Прогноз выработки солнечных и ветровых станций
ML-модели на метеопрогнозах и телеметрии станций прогнозируют выработку для заявок на рынок, планирования режимов и обслуживания.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Выработка солнечных и ветровых электростанций зависит от погоды, и ошибка прогноза оборачивается штрафами за отклонение от заявленного графика и нагрузкой на системного оператора. Прогнозы на основе одного метеосервиса и физических моделей панелей и турбин не учитывают локальные эффекты: затенение, обледенение, загрязнение, деградацию оборудования.
Для гибридных объектов с накопителями энергии неточный прогноз означает неоптимальное управление зарядом и упущенную выручку.
Операторы нескольких станций в разных регионах и странах СНГ вынуждены поддерживать разные подходы для каждой площадки.
Собственная команда аналитиков часто уже пробовала простые модели, но упёрлась в отсутствие единого хранилища телеметрии и метеоданных и вычислительной базы для регулярного переобучения.
Что делает ИИ
PythonLightGBMPyTorchxarrayClickHouseApache Airflow
Решение строит для каждой станции ансамбль моделей, объединяющий несколько источников метеопрогноза, телеметрию инверторов и турбин и историю выработки.
- Модели градиентного бустинга и нейросетей на признаках из численных прогнозов погоды с коррекцией систематических ошибок по каждой площадке.
- Краткосрочный прогноз на минуты и часы по данным телеметрии и камер неба; среднесрочный — на сутки и неделю.
- Вероятностные прогнозы для стратегий подачи заявок и управления накопителем.
- Мониторинг недовыработки: сравнение факта с ожидаемым для выявления загрязнения, затенения и неисправных инверторов.
Модели переобучаются ежедневно, а качество прогноза отслеживается по каждой станции с уведомлением о деградации.
Мы помогаем выстроить хранилище телеметрии и метеоданных, настраиваем конвейер переобучения и передаём модели команде заказчика вместе с документацией по их сопровождению.
Какие данные нужны
- Телеметрия инверторов и турбин
- Численные прогнозы погоды из нескольких источников
- История выработки и остановов оборудования
Какая инфраструктура нужна
Профиль «данные»: минутная телеметрия десятков станций, сеточные метеоданные и ежедневное переобучение — нагрузка на CPU, оперативную память и хранилище; GPU одна, для нейросетевых моделей и обработки снимков камер неба. Для оператора нескольких станций достаточно рабочей станции W7 ULTRA из рабочие станции с 128–256 ГБ памяти.
Для крупного портфеля ВИЭ и прогнозов в реальном времени — сервер R7 PRO из раздела GPU-серверы. Узел размещается в контуре компании; телеметрия объектов генерации не передаётся внешним сервисам.
Как идёт проект
- 01
Данные и цель
Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.
- 02
Пилот на нашей конфигурации
Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.
- 03
Инфраструктура
Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.
- 04
Сопровождение
Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.
Что ещё автоматизируют в отрасли «Энергетика и ЖКХ»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

