大地量子:云端探寻卫星遥感无限可能,寻找新能源领域第二曲线

成立于2017年的大地量子通过AI、大数据等技术,融合了遥感卫星、无人机、传感器数据,利用自研算法对数据进行网格化管理,满足不同空间大数据产品开发的需求。

现实世界的数字化,即空间数据,成为近年来愈发受到关注的热门风口。伴随越来越多的遥感卫星升空,空间数据爆发性增长,为不同领域提供了更多想象空间。智慧农业、矿产、国土、测绘等多领域,有了足够追溯过去、预测未来的数据基建。相较而言,全球每年开源遥感卫星与商业遥感卫星所产生的数据量,已经达到了PB级别,而爆发增长的数据并没有获得充分的应用。

此前,成立于2017年的大地量子通过AI、大数据等技术,融合了遥感卫星、无人机、传感器数据,利用自研算法对数据进行网格化管理,满足不同空间大数据产品开发的需求,为农业保险、农产品期货、国土规划、环保、金融、电网、石油石化等行业用户提供高价值数据和准确、稳定、丰富的空间大数据云原生PaaS层服务,在云端再造一个数字地球。核心产品包括可直接使用,也可进行二次开发的面向应用的SDK,按服务空间尺度与服务时间长度进行计费。

而在新能源领域崛起的当下,大地量子延续遥感+AI的技术基建,在智慧农业领域之外,创新天气产品,开辟第二曲线。

自研天气预测,电力预测的无限可能

大地量子切入新能源赛道的时间节点,源于2022年初一位光伏客户的实际需求。对方需要进行全国的屋顶识别,以轮廓勾勒出屋顶类型,计算分布式光伏板在全国范围内的最大极值。而后从分布式光伏逐步延展到集中式光伏、风电应用,进而深入到电力交易环节。

“大地量子在农业服务方面的应用,比如产量预测,已经有很多落地案例。”大地量子创始人兼CEO王驰表示,“而在新能源方面的应用,本身也是基于自建的天气预测模型。

光伏也好,风电也罢,其电厂供给侧的具体产能,受到气象影响比较明显。据其介绍,无论是欧美还是国内气象局,天气预报的基座模型都是传统物理模型,在获得数据的基础上,需要公式运算进行未来天气的推荐计算,几十年未曾更改。伴随着人工只能、物联网、大数据等新兴技术的应用,气象预报有了新的可能性,并且催生出更具个性化、精确性的商业气象可能性。

作为阿里云低碳科技加速器企业,大地量子的解题思路,是建立端到端的AI气象模型。具体来看,大地量子在底层的原始数据获取和生产能力方面,已经建立了壁垒性优势。王驰表示,其已与NASA、欧空局等全球主流卫星数据供应商均建立了高效的数据获取通道,并整合了近百种卫星数据、无人机数据、传感器数据,进一步提升了数据来源的广度和深度。基于原始数据,大地量子也在利用自主创新算法对数据进行网格化管理,在15天以内的短临天气预报方面相较传统模型更为精准。

“这并不代表着我们赛道转向了,这只是我们之前技术积累在应用方面的一次拓展。”王驰

介绍。而这一过程中,大地量子在遥感数据处理方面的优势,得到充分发挥。“比如风云四号卫星,就是典型的遥感卫星,但是常用在气象预报,所以也常被称为气象卫星,同理还有风云一号到三号,都能提供充分的原始数据。”

在天气预报的基础上,大地量子能为新能源客户提供功率预测等新产品能力。以光伏为例,光伏发电情况,取决于云层波动导致的阳光变化。借助大约为5分钟一次实时同步的卫星遥感数据,大地量子所提供的功率预测,准确性无疑更高。

从电网视角出发,目前电力系统的供需关系,是发多少用多少,而在具备波动性和不确定性的新能源发电侧并网后,往往会面临供需关系的重组。“目前解决方案中,储能虽然有政策引导,但目前成本相对高昂。”王驰认为,基于精准天气预报所提供的功率预测,能够方便电网侧完善供电生产计划,助力国内电力系统转型。

