网、投资决策、电力交易辅助、设备健康维护和光伏利用率预测等场景中落地。

关键点
1. 演讲主题与背景介绍（00:03）
演讲者来自蚂蚁数科战略行业线，负责能源和电力相关行业，本次分享内容是蚂蚁数科在能源电力时序大模型方面的研究和探索。

2. 双碳战略带来电网预测挑战（00:28）
随着双碳战略推进，光伏、风电、水电、核能等清洁能源快速发展，但多元且不稳定的能源接入给电网稳定运行、负荷预测和上下游供需平衡带来新的技术要求。核心问题在于对发电、用电需求、电价和市场化电力交易进行精准预测。

3. 模型构建依托三类核心数据（01:30）
蚂蚁能源电力时序大模型基于三类数据构建：一是蚂蚁链上新能源资产及设备运行、管理和物联网数据；二是高德等渠道集成的地理、天气、气象等公开数据；三是链上企业运行数据以及支付宝中可获取的需求侧电力消费和交易数据。

4. 面向发电侧、需求侧和交易侧的预测应用（02:52）
模型将设备运行数据与电网运营数据结合，可结合天气、气象和光伏、风电、水电设备运行特征，在精准时间段内预测发电量；同时结合支付宝交易数据和市场化电量数据，对市场电量和电价进行预测，并为售电公司提供售电建议。

5. 精准预测具备显著社会和经济价值（03:47）
演讲中提到，全国约有6%的电量浪费与预测不准确相关；每提升1%的电量预测精度，可减少约60亿千瓦时电量浪费，相当于甘肃省一天用电量，并可带来减碳和约10亿元人民币收益。

6. 时序大模型可拓展至设备健康维护（04:33）
除发电量、用电量预测和电力市场交易辅助外，能源时序大模型也可用于核电等场景，将设备传感器时序数据输入模型，通过运行和分析能力判断设备健康度，支持设备维护和预测性分析。

7. 模型发布与预测精度表现（05:12）
蚂蚁时序大模型在年初完成首次推广，上个月进行了第二次发布。基于蚂蚁域内自有数据，模型预测精度相比第二名谷歌模型提升22个百分点；基于开源时序数据，平均预测精度提升2.4个百分点。

8. 虚拟电网与投资决策案例（05:51）
在江苏，蚂蚁与协星合作，基于时序大模型构建虚拟电网系统，并成为江苏首批六家虚拟电网之一。与金奥能源合作时，将区域运行、经济数据、光伏和风电投资数据、电量预测数据及历史电力交易数据结合，把原本约三个月的投资收益预测压缩到一周内，并将预测准确率提升约3个百分点。

9. 电力交易辅助与小型设备运维案例（07:11）
在陕西能源场景中，时序大模型与虚拟电厂智慧运营、电力交易智能体结合，为交易员提供交易建议，上线三个月内帮助电力交易辅助收益率提升近8%。在江苏保利场景中，模型结合虚拟电厂中的充电桩、5G基站等中小型设备，通过负荷预测和海量设备时序数据联合分析，支持设备健康维护并降低基站故障率。

10. 光伏利用率预测与新能源牌照支持（08:19）
在深圳，蚂蚁与深圳能发新能源合作，实现光伏利用率的精准预测，并结合发改委对光利用率的要求，帮助深圳能发集团申请新能源领域的新牌照。

时间线
00:03 - 开场介绍演讲者身份、负责领域，以及本次路演主题为蚂蚁数科能源电力时序大模型研究。
00:28 - 阐述双碳背景下清洁能源快速发展带来的电网稳定、负荷预测和供需平衡挑战，并引出精准预测的重要性。
01:30 - 说明蚂蚁构建能源电力时序大模型的数据基础，包括链上资产运行数据、地理气象数据和需求侧交易消费数据。
02:52 - 介绍模型在发电侧预测、市场电量电价预测和售电建议中的应用方式。
03:47 - 通过弃电率、电量节省、减碳和收益数据，说明提升预测精度的社会价值与经济价值。
04:33 - 扩展介绍模型在核电等设备传感器时序数据分析、设备健康判断和预测性维护中的潜在价值。
05:12 - 介绍蚂蚁时序大模型的发布进展、与其他模型的精度对比，以及在多个能源企业和场景中的落地案例。
08:36 - 总结蚂蚁数科时序大模型在能源领域的应用，并结束分享。

AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：

蚂蚁数科能源电力时序大模型：以精准预测支撑新能源消纳与电力交易智能化

2025年11月14日，在深圳核博会“AI+核能创新应用场景路演”上，蚂蚁双链科技（上海）有限公司战略行业线高级架构师温磊发表了《基于时序大模型的电力现货交易预测》主旨报告，重点介绍了蚂蚁数科面向能源电力行业打造的时序大模型能力及其在发电预测、电力交易、虚拟电厂、设备运维等场景中的应用价值。

在“双碳”战略持续推进的背景下，光伏、风电、水电、核能等清洁能源快速发展并大规模接入电网。新能源的增长提升了能源结构的绿色化水平，但也给电网运行带来新的挑战。光伏和风电受天气、季节、地理位置等因素影响较大，发电具有明显波动性和不确定性；水电同样受到来水情况、气候条件和调度策略影响。随着多元能源并网比例提高，电网需要在供给不稳定、需求不断变化、交易机制日益市场化的条件下，维持安全稳定运行，并尽可能提升新能源消纳效率和市场交易收益。

报告指出，能源电力行业智能化的核心问题之一是“精准预测”。对发电侧而言，需要预测光伏、风电、水电等新能源资产在特定时间段内的发电能力；对用电侧而言，需要判断不同地区、不同行业、不同时间段的负荷需求变化；对交易侧而言，则需要对电量、电价和收益空间进行预判，为售电公司、发电企业和交易员提供辅助决策。预测能力越强，电网调度越高效，新能源弃电越少，市场化交易的经营收益也越可控。

蚂蚁数科能源电力时序大模型的建设基础，来自多类数据资源的融合。第一类是能源电力设备运行数据，包括蚂蚁联盟链上积累的新能源资产数据，覆盖光伏、风电等设备的运行数据、管理数据以及物联网传感器数据。第二类是地理、气象等外部数据，例如高德地理数据、天气数据、气象数据和公开区域数据，这些信息能够帮助模型理解发电能力与自然环境之间的关系。第三类是需求侧和交易侧数据，包括链上企业运行数据、支付宝生态中的电力消费数据以及相关交易数据，可用于支撑用电需求、电价波动和市场行为预测。

基于这些数据禀赋，蚂蚁数科提出了EnergTS能源时序大模型方案。该方案将设备运行、气象地理、消费交易等多源时序数据纳入统一建模框架，面向能源电力行业构建预测和决策能力。其适配场景不仅包括新能源发电预测和用电负荷预测，也包括电力市场交易辅助、设备健康监测、故障预警和预测性维护。相比传统基于人工经验、单一数据源或静态模型的方式，时序大模型更适合处理能源行业中高频、复杂、连续变化的数据特征。

在电网运行调度方面，时序大模型可以结合天气、气象、地理环境和设备运行状态，对光伏、风电、水电等新能源资产未来一段时间内的发电量进行预测，为电网调度提供更可靠的上游数据支撑。同时，通过发电预测与用电需求预测的联动，模型能够帮助电网更好地进行供需平衡，减少新能源波动对电网稳定性的冲击，提高调度效率和新能源消纳水平。

在电力市场交易方面，模型可结合支付宝生态交易数据、市场化电量数据以及历史电价数据，对未来市场电量和电价变化进行预测。对于售电公司和新能源运营企业而言，这类预测可以转化为交易策略建议，帮助企业选择更合适的交易时机、交易规模和报价策略，从而提升新能源电量的成交量和成交价格。随着电力现货市场建设加快，交易决策对实时预测、风险控制和收益测算的要求越来越高，时序大模型在这一领域具有较大的应用空间。

