在“双碳”目标的推动下，我国新能源领域正经历着前所未有的快速发展。截至2025年，新能源装机容量已突破12.06亿千瓦，占全国总装机容量的近40%，预计到2050年这一比例将攀升至100%。然而，随着新能源大规模接入电网，电力系统面临着负荷侧峰谷差扩大、源荷特性复杂化等严峻挑战，调峰调度压力日益增大。在此背景下，精准的新能源功率预测技术，尤其是分布式光伏功率预测，成为破解新能源消纳难题的关键环节。
针对分布式光伏功率预测中的两大核心难题——数据质量不足与模型预测能力有限，上海交通大学团队提出了一项创新性解决方案。该团队研发的“基于多源多模态数据和人工智能大模型的分布式光伏功率预测系统”，通过整合数据、模型与算力三大维度，实现了从粗颗粒度气象数据到高精度光伏功率输出的全流程预测，为电网调度提供了智能化支持。这一成果在第四届象新力杯开放创新赛道自由选题类竞赛中荣获一等奖，彰显了其在新能源领域的创新价值。
在数据层面，团队构建了“天－地－算”三位一体的多源多模态数据采集与处理体系。该体系融合了卫星遥感、气象数值预报等天基数据，地面气象站、分布式光伏实测等地基数据，以及通过生成式AI增强的条件扩散模型数据，形成了完整的数据链条。通过时空对齐、修复与特征融合技术，系统成功解决了多源异构数据的时空错配问题，将低分辨率气象数据转化为高分辨率精细化输入，显著提升了极端天气条件下的预测鲁棒性。
模型创新是该系统的另一大亮点。团队设计了融合生成式AI与大模型架构的预测算法，首先利用生成式AI对粗颗粒度气象数据进行时空超分辨率增强，将低分辨率气象网格细化为高分辨率逐点预测；随后通过时空卷积网络和跨模态注意力机制，实现多源数据的自适应特征提取与深度融合；最终借助时序融合Transformer对融合特征进行解码，输出精准的光伏功率预测结果。这一方法在复杂天气条件下（如多云、阴雨）仍能保持优异性能，预测精度显著优于传统模型。
算力支撑是系统落地的关键保障。团队依托上海交通大学“思源一号”HPC+AI平台（总算力6 PFLOPS，国内高校领先）与国家电投“天枢一号”智慧系统（具备百万级并发、千万级计算能力），为大数据处理与大模型训练提供了充足算力。上海交通大学国家电投智慧能源创新学院的校企协同模式，进一步整合了双方在算力底座、算法研发与工程应用方面的优势资源，形成了全链条支撑能力。
目前，该系统已在上海交通大学智慧能源校园项目中完成部署与应用，显著提升了校园内分布式光伏出力的预测准确性，为微电网优化调度提供了可靠依据。同时，团队研发的光伏功率预测算法已嵌入上海交通大学虚拟电厂教学仿真平台，为虚拟电厂调度策略的教学与仿真研究提供了实时光伏功率预测数据支持。这一创新成果不仅为校园能源管理提供了智能化解决方案，也为全球能源转型贡献了“交大智慧”。
