能源安全是关系国家经济社会发展的全局性、战略性问题,事关国家安全。截至2024年年底,我国以风电、太阳能发电为主的新能源发电装机容量达到14.5亿千瓦,首次超过火电装机容量。在构建新型电力系统这一背景下,气候资源成为重要的生产要素,无论是前期的新能源场站规划选址,还是投产后的发电资源预测、防灾减灾以及气候生态效应评估等,都离不开可靠精细的气象预测服务。
(文章来源 微信公众号:能源评论•首席能源观 作者:巢清尘 哈斯 王晨鹏 王阳)
01
气候影响日益凸显
根据世界气象组织(WMO)发布的《2024年全球气候状况》报告,2024年成为有观测记录以来最热的一年,全球平均近地表温度较工业化前(1850~1900年)高出1.55(±0.13)摄氏度。
中国区域的气候变暖趋势同样显著。根据今年6月最新发布的《中国气候变化蓝皮书(2025)》,中国年平均气温首次突破1.0摄氏度升温阈值,成为1901年以来最暖年份。1961~2024年间,中国气温平均每10年升高0.31摄氏度,极端气候事件频率和强度显著增加。未来5年,全球气温预计继续保持或接近创纪录水平,气候风险不断加剧,对全球经济社会与可持续发展构成严峻挑战。
气候的持续变暖与极端天气事件频发,将引起电力需求激增与电力供应紧张的双重压力。例如,2023年7月29日,北京市突发特大暴雨,平均降雨量达744.8毫米,造成1812个台区9600余处电力设备受损,超6万用户停电;同年12月,山西省遭遇冻雨灾害,运城地区共有4条高压线路停运;2024年超强台风“摩羯”登陆我国海南省,造成全省电网设备严重损毁,超160万用户停电,重建恢复耗时数周。从全球范围来看,能源和电力系统同样经受着气候变化背景下极端事件的冲击。2024年10月,飓风“米尔顿”过境美国佛罗里达州,严重摧毁当地电网设施,导致140万户家庭停电一周;同年,非洲和南美洲的部分河流流量降至历史低位,导致水电站发电能力显著下降,巴西、南非等国被迫依赖化石燃料发电填补缺口。
气候系统的扰动,对能源系统各组成环节均造成威胁,且影响正在向系统性风险演变。
从发电环节来看,随着以风光为主的新能源装机占比不断提升,能源供给“看天吃饭”特征加剧。风力发电依赖稳定的风速和风向,但气候模态的改变可能导致特定区域风力资源不稳定,对风电机组造成物理损坏。一方面,全球风速将发生改变。根据政府间气候变化专门委员会(IPCC)的预测,未来几十年间,全球平均风速可能下降10%,这将直接导致风力发电量下降30%,对能源供应产生巨大影响。另一方面,“风电干旱”事件时有发生,即长时间无风或风速过低,凸显了风能资源的气候脆弱性;此外,极端大风和极端低温也会导致风力涡轮机自动停机以自我保护,从而降低发电量。光伏发电受日照时长、太阳辐射强度、气温等因素共同制约。高温不仅会降低组件转换效率,还会导致逆变器等设备过热,影响系统稳定运行;沙尘暴、暴雨、暴雪等极端天气则会遮蔽光伏板,减少发电量。在水电领域,气候变化引起的降水时空分布异常与水文周期改变成为新的不确定性来源。一方面,季节性干旱可能导致来水不足,削弱流域发电能力;另一方面,暴雨洪水易引发泄洪冲击、泥沙淤积或水库溢流等风险,影响水电调度与运行安全。在传统能源领域,高温使燃煤和核电站水冷效率下降,导致发电效率降低;干旱和水资源短缺会限制冷却水供应,迫使电厂降低出力甚至停机;此外,风暴、洪水等极端破坏性天气事件对电厂,特别是核电站构成重大威胁,可能扰乱关键设备和流程的运行,危及安全。
