太阳能塔式电站在能源转型中占据重要位置。它们并非直接将阳光转化为电能，而是先将太阳辐射集中成热能，再用于储能、发电或工业过程。长期以来，缺乏高质量的开放运行数据，使得新一代高效、可靠的系统方法难以得到充分验证。

卡尔斯鲁厄理工学院（KIT）与德国航空航天中心（DLR）的研究团队现已首次公开于利希太阳能塔试验电站的运行数据库，为相关研究提供了系统的数据基础。相关成果发表在《自然能源》（Nature Energy）期刊上。这一数据库将为开发新的人工智能算法和数字孪生模型提供关键支撑。

在太阳能塔式电站中，大量可移动反光镜（定日镜）将阳光精确反射到中央塔顶的接收器上，从而产生高温热能。这些热能可以被储存，用于延后发电，或直接应用于工业过程。当电网负荷较低或光照不足时，储存的热能仍可用于发电，有助于在夜间或阴天维持供电稳定。因此，太阳能塔式电站在电网调节和储能友好型可再生能源系统中具有重要潜力。然而，与光伏系统相比，这类电站的商业应用仍相对有限。

KIT科学计算中心的Kaleb Phipps博士指出，安全且高效地运行太阳能塔式电站是一项复杂且成本较高的任务。为了开发并可靠评估新的运行策略和控制方法，研究人员迫切需要真实的、结构化的运行数据。为此，团队构建并发布了PAINT数据库，以开放格式提供电站运行信息，便于研究和应用。

面向人工智能与数字孪生的PAINT数据

PAINT数据库遵循FAIR原则，即数据应当可查找（Findable）、可访问（Accessible）、可互操作（Interoperable）且可重用（Reusable）。研究团队基于时空资产目录（STAC）标准组织数据，使其在时间和空间维度上对人和机器都易于理解和检索。

为方便使用，团队还提供了配套的Python软件工具。研究人员可以据此按需下载特定时间段或单个定日镜的数据，并直接嵌入到机器学习模型中。借助这些数据，还可以构建太阳能塔式电站的数字孪生——即与真实电站相对应的虚拟模型。

DLR的Daniel Maldonado Quinto博士表示，通过数字孪生，可以先在仿真环境中测试电站的运行策略。如果将这一虚拟模型与机器学习方法结合，就有望在运行过程中实时判断定日镜是否正确对准，并动态优化控制参数，以保障电站安全、高效地运行。

支撑后续研究的开放基础

PAINT数据库涵盖了2021年至2024年间于利希太阳能塔的运行数据，总量约849GB。数据内容包括：

• 2014面定日镜的精确位置和尺寸信息；
• 每面镜子的旋转与倾斜动作记录；
• 超过218,000张图像，用于验证光斑是否准确聚焦在目标区域；
• 反映镜面轻微变形的额外测量数据；
• 覆盖整个时间段的气象观测数据。

定日镜的精确对准是塔式电站运行中的关键难题之一。即便是由风力、机械磨损或控制误差引起的微小偏差，也可能降低系统效率，或增加部件的热与机械负荷。PAINT数据库的目标之一，就是为研究这些细微影响提供统一的数据基础，并支持不同控制方法之间的可比性测试。

Phipps表示，团队希望未来能与更多研究机构和电站运营方合作，共同扩展PAINT数据库。随着来自不同设施的数据不断加入，有望逐步形成太阳能塔式电站开放运行数据的通用标准，从而加速相关技术的研发和推广应用。

源自ARTIST项目的成果

PAINT数据库源于ARTIST项目。该项目的核心任务是开发基于人工智能的可微分光线追踪模型，用于构建太阳能塔式电站的数字孪生。项目汇集了来自KIT、DLR以及亥姆霍兹人工智能平台的研究人员、工程师和技术人员，通过跨学科合作，将实验数据、仿真技术与AI方法结合，为储能友好型可再生能源系统提供新的技术路径。