中國儲能網訊：近年來，高新技術尤其是人工智能技術的應用為新型電力系統(tǒng)建設提供了有力支撐，以往新能源發(fā)電靠天吃飯的局面正在被打破，當前電力行業(yè)正圍繞電力系統(tǒng)數字化智能化運行管理需求，優(yōu)化人工智能算法模型，推動破解新能源發(fā)展帶來的電力可靠供應問題。那么，人工智能技術在電力系統(tǒng)中的應用具有怎樣的獨特優(yōu)勢？人工智能技術創(chuàng)新應關注哪些核心要素？就此，記者采訪了發(fā)展中世界工程技術院院士、華南理工大學電力經濟與電力市場研究所所長陳皓勇。
中能傳媒：當前人工智能技術都在電力系統(tǒng)的哪些領域發(fā)揮作用？能否結合具體案例，說明人工智能技術在解決高比例可再生能源波動性等現實問題中的獨特優(yōu)勢？
陳皓勇：新型電力系統(tǒng)及與之耦合的能源系統(tǒng)是一個大規(guī)模、隨機性、混雜性、分布式、網絡化的復雜系統(tǒng)，其建模、分析、優(yōu)化與控制是一個典型的多學科交叉問題，人工智能（AI）技術為復雜電力系統(tǒng)的認知與構建提供了新方法和新手段。當前人工智能技術在電力負荷預測、新能源功率預測、系統(tǒng)規(guī)劃、運行決策、輸變電設備運維、虛擬電廠等領域發(fā)揮作用。
隨著分層集群的新型電力系統(tǒng)的發(fā)展和完善，集群智能（Swarm Intelligence）與協(xié)同控制（Cooperative Control）前沿理論和技術可以應用于其運行控制。集群智能與協(xié)同控制是新一代人工智能的重要研究領域。集群智能是單體智能未來發(fā)展的必然趨勢，指一定數量的智能體之間通過局部感知和相對簡單的交互方式，完成個體不易實現的任務過程中所涌現出的復雜、強大的集群宏觀行為。協(xié)同控制可為集群智能涌現提供時空協(xié)調保障，是集群智能涌現的核心關鍵技術和制高點技術。為完成某一復雜任務，集群智能控制系統(tǒng)的每一智能體可以根據從通信網絡所獲得的信息作出自主決策，也可以共享信息、相互協(xié)作并共同完成工作任務。集群智能與協(xié)同控制理論能為分層集群的新型電力系統(tǒng)的運行控制提供有效的解決方案。
例如，德國Next Kraftwerke公司運營的虛擬電廠系統(tǒng)通過AI和優(yōu)化算法，實現對分布式能源資源的高效調度。該系統(tǒng)接入風電、光伏、生物質、熱電聯產及可調工業(yè)負荷等多種能源單元，依托中央控制平臺和智能終端（Next Box）采集實時數據，并結合天氣預測、電力需求、電網狀態(tài)及市場電價信號，生成動態(tài)調整的運行策略。AI模型對數千個聯網設備進行分析，預測其發(fā)電能力或用電行為，并據此優(yōu)化調度路徑，確保在電力供需波動時迅速響應，實現電網穩(wěn)定和能源效益最大化。例如，在電價高峰時優(yōu)先調度可用資源輸出電力，在低谷期則減少發(fā)電或引導負荷側用電，以獲取最大市場收益。同時，系統(tǒng)還可提供頻率調節(jié)等輔助服務，參與即期電力市場與備用市場的交易。Next Kraftwerke公司的智能調度不僅提升了可再生能源的市場競爭力，也推動了靈活電力系統(tǒng)的發(fā)展，為歐洲能源轉型提供了關鍵技術支撐。
中能傳媒：人工智能技術如何與數字孿生、物聯網等技術深度融合，實現從數據采集到智能決策的全鏈條賦能？當前技術融合的主要瓶頸是什么？應如何解決？
陳皓勇：人工智能技術正逐步與數字孿生、物聯網（IoT）等新一代信息技術深度融合，在新型電力系統(tǒng)中實現從數據采集到智能決策的全鏈條賦能。