从输配电环节来看,电网面临物理冲击与系统扰动双重风险。电网基础设施,特别是架空线路,对极端天气高度敏感。高温会降低输电线路的载流能力,增加电阻,导致输电效率下降,甚至引发电缆熔化或下垂。长期暴露于高温会加速能源资产的磨损和老化,导致绝缘退化、设备过热、故障率增加,并缩短变压器、变电站等关键组件的寿命。热膨胀和机械退化会降低金属部件的抗拉强度,进一步削弱基础设施的韧性。此外,雷暴、冰冻、强风、山火、洪水等极端事件跨季节、多区域并发,对电网运行形成复合性冲击,会直接损坏输电线路和输电塔,造成大面积停电或“孤岛网”运行。
从负荷侧与用电行为来看,“高温+城市”负荷叠加形成峰值压力。气候变化引起的温度异常已成为推动电力需求非线性增长的主要驱动因素。高温热浪期间,空调负荷大幅攀升,形成日内尖峰负荷,挑战系统调峰能力;尤其在高温高湿环境下,空调不仅需承担降温任务,还要通过除湿维持室内舒适度,导致设备运行时长和功率双重攀升,形成“高温+高湿”复合型用电负荷,这种复合型事件打破了单一高温下的负荷增长规律,使得单位时间内的电力需求呈现阶梯式跃升,进一步放大了日内尖峰负荷的强度,对系统调峰能力构成更严峻的挑战。而冬季寒潮期间采暖用电剧增,尤其在北方“煤改电”地区,冬季电网负荷甚至高于夏季,对电网造成了巨大压力,增加过载和停电的风险。
极端天气事件还加剧了用电负荷的区域性、季节性与突发性,改变了传统负荷曲线的形态和规律,要求系统具备更高的动态调节能力。此外,气候变化还可能引发用能结构改变,干旱导致水电出力减少,促使用电地区转向火电或购电,增加了电网跨区调配的压力。
02
气象部门:从“配角”到“系统协同者”
气候变化对能源系统的影响已经从局部物理破坏演化为耦合性风险链条,贯穿发、输、配、用全过程。其带来的不仅是能源系统效率下降和运行成本上升,更重要的是削弱了系统整体的稳定性、灵活性和韧性。
传统的“源随荷动”正被“荷随源动”所取代,新型电力系统的稳定性高度依赖新能源出力预测的准确性与气象条件的可控性。在能源系统日益复杂化、耦合化的今天,识别并应对气候驱动的系统性冲击,是构建安全、高效、绿色能源体系的核心命题。面对这些挑战,气象部门与电力部门积极协作,培育发展“气象+电力”新质生产力,气象部门正逐步从“服务配角”转为“系统协同者”。
从全球范围来看,“气象+电力”的协同创新已从理念走向实践,通过国际合作框架和具体项目案例,共同提升能源系统的气候韧性。目前,世界气象组织正牵头实施“全球气候服务框架(GFCS)”,旨在全球范围内提供最佳气候信息,以增强能源韧性并支持向净零排放转型。该组织还设立了可再生能源转型研究组(SG-RENE),通过系统性差距分析、指南编制、能力建设活动和技术支持,满足能源部门对先进水文气象信息和服务的需求。此外,世界气象组织还与国际可再生能源机构(IRENA)、国际能源署(IEA)等组织紧密合作,旨在加强先进气象服务与能源部门的整合,促进向可再生和低碳能源的平稳高效转型。
在我国,中国气象局于2024年发布了《能源气象服务行动计划(2024~2027年)》,联合国家发展改革委、国家能源局等部门共同部署开展了风电和光伏发电资源普查试点,加入重要输电通道部际联合防控工作机制。在业务组织方面,实施风能太阳能发电精细化气象服务示范计划,“一场一策”研发风力辐射预报产品和发电功率预测产品,实时检验预报准确率,通过“赛马”比拼,提升了场站级气象服务能力。该计划明确,到2027年,基本建成适应需求、技术先进、机制完善的能源气象服务体系,能源气象服务能力和效益显著提升,为能源生产、供给、消费和安全提供全链条高质量气象服务。覆盖源网荷储全链条全场景和短临至月季全尺度无缝隙的一体化能源气象服务业务基本建立,其具备小时、公里级的全国风能太阳能监测评估能力,24小时内100米高度风速预报均方根误差小于2米/秒,总辐射预报均方根误差小于120瓦/平方米,风电功率预报准确率达到86%,光电功率预报准确率达到88%。风能太阳能发电精细化气象服务示范成果得到规模应用,能源气象服务活力和内生动力充分激发。
