从“数值预报”到“AI预报”，电力气象预报变天了
从“数值预报”到“AI预报”，电力气象预报变天了
“璇玑玉衡，以齐七政”——古人以此观测天象、敬授民时。两千多年后的今天，这句古老的语录被赋予了新的含义。
近日，中国电力科学研究院有限公司（以下简称中国电科院）携手中国科学技术大学（以下简称中国科大）、海光信息技术股份有限公司（以下简称海光信息），正式发布了行业首个电力气象大模型“玑衡”。
“玑衡”电力气象大模型亮相
据中国电科院新能源所电力气象预测预报技术研究室主任王勃介绍，三方组建跨学科攻关团队，聚焦电网核心业务，成功研发“玑衡”电力气象大模型。该模型不仅从训练到推理阶段全流程采用海光新一代DCU（深度计算单元）处理器，还全面适配国产化计算应用生态。目前，大模型结果已全面接入全国新能源集中预测平台。
从数小时到分钟级：效率的百倍跃升
“玑衡”之名，源于北斗七星中的“天玑”与“玉衡”，亦取意于我国古代测定天体位置的天文仪器。首个电力气象大模型以此命名，寓意以精准气象预报指引新型电力系统的运行。
名字是古老的，但背后的技术逻辑却是全新的。“玑衡”的问世，标志着电力气象预报正在经历一场从“数值预报”到“AI预报”的深刻范式变革。
要理解这场变革的深度，不妨先看看传统预报模式的“样子”。
传统数值天气预报（NWP）依赖的是物理方程——把大气切分成无数个网格，逐个求解方程组。这个办法用了半个多世纪，但代价也日益“沉重”——一次10天全球预报，需要动用万核级超算，耗时数小时。有研究统计，单次NWP模拟消耗约8400千瓦时电力，在高端计算基础设施上的成本在上万元乃至十几万元之间。
更重要的是，这种模式更新频率低——通常6到12小时才输出一次预报结果。对于瞬息万变的电力系统而言，这个节奏愈发显得“跟不上趟”。
对比之下，“玑衡”电力气象大模型带来的变化是革命性的。在海光信息DCU-3G人工智能卡的支撑下，仅需一张DCU卡，便可在一分钟内完成未来10天的全球气象预报，效率较传统数值模式提升上百倍。
中国电科院高级工程师王钊介绍说，团队采用海光新一代的DCU智算平台，无论是单卡性能还是兼容性，都对气象大模型的研发非常友好。“针对（气象）这种单一时间段、大体量数据，尤其分辨率较高的数据，我们开发了多卡显存共享的并行建模程序。这突破了高分辨率精细化气象数据建模在显存上的瓶颈，使得参数量上限进一步拓展。”
这种效率提升并非简单的“跑得更快”，而是底层技术路径的切换——从“解方程”变成了“读数据”。AI大模型通过深度学习直接从海量历史气象数据中“发现”规律，跳过了复杂的物理方程求解过程。
从“通用”到“专用”：精度与场景的双重突破
效率的提升只是故事的一面。对于电力行业而言，气象预报“准不准”“有多准”更为关键。
传统数值预报面临的另一个瓶颈是分辨率不够细——通常为数十公里级甚至更粗的网格，难以捕捉微尺度地形对风、温等要素的影响。而通用AI气象大模型虽然实现了分钟级推理，却因缺乏电力场景的先验知识，在空间分辨率、极端天气刻画等方面存在明显短板。
“玑衡”的研发团队选择了一条不同的路。
作为“玑衡”电力气象大模型的牵头单位，中国电科院明确了场站级精细预报、极端天气精准刻画等刚性需求，并将中国电科院新能源所在新能源功率预测、电网灾害预警等核心业务的深厚积淀复用在模型研发之中。
为破解通用模型的行业适配困局，中国电科院新能源所与中国科大联合创新，创造性地构建了“全球—全国—省域”三级嵌套级联模型阵列，通过“知识—结构—参数”的逐级传递，将省域模型空间分辨率提升至3×3公里，实现了场站级精准预报。这意味着，电力气象预报不再是针对一个“区域”，而是可以直接对应到具体的新能源场站。
在模型算法层面，团队设计了滑动窗口注意力机制、纬度余弦加权损失函数及多要素联合优化策略，针对性提升了对台风、寒潮、暴雨等10余类电网高影响天气过程的预报预警能力。团队还从业务应用出发，对模型输出进行电力场景适配与验证，确保预报结果能够真正服务于新能源功率预测、灾害预警等一线生产环节。
中国科大特任研究员刘磊介绍，这些技术设计的初衷是解决通用大模型在极端天气中的“均态化”问题，即模型倾向于把极端天气“平均化”处理，从而低估灾害的严重程度。而“玑衡”通过专项优化，在这些方面有了明显改善。
而如此庞大的模型阵列与复杂的算法，也对算力底座提出了极高要求。海光DCU-3G人工智能卡凭借其GPGPU通用架构与全精度支持特性，为“玑衡”提供了从数据处理到推理部署的全栈支撑。
王勃表示，“玑衡”的落地效果验证了“业务牵引—算法攻关—算力基座”三方协同模式的成功。据介绍，在预报性能上，其未来10天的风速预报误差与国际主流模型基本相当，近地面温度预报在所有参评模型中达到最优。
从实验室到调度台：生产级工具的真实检验
任何技术创新的终极检验，都在于能否真正用起来。
据悉，“玑衡”的预报结果目前已接入全国新能源集中预测平台和极端天气预警风险评估系统两大核心业务系统。这标志着它已经走出了实验室，进入了电力调度的实际工作流。
数据给出了答案。采用“玑衡”气象源后，测试区域内70%以上的新能源场站功率预测精度得到改善，各场站均方根误差降低0.4至1.1个百分点，最大偏差降低3至7个百分点。
在极端天气预警方面，“玑衡”同样经受了实战检验。今年5月底，模型准确预报了东北地区强对流天气过程，为设备运维提供了精准气象支撑。一位参与项目的气象专家表示，强对流天气突发性强、预警窗口期短，历来是预报的难点。“玑衡”能够捕捉到这类过程，说明模型对极端天气的刻画能力已经具备了实用价值。
精度层面的第三方对比数据也给出了佐证：“玑衡”未来10天的风速预报误差与国际主流模型基本相当，近地面温度预报在所有参评模型中为最优。这意味着，至少在风速和温度这两个电力行业最关心的要素上，“玑衡”已经具备了与成熟数值模式和主流大模型同台竞技的能力。
70%的场站精度改善、0.4到1.1个百分点的误差下降、实现极端天气预警、与国际主流模型相当的风速预报——这些数字和案例所揭示的是电力气象预报底层逻辑的变化：从完全依赖数值模式到数值模式与AI大模型并行，再到未来数值模式与AI大模型的深度融合，“玑衡”的落地让这场变革从理论推演逐步走进业务现实。
当前，“玑衡”已在中国电科院数值天气预报中心部署示范运行，未来将在全国多个国网省公司落地应用。从“玑衡”项目的启动到模型落地，从数小时到一分钟，从通用模型到电力气象专用，“玑衡”让人们看到了AI赋能能源行业的潜力。可以预见，随着大模型技术持续迭代、国产算力不断突破，AI将在更广泛的国计民生领域释放生产力跃升效应。