在融合路徑上，首先，物聯網技術通過感知層、網絡層和平臺層實現對電力系統(tǒng)多維度、多模態(tài)數據的高頻率、結構化采集。例如，基于PMU的廣域測量系統(tǒng)、智能傳感終端、邊緣物聯代理等，可對風電、光伏、儲能、電動汽車等分布式資源運行狀態(tài)進行實時監(jiān)測。其次，這些數據被統(tǒng)一格式化、清洗并通過知識圖譜與語料庫構建，轉化為AI大模型的訓練“燃料”，為后續(xù)的調度、控制、運維等智能決策提供基礎。
AI與數字孿生的融合主要體現在虛擬仿真和預測決策環(huán)節(jié)。例如，中國南方電網有限責任公司“馭電”電力仿真大模型以神經網絡求解高階微分代數方程，內嵌電力物理規(guī)律，實現仿真速度提升千倍以上。通過大量運行工況的模擬與仿真，AI大模型可提前預判新能源接入后系統(tǒng)的穩(wěn)定性、負荷變化、潮流分布等，為電網調控提供決策支持。此外，虛擬電廠作為“能量—信息—價值”三流耦合平臺，借助AI實現發(fā)電預測、電價預測、通信優(yōu)化、設備認證等功能，推動源網荷儲一體化的市場化運行。
然而，當前AI與物聯網等技術的深度融合也存在瓶頸，主要體現在以下幾個方面：
一是數據質量與標準化不足?，F階段電力系統(tǒng)的數據來源多樣，模態(tài)復雜（如文本、圖像、時序數據等），數據格式、語義標準缺乏統(tǒng)一，導致跨設備、跨系統(tǒng)的數據整合困難，影響AI模型的訓練效果與泛化能力。
二是標注數據與專業(yè)語料稀缺。多數原始數據未經過結構化處理，缺乏高質量標簽與專業(yè)語料（如調度規(guī)范、運維日志等），使得模型的監(jiān)督學習和領域知識注入受限，限制了其在關鍵場景下的智能推理能力。
三是AI模型缺乏行業(yè)知識融合機制。通用大模型如ChatGPT在缺乏電力領域物理規(guī)則與操作經驗的前提下，難以勝任如故障診斷、調度建議等專業(yè)任務，需要結合專家經驗與知識圖譜共同優(yōu)化。
四是物聯網基礎設施不健全。終端設備異構性高，通信協(xié)議不統(tǒng)一，物聯網操作系統(tǒng)（如“電力鴻蒙”）的覆蓋仍需完善，限制了數據的統(tǒng)一接入與分布式控制能力的發(fā)揮。
針對AI與數字孿生、物聯網等技術在新型電力系統(tǒng)融合中的瓶頸問題，可行的解決方案包括：
首先，解決數據質量與標準化不足問題。一是構建統(tǒng)一的數據標準和物模型語義體系。建立物模型語義標準，統(tǒng)一不同設備、系統(tǒng)之間的術語解釋，打破“數據孤島”，促進異構系統(tǒng)互聯互通。推廣“電力鴻蒙”操作系統(tǒng)，作為統(tǒng)一的物聯網接入底座，適配不同芯片和傳感器，實現設備標準化管理和數據一致性。二是推動行業(yè)級開放數據集建設。建設多模態(tài)、多場景、高質量的電力數據集，覆蓋文本（工單、告警）、圖像（巡檢）、時序數據（電壓、電流）等，服務AI模型訓練。鼓勵行業(yè)間共享數據資源，提升AI模型的泛化能力。
其次，緩解高質量標注與專業(yè)語料不足問題。應構建專業(yè)語料庫和知識圖譜，收集整理調度規(guī)則、設備手冊、運維日志、告警記錄等，構建結構化語料，為AI大模型提供高質量預訓練數據。利用知識圖譜技術，將設備、人員、故障類型、規(guī)則等實體及其關系建模，輔助模型進行語義理解和推理。
