“孔明”將遍布全球的每一個風機點位都打造成一個氣象監測站，構建起了全球氣象監測網絡，巨大的新能源資產實時運行數據庫，能夠幫助孔明有效地將氣象預報誤差降低30%，持續提升預測精度。
　　
　　一樣懂風機
　　
　　遠景基于全球數十吉瓦風電資產管理經驗認識到每一個風機都是獨立的個體基于風機物理模型的基礎上采用先進的機器學習算法分析每臺風機從風的感知到能量的生產和傳輸的整體脈絡，找到每個風機個體的發電特性并針對性的功率預報能夠實現風功率預測精度誤差降低3%。 　　
　　更懂風場
　　
　　在楊恢看來，“孔明”不光懂風機，還更懂風場，這才是孔明推出不到一年就服務于數百家風電場最接地氣的原因。
　　
　　“遠景格林威治牽手全球頂尖的太湖之光和天河二號國家超級計算中心，建立高精度風場數值模型，以此來支撐氣象數據在風電資產管理的全方位價值挖掘，這是‘孔明'氣象服務的計算資源與數據資源的有效支撐。”楊恢告訴記者。 　　
　　國內某大型新能源運營商，在超過二十個省份管理著超過1000萬千瓦的風電資產。因為預測準確性不高，導致每年千萬人民幣級別的罰款。為減少罰款、提升發電收益，該運營商急需尋找能夠提供準確功率預測的合作伙伴。
　　
　　經過試點對標，“孔明”基于深度學習理論的大數據技術，在權威氣象數據源的基礎上提供更精細的集合預報算法。幫助這家新能源運營商的數百個風電場實現精準的功率及氣象預測，有效挖掘全球新能源資產投資價值，降低現場工作安全和設備運行風險，提升精益化管理水平和未來的電力交易決策能力。
　　
　　以這家運營商甘肅某風電場為例，在部署“孔明”產品之前，風功率預測月平均準確率長期低于80%，全年罰款更是超過400萬元，給企業帶來巨大損失。在部署遠景能源“孔明”風功率預測產品后，根據甘肅電網發布的考核文件，今年6月份的準確率達到85.9%，7月份的準確率達到86.27%，全年可累計節省罰款超過200萬元。