01产品定位
项目建成之后，收益的高低取决于每天怎么发、怎么充、怎么买卖。XEngine 做的是这件事：把历史与实时数据喂给模型，预测未来的负荷、新能源出力与电价，再把三条预测叠起来算出最优的充放电与调度方案。
它不是一块看板，而是一套会下指令的系统：策略算完，通过物联网与云平台把精细化的操作指令下发到设备端执行，执行结果回流做运营分析。
覆盖风电、光伏、储能项目，以及风光储一体化、光储充一体化、零碳园区、风光制氢合成氨醇与加运一体化等场景。
储能策略的上限由预测精度决定。新投运项目没有历史数据，前三个月通常只能跑保守策略，等数据积累够了再放开。
适用与不适用
- 有储能，想按分时电价做峰谷套利或需量控制
- 有新能源出力波动，需要提前知道明天发多少
- 要参与电力市场交易，需要电价预测与报量建议
- 场站分散，需要统一看数据与下达调度指令
- 需要就地 SCADA / EMS 的毫秒级控制（本系统按分钟级调度，需与既有系统对接）
- 需要设备级故障诊断与检修工单（用 XStation）
- 完全没有历史运行数据，也没有可用的气象与电价数据源
02核心功能
六项功能，前四项是预测与策略，后两项是执行与复盘。
负荷预测
综合季节、节假日、生产特性与历史数据，用深度学习模型预测未来负荷趋势，支撑资源调度与产能规划。
发电功率预测
结合实时数据对接、历史数据与气象信息预测新能源发电功率，指导消纳与申报。
电价预测
自动获取全国各省市分时电价、单一电价与市场化交易电价，预测未来购、售电价。
智能充放电策略
结合负荷、发电、电价三组数据，用 AI 算法优化储能充放电策略并生成交易策略，降低购电成本。
自动调度
通过物联网与云平台生成精细化操作指令并下发到设备端，维持供需平衡，提升运行稳定性。
运营分析
按日、周、月、季、年统计历史发电量、网购电量与电价、上网电量与电价、储能充放电量，输出统计图表与明细。
03典型场景
六类项目场景，共同点是都有「发、充、买」三件事要算。
04输出与成果
- 预测对象
- 3条曲线
- 核心功能
- 6项
- 覆盖场景
- 6类
- 调度粒度
- 分钟级
输出从预测到执行回执的一条链。
| 成果物 | 内容 | 格式 |
|---|---|---|
| 预测曲线 | 负荷、发电功率、电价的未来时点预测值 | 系统内 / Excel |
| 交易与充放电策略 | 次日分时充放电计划与报量建议 | Excel / 接口下发 |
| 调度指令 | 下发到设备端的操作指令与执行回执 | 接口 |
| 运营统计 | 日 / 周 / 月 / 季 / 年的电量、电价与收益统计 | 报表 / Excel |
05技术与部署
| 项目 | 说明 |
|---|---|
| 部署形态 | 云服务；可私有化云部署 |
| 数据接入 | 与既有 SCADA / EMS、电表、气象数据源对接 |
| 调度执行 | 指令经物联网通道下发，执行结果回流校验 |
| 算法 | 负荷与功率预测用深度学习模型，策略用优化算法求解 |
| 终端 | PC 端运营看板；移动端可查预测与告警 |
上线第一步是做数据接入盘点：电能表取数周期、SCADA 点表、气象源、电价来源。这一步没做干净，后面的预测和策略都不可信。
06边界与前提
下面这些是工具不做的事。写在这里不是为了免责，是为了让你在报价前就知道哪些还得找别人。
- 不替代就地 SCADA / EMS，只做上层策略与调度建议，执行需既有系统配合
- 不做设备级故障诊断与两票管理（用 XStation）
- 预测精度受历史数据质量与气象源影响，新投运项目需积累数据
- 不代客户参与电力市场报价，只提供量与价的建议
需要你提供或确认的
| 输入项 | 来源 | 缺失时的处理 |
|---|---|---|
| 历史运行数据 | 场站生产系统、电表读数 | 至少 3 个月；不足则先跑保守策略 |
| 设备台账 | 逆变器、PCS、储能系统参数 | 缺失时策略按额定参数估算 |
| 电价与规则 | 当地分时电价、市场化交易规则 | 用电价库，交易规则须客户确认 |
07常见问题
Q1预测精度能到多少？
与项目类型、数据质量、气象源都有关，没有通用数字。可先用一个月的历史数据做回测，回测误差能接受再上线。
Q2能直接控制储能吗？
系统生成策略与指令并通过接口下发；实际执行需要 PCS / EMS 开放控制权限，并按客户的安全规程走。
Q3和 XStation 什么关系？
XEngine 管运行策略与调度，XStation 管设备状态、告警与检修。前者决定怎么发怎么充，后者保证设备不出事、出事能闭环。
和 XEngine 常一起用的产品
七个产品可以单买，也可以在数字能源云上一起用。项目推进的每个环节，都有对应的工具。