再次，提升AI模型與行業(yè)知識融合能力。一是引入“專家知識+數據驅動”的訓練機制，將電力系統(tǒng)的物理規(guī)律（如N-1安全準則、潮流約束）與專家經驗引入模型，增強AI模型對電網運行規(guī)律的理解與適配能力。二是建立可解釋、模塊化的AI決策系統(tǒng)，構建AI Agents框架，將調度任務拆解為可解釋的子任務（如負荷預測、潮流推演、儲能優(yōu)化等），在每個模塊中嵌入行業(yè)規(guī)則。采用“人類+AI”的協(xié)同決策機制，AI負責數據驅動的建議生成，人類負責最終判斷與校驗。三是開展邊云協(xié)同優(yōu)化部署，通過主節(jié)點部署AI大模型、子節(jié)點部署輕量模型（知識蒸餾），在邊緣完成初步分析與控制，提升實時性與魯棒性。
最后，加強物聯網基礎設施與安全保障。一是完善通信協(xié)議與系統(tǒng)互操作能力，推動5G、HPLC等先進通信技術在電力系統(tǒng)落地，實現“網隨電通”，支持高精度授時、低延遲控制。構建靈活、分層的物聯網網絡架構，滿足不同應用對帶寬、時延、安全的差異化需求。二是提升系統(tǒng)安全與終端可信度，引入國密算法和AI生成的認證代碼，強化終端設備接入認證，防止惡意操控。通過AI大模型持續(xù)監(jiān)測網絡流量和設備行為，實現主動預警與自動防御。
這些解決方案的綜合實施將為AI全面賦能新型電力系統(tǒng)構建提供堅實基礎，不僅提升了電力系統(tǒng)的運行效率與智能化水平，也增強了其韌性與安全性。
中能傳媒：您認為在工商業(yè)分布式能源、電力市場交易等場景中，人工智能技術創(chuàng)新應關注哪些核心要素？
陳皓勇：在工商業(yè)分布式能源場景中，人工智能技術創(chuàng)新應重點關注以下核心要素：首先是多源數據感知與融合能力，AI需融合用電負荷、光伏發(fā)電、儲能狀態(tài)、電價、氣象等多維數據，作為其后續(xù)分析、預測和決策的基礎。其次是能量管理與優(yōu)化調度能力，AI需在峰谷電價、負荷波動、碳排限制等約束下，制定分布式電源優(yōu)化管理、最優(yōu)儲能充放電、用能切換和負荷調節(jié)策略，實現效率與經濟性雙贏。第三是電價預測與市場響應，AI應能識別電價趨勢與響應機制，輔助用戶參與電力現貨市場或需求響應計劃。第四是用戶行為建模與畫像分析，AI應能理解不同工商業(yè)用戶的用能特征與偏好，提供定制化的用能優(yōu)化方案。最后，AI的安全性與可解釋性也不可忽視，AI模型應具備可審計性與操作透明性，保障系統(tǒng)運行安全與用戶信任。
在電力市場交易場景中，人工智能技術創(chuàng)新應關注以下核心要素：首先，數據質量與處理能力是關鍵。電力市場包含大量實時和歷史數據，AI需要具備高效的數據采集、清洗、分析和處理能力，以保證決策的精準性。其次，預測與優(yōu)化能力至關重要，AI可以通過機器學習算法，預測電力需求、市場價格波動等，幫助優(yōu)化資源調度和市場交易策略，提高交易效率和經濟效益。再次，AI應能夠為市場參與者提供實時決策建議，分析市場趨勢、風險并推薦最優(yōu)交易策略，提升決策的精準度和及時性。最后，安全性、風險評估與合規(guī)性不可忽視。AI技術必須確保數據安全和系統(tǒng)合規(guī)，同時具備有效的風險管理能力，應對市場波動和突發(fā)事件。
中能傳媒：從實踐角度看，當前政策在支持人工智能技術落地新型電力系統(tǒng)時存在哪些盲區(qū)？是否需要建立統(tǒng)一的數據標準或安全規(guī)范以促進跨領域協(xié)作？