除此以外,在新能源电力生产计划能被精准确定的基础上,新能源发电侧在电力交易市场的角色更具主动性,能够更好应对市场电价波动的波谷。

AI+遥感,现实世界的“搜索引擎”
“AI+遥感”的技术路径,已经成为一种行业性的共识。高效处理遥感数据作为大地量子的基本盘,一直为其重视。从产品侧看,大地量子为用户提供的云原生PaaS平台,能够充分应对客户多为考察标注,无论是准确、效率方面的技术指标,还是性价比、交互等服务内容,在多源数据的基础上,客户只需要通过几行代码调用大地量子的SDK,即可以立即具有空间数据的服务能力,也可在此基础上自主开发。 而支撑大地量子能够完成PaaS平台建设和天气预报等产品创新的技术,在于大地量子在时空数据方面的底层技术积累,通过反复迭代数据库与处理链路,实现数据池、算法库、数据引擎等多方面的底层技术框架自主架构。
在天气预报、新能源电力预测等创新产品之外,还开发了面向更多行业闭环场景的时空数据产品,涉及农业资产监管、农业灾害管理、森林火灾监测、水环境监测、河湖四乱监测、高速公路变形监测、城市沉降监测、地质灾害早期隐患排查等多场景。
伴随着业务范围的开展,以实现精准天气预报的AI气象模型为例,训练过程十分考验工程架构,无论是文件系统、存储、处理器抑或网络,都有较高要求。“除此以外,传统的气象模型已经无法满足客户对于精度的需求,客户需要可快速构建场站级的超短期和短期的功率预测AI模型,而其背后,需要有大量的算力来支撑。”王驰认为,云计算是一种可行的解决方案。为此,从2021年其与阿里云展开合作,利用阿里云GPU实例、OSS存储产品、CPFS存储产品,构筑了高性能且灵活可靠的支撑体系。精确到秒级的阿里云的灵活计费能力,可以灵活结合自身训练的时段要求,有效降低算力开支,同时CPFS提供了适合于AI训练的高吞吐、低延时、大容量的数据访问能力,结合OSS的冷热分级存储能力,在确保性能表现的情况下,也进一步节省了长期存储海量数据的成本。阿里云灵活、稳定、安全的产品特点,使其构筑的系统可以高效解决面临的问题,为新能源发电企业提高发电效率,减少并网考核损耗。
王驰作为与阿里云技术合作的牵头人,认为阿里云无论是技术产品还是价格优势,在云厂商中对于发展中公司来说都更为友好。“像气象模型的训练,其实非常考验工程架构,一般来说一次训练都需要用到数百张GPU和CPU硬件,尤其对文件系统、存储、网络都有较高技术要求,阿里云提供方案本身在技术层面也是最为合适的。”
与此同时,“遥感数据都是基于现实的海量数据,我们为有需求的客户打造了一个现实世界的搜索引擎。以气象为例,整个地球现实世界的大气,每时每刻都在变化,每时每刻都在产生大量数据,这需要阿里云这样的底层进行支撑。”在此之外,阿里云生态本身在销售、产品方面的产业链,成为大地量子商业化发展过程中的有力补充。
以新能源作为第二业务增长曲线之外,王驰也在探索大地量子基于AI+遥感,在更多业务侧的拓展空间。“比如说像这个林业、草原碳汇方面,都存在POC一类业务的落地场景。我们如何计算森林的碳汇总量,进而帮助林场进行碳汇交易,都是很有意思的事情,这也是我们和阿里云可能合作的基点。”
专业架构师实时在线
相关解决方案
高并发云上架构解决方案
通过阿里云灵活的负载均衡和扩缩容能力,性能强大和横向扩容数据库服务,让系统在面对海量业务请求时,保证稳定,为客户提供强大保障。
企业数据存储与备份解决方案
基于阿里云提供的存储与灾备平台,提供数据备份、数据容灾保护以及策略化归档管理,满足客户的多种需求,保障业务连续性。