在设备健康与预测性维护方面，报告特别提到核电设备等高可靠性场景。核电设备部署了大量传感器，持续产生温度、压力、振动、流量等时序数据。将这些数据纳入模型分析后，可以识别设备健康状态和异常趋势，提前发现潜在故障风险，为设备维护、运行优化和安全管理提供依据。类似能力也可扩展到虚拟电厂中的充电桩、5G基站等中小型设备，通过对海量设备数据的联合分析，实现健康度评估和故障率降低。

从社会价值和经济价值看，精准预测对能源行业的影响非常直接。报告提到，由于电量预测不准确，全国约有6%的电量存在浪费。若预测精度每提升1个百分点，预计可减少约60亿千瓦时电量浪费，相当于甘肃省一天的用电量；同时还可带来百万吨级碳减排，并节省或创造约十亿元人民币收入。这说明，能源预测模型的价值不仅体现在技术指标提升上，更体现在新能源消纳、减碳降耗和产业收益增长等实际结果中。

在模型性能方面，蚂蚁数科能源电力时序大模型已于年初完成首次推广，并在上月基于更多开源数据进行了第二次预测和发布。根据报告披露，在基于蚂蚁自有数据的测试中，该模型与全球及国内时序大模型进行对比，相比第二名的谷歌模型，预测精度提升约22个百分点；在开源时序数据验证中，平均预测精度提升约2.4个百分点。这表明，行业数据积累、多源数据融合和面向能源场景的模型适配，是提升预测效果的重要基础。

报告还介绍了多个典型合作案例。与江苏协鑫的合作中，蚂蚁数科基于时序大模型帮助其建设虚拟电网系统，协鑫也成为江苏首批六家虚拟电网之一。该案例体现了时序大模型在虚拟电厂和虚拟电网建设中的基础支撑作用，即通过预测和调度能力，将分散的新能源资产、负荷资源和储能资源组织成可参与电网互动和市场交易的整体。

在金澳能源案例中，蚂蚁数科将电力交易、辅助投资决策与时序大模型结合，融合江苏、浙江区域运行数据、经济数据、光伏和风电投资数据，并引入江苏过去三年的电力交易数据，用于投资收益预测。原本需要约三个月完成的测算流程被压缩到一周内，预测准确率相比人工计算和公开数据测算方式提升约3个百分点。这说明时序大模型不仅可用于运行调度，也能够进入能源投资决策环节，帮助企业更快、更准确地评估项目收益和风险。

在陕西能源案例中，时序大模型与虚拟电厂智慧运营结合，通过电力交易智能体融合陕西交易数据和模型预测能力，为交易员提供交易建议和辅助决策。系统上线三个月内，帮助电力交易辅助收益率提升近8%。这一案例显示，模型并不是替代交易员，而是通过对复杂市场数据的分析和预测，增强交易员的决策能力，使交易策略更加数据化和智能化。

在江苏保利案例中，应用重点放在虚拟电厂中的充电桩、5G基站等中小型设备聚合与健康维护上。通过负荷预测，小型设备可以更好地接入虚拟电厂体系；通过对设备时序数据的联合分析，则可以实现健康度维护和故障率控制。这类场景体现了时序大模型对“海量小设备”的管理能力，有助于提升分布式能源和柔性负荷资源的规模化运营效率。

在深圳能发新能源案例中，模型被用于光伏光利用率精准预测，并结合发改委对光利用率的相关要求，帮助深圳能发集团申请新能源领域相关新牌照。该案例说明，预测能力不仅能服务生产运营和市场交易，也能支撑企业合规管理、资质申请和业务拓展。

整体来看，蚂蚁数科能源电力时序大模型试图覆盖能源电力全链路，从发电预测、用电预测、电价预测，到交易辅助、设备健康维护和投资收益测算，形成面向新能源资产运营和电力市场化改革的智能化工具体系。其核心价值在于，通过多源时序数据融合和行业大模型能力，把能源系统中原本分散、复杂、波动的数据转化为可用于调度、交易、运维和投资决策的预测结果，为新能源高效消纳、电网稳定运行、虚拟电厂建设和电力市场收益提升提供支撑。