陳皓勇：當前政策在推動人工智能技術落地新型電力系統(tǒng)過程中，存在若干實踐盲區(qū)。首先，數據標準不統(tǒng)一，存在數據孤島。不同企業(yè)和系統(tǒng)間的數據格式、接口不一致，制約了AI模型的訓練和跨系統(tǒng)協(xié)同應用。其次，安全與合規(guī)體系尚不完善，在算法安全、模型可解釋性、數據隱私等方面缺乏具體規(guī)范，影響AI技術在新型電力系統(tǒng)中的可信部署。再次，我國電力系統(tǒng)數據網按照網絡安全要求劃分為四個安全區(qū)（控制生產區(qū)、非控制生產區(qū)、生產管理區(qū)和管理信息區(qū)），相互之間有安全隔離措施，這種分區(qū)結構在保障系統(tǒng)安全的同時，也對人工智能算力部署和數據共享帶來了明顯挑戰(zhàn)。最后，跨行業(yè)協(xié)作機制薄弱。AI技術落地需電力、通信、互聯網等多個領域協(xié)同，目前政策多為分散管理，缺乏統(tǒng)一協(xié)調平臺，制約了技術集成和資源共享。
為解決上述問題，要建立統(tǒng)一的數據標準與安全規(guī)范，推動電力數據開放共享、提升AI模型的可移植性與可靠性。同時，應構建跨行業(yè)合作機制，加強監(jiān)管協(xié)同和利益整合，推動AI與電力系統(tǒng)的深度融合。
中能傳媒：新型電力系統(tǒng)對靈活性、智能性和開放性提出更高要求，但縣域配網壓力、多能源耦合等挑戰(zhàn)仍存。您認為未來人工智能技術突破應優(yōu)先聚焦哪些方向？如何平衡技術投入成本與系統(tǒng)降本增效的實際收益？
陳皓勇：在新型電力系統(tǒng)快速發(fā)展的背景下，靈活性、智能性和開放性成為核心要求。然而，縣域配電網仍面臨諸如網架結構不完善、負荷波動大、多能源耦合復雜、設備分散、通信受限等現實挑戰(zhàn)。為應對這些問題，未來人工智能技術突破應優(yōu)先聚焦以下幾個方向：
首先，邊緣計算應作為考慮的重點之一。通過在就近的變電站、臺區(qū)部署輕量化智能模型，實現數據的本地處理與實時決策，可有效提升系統(tǒng)響應速度與穩(wěn)定性，減輕中心系統(tǒng)壓力。其次，自適應算法亟需突破。面對網架結構不完善、新能源波動和負荷不確定性，具備在線學習與動態(tài)調整能力的算法可持續(xù)優(yōu)化源荷儲協(xié)同策略。再次，在電、熱、氣、水等多能系統(tǒng)廣泛耦合的縣域環(huán)境中，需通過AI技術提升整體能源利用效率。與此同時，AI的安全性與魯棒性也不可忽視，需保障在惡劣運行條件下的算法穩(wěn)定性與可解釋性。
在實際推廣中，必須平衡技術投入與收益。首先，應根據場景價值分層推進，建立“技術可行性+經濟可行性”評估機制，科學制定技術部署路徑。此外，通過平臺化開發(fā)與模塊化設計，提高AI方案的可復制性與移植性，降低開發(fā)和運維成本。
中能傳媒：在人工智能賦能電力系統(tǒng)的過程中，高校、企業(yè)與研究機構應如何協(xié)作培養(yǎng)復合型人才？是否需要建立跨學科研究平臺以加速技術迭代？
陳皓勇：在人工智能賦能電力系統(tǒng)的背景下，數智化技術對“創(chuàng)新鏈、產業(yè)鏈、資金鏈、人才鏈”的深度融合提出更高要求。其中，既懂電力系統(tǒng)工程又懂AI技術、既具備扎實的理論功底又具有豐富實踐經驗的復合型人才是推動技術落地與系統(tǒng)變革的核心支撐。高校、企業(yè)與研究機構應構建協(xié)同培養(yǎng)機制，如共建跨學科課程體系、聘請行業(yè)專家參與課堂教學、推行聯合導師制度、設立實訓基地和聯合實驗室，強化學生的實踐能力與創(chuàng)新意識。同時，建立跨學科研究平臺勢在必行，打通電氣工程、人工智能、數據科學等學科壁壘，拓寬學生的交叉學科視野，推動產學研用深度融合。此類平臺不僅可推動研究從理論走向應用，還能加快科研成果在產業(yè)中的轉化。此外，還可以推進開放數據共享機制，并通過專項項目培養(yǎng)具備系統(tǒng)思維與交叉能力的新型人才，構建適應電力系統(tǒng)數智化轉型的人才生態(tài)。
