从预测到增效：蚂蚁数科升级推出能源时序大模型 EnergyTS 2.0

近日，蚂蚁数科升级推出能源电力时序大模型 EnergyTS2.0，参数规模在 1.0 基础上从 1B 扩展至 7B，可以应对更为复杂的能源预测任务。根据在 Energy-EVA 基准上的测试结果，EnergyTS 2.0 在光伏发电功率预测、风力发电功率预测和用电负荷预测三项任务中的准确率表现优于多个现有主流时序大模型。

据悉，EnergyTS 2.0 采用混合专家（MoE）架构，通过融合气象、地理、日历等多元协变量信息，能显著提升光伏发电、风力发电及用电负荷预测的精准度，破解新能源弃风弃电、投资收益波动等核心痛点。

为推动行业技术评估标准化和协同发展，蚂蚁数科同步开源了能源电力垂类评测基准 Energy-EVA。该基准整合多个公开数据集，涵盖光伏发电、风力发电和用电负荷三大核心场景，包含超过 1122 万个时序数据点。

今年 3 月，蚂蚁数科 EnergyTS 能源电力时序大模型正式发布，基于该模型构建的智能体相继投入应用，覆盖新能源资产投资决策、电力交易辅助、能源系统运行优化、设备运维管理等场景，助力协鑫能科、霍普等企业最小化能源成本、最大化投资回报。

根据光伏场景测评显示，EnergyTS 模型在行业评测集上的发电量预测准确率超越谷歌（TimesFM-V2.0）、亚马逊（Chronos-Large）等行业主流的通用时序模型。

据介绍，EnergyTS 是专为新能源行业定制的能源电力垂类时序大模型，其充分融入了新能源行业的专业知识和垂类场景的多模态数据，具备多尺度训练、多模态融合、多任务学习、零样本冷启等优势。能广泛用于包括光伏发电、风力发电、储能、微电网、电力交易、虚拟电厂等多个场景，企业无需额外的训练，实现“开箱即用”。

蚂蚁数科提供的 EnergyTS 大模型测试数据显示：在发电预测这一典型场景中，在 T+1 天的预测中，EnergyTS 的 MAE（平均绝对误差）仅为 0.0233，较谷歌（TimesFM-V2.0）性能提升约 22.4%。在 T+3 天预测任务中， EnergyTS 的性能较谷歌（TimesFM-V2.0）提升 46.8%，较亚马逊（Chronos-Large）提升 62.4%。