此外,气象科技正借助前沿技术实现跨界融合。国家气候中心基于物理反演和深度学习算法,构建了一套中国高时空分辨率太阳能资源数据集,有效弥补历史数据的空白,为太阳能资源精准评估和功率预测提供了有力支撑。中国气象局公共服务气象中心基于AI技术将风能太阳能模式产品和大气化学产品融合,有效解决了沙尘天气对辐射预报偏高的问题。同时,中国气象局风能太阳能气象预报系统已面向全国省级气象部门部署,推动国、省两级气象部门均具备新能源气象预报业务能力。
例如,江苏省气象局依托高分辨率数值模式、多源融合格点实况等技术,构建了“15分钟-小时-3天-旬-月-季”能源气象预报预测产品体系,实现在时间、空间上的全覆盖无缝隙,为电网平稳度过负荷高峰期提供有力保障;湖北省气象局采用物理模型及深度学习模型开展区域级云参数及太阳辐射超短期预报,预报结果能够用于超短期光伏发电功率预报、分布式光伏发电功率预报;福建省气象局基于CMA-WSP2.0预报产品和风电场实测数据,建立深度学习的混合神经网络模型(CNN-LSTM-Attention),整合三种核心神经网络的优势,有效提升了模型对风电场复杂风速特征的建模能力。
03
“气象+电力”融合模式再创新
展望未来,在全球气候变化这一背景下,极端天气事件正从偶发风险转向常态化,因此,电力系统也将面临系统性挑战。为了构建一个更安全、更可靠、更可持续的能源未来,应进一步强化“气象+电力”的深度融合。
第一,建立气象部门与能源行业之间更紧密的合作机制。需建立跨部门联合工作专班,制定常态化沟通流程与应急联动预案,针对台风、暴雨、寒潮、持续性高温等高影响气象事件,构建“监测-预警-研判-响应”的闭环协作链条。例如,在夏季用电高峰前,双方可联合开展高温热浪对负荷峰值的影响推演,将精细化到区域的温度、湿度预测数据应用到电力仿真系统,为发电机组启停、跨区输电计划调整等提供决策依据。
第二,大力支持前沿技术领域的研发与应用。在数值天气预报方面,需重点提升中小尺度极端天气系统的模拟能力,将预报时空分辨率从当前的公里级、小时级向百米级、分钟级突破,尤其强化对短时强降水、雷暴大风等突发性事件的预判精度。人工智能与机器学习技术应用于负荷预测模型的动态优化,通过挖掘历史气象数据与用电曲线的关联性,提升极端天气下负荷波动的预测准确率,捕捉高温高湿环境下空调负荷的非线性增长特征,构建电网与气象环境的虚拟映射体,模拟极端天气下线路覆冰、设备温升等过程,为电网防御措施提供量化参考。
第三,制定支持“气象+电力”融合发展的政策,鼓励技术创新和应用,明确数据共享的责任与权利,并针对AI在能源领域的应用,建立健全网络安全和伦理规范。
第四,培养具备跨学科知识的复合型人才,既懂气象又懂能源,能够运用先进技术解决实际问题。同时,通过培训和知识共享,提升电力行业从业人员的气象风险意识和应对能力。
第五,将气候适应性融入电力基础设施全生命周期。在规划阶段,需基于未来30年气候情景预估数据,优化输电线路路径选择。例如,在台风高发区提高杆塔抗风等级,在干旱频发区域优先布局抗旱型水电站。设计环节应引入极端气象参数冗余度,如变压器容量需考虑50年一遇高温下的过载能力,变电站选址避开历史极值降水易涝区。在运营阶段,建立基于气象阈值的动态维护机制,当预测到连续高温时,提前对重载线路进行红外测温与负荷转移,避免设备因高温高湿导致绝缘老化加速。同时,定期开展气候风险评估,将极端天气导致的供电中断概率纳入电网可靠性考核指标,推动基础设施从“被动防御”向“主动适应”转型。
“气象+电力”的融合之路,将决定未来能源系统的安全性、灵活性与可持续性。唯有将气象作为电力系统的核心输入变量,才能在复杂多变的气候环境中构筑绿色能源发展的韧性底座。
(作者均供职于国家气候中心)