中國儲能網(wǎng)訊：近年來，高新技術(shù)尤其是人工智能技術(shù)的應(yīng)用為新型電力系統(tǒng)建設(shè)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(shù)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(yīng)問題。那么，人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用具有怎樣的獨特優(yōu)勢？人工智能技術(shù)創(chuàng)新應(yīng)關(guān)注哪些核心要素？就此，記者采訪了發(fā)展中世界工程技術(shù)院院士、華南理工大學電力經(jīng)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(shù)都在電力系統(tǒng)的哪些領(lǐng)域發(fā)揮作用？能否結(jié)合具體案例，說明人工智能技術(shù)在解決高比例可再生能源波動性等現(xiàn)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(wǎng)絡(luò)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(shù)為復雜電力系統(tǒng)的認知與構(gòu)建提供了新方法和新手段。當前人工智能技術(shù)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(shè)備運維、虛擬電廠等領(lǐng)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(shù)可以應(yīng)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(lǐng)域。集群智能是單體智能未來發(fā)展的必然趨勢，指一定數(shù)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(xiàn)的任務(wù)過程中所涌現(xiàn)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(xiàn)提供時空協(xié)調(diào)保障，是集群智能涌現(xiàn)的核心關(guān)鍵技術(shù)和制高點技術(shù)。為完成某一復雜任務(wù)，集群智能控制系統(tǒng)的每一智能體可以根據(jù)從通信網(wǎng)絡(luò)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(wù)。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(xiàn)對分布式能源資源的高效調(diào)度。該系統(tǒng)接入風電、光伏、生物質(zhì)、熱電聯(lián)產(chǎn)及可調(diào)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(shù)據(jù)，并結(jié)合天氣預測、電力需求、電網(wǎng)狀態(tài)及市場電價信號，生成動態(tài)調(diào)整的運行策略。AI模型對數(shù)千個聯(lián)網(wǎng)設(shè)備進行分析，預測其發(fā)電能力或用電行為，并據(jù)此優(yōu)化調(diào)度路徑，確保在電力供需波動時迅速響應(yīng)，實現(xiàn)電網(wǎng)穩(wěn)定和能源效益最大化。例如，在電價高峰時優(yōu)先調(diào)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(cè)用電，以獲取最大市場收益。同時，系統(tǒng)還可提供頻率調(diào)節(jié)等輔助服務(wù)，參與即期電力市場與備用市場的交易。Next Kraftwerke公司的智能調(diào)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(zhuǎn)型提供了關(guān)鍵技術(shù)支撐。
中能傳媒：人工智能技術(shù)如何與數(shù)字孿生、物聯(lián)網(wǎng)等技術(shù)深度融合，實現(xiàn)從數(shù)據(jù)采集到智能決策的全鏈條賦能？當前技術(shù)融合的主要瓶頸是什么？應(yīng)如何解決？
陳皓勇：人工智能技術(shù)正逐步與數(shù)字孿生、物聯(lián)網(wǎng)（IoT）等新一代信息技術(shù)深度融合，在新型電力系統(tǒng)中實現(xiàn)從數(shù)據(jù)采集到智能決策的全鏈條賦能。
在融合路徑上，首先，物聯(lián)網(wǎng)技術(shù)通過感知層、網(wǎng)絡(luò)層和平臺層實現(xiàn)對電力系統(tǒng)多維度、多模態(tài)數(shù)據(jù)的高頻率、結(jié)構(gòu)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(lián)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(shù)據(jù)被統(tǒng)一格式化、清洗并通過知識圖譜與語料庫構(gòu)建，轉(zhuǎn)化為AI大模型的訓練“燃料”，為后續(xù)的調(diào)度、控制、運維等智能決策提供基礎(chǔ)。
AI與數(shù)字孿生的融合主要體現(xiàn)在虛擬仿真和預測決策環(huán)節(jié)。例如，中國南方電網(wǎng)有限責任公司“馭電”電力仿真大模型以神經(jīng)網(wǎng)絡(luò)求解高階微分代數(shù)方程，內(nèi)嵌電力物理規(guī)律，實現(xiàn)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(wǎng)調(diào)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(xiàn)發(fā)電預測、電價預測、通信優(yōu)化、設(shè)備認證等功能，推動源網(wǎng)荷儲一體化的市場化運行。
然而，當前AI與物聯(lián)網(wǎng)等技術(shù)的深度融合也存在瓶頸，主要體現(xiàn)在以下幾個方面：
一是數(shù)據(jù)質(zhì)量與標準化不足?，F(xiàn)階段電力系統(tǒng)的數(shù)據(jù)來源多樣，模態(tài)復雜（如文本、圖像、時序數(shù)據(jù)等），數(shù)據(jù)格式、語義標準缺乏統(tǒng)一，導致跨設(shè)備、跨系統(tǒng)的數(shù)據(jù)整合困難，影響AI模型的訓練效果與泛化能力。
二是標注數(shù)據(jù)與專業(yè)語料稀缺。多數(shù)原始數(shù)據(jù)未經(jīng)過結(jié)構(gòu)化處理，缺乏高質(zhì)量標簽與專業(yè)語料（如調(diào)度規(guī)范、運維日志等），使得模型的監(jiān)督學習和領(lǐng)域知識注入受限，限制了其在關(guān)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(lǐng)域物理規(guī)則與操作經(jīng)驗的前提下，難以勝任如故障診斷、調(diào)度建議等專業(yè)任務(wù)，需要結(jié)合專家經(jīng)驗與知識圖譜共同優(yōu)化。
四是物聯(lián)網(wǎng)基礎(chǔ)設(shè)施不健全。終端設(shè)備異構(gòu)性高，通信協(xié)議不統(tǒng)一，物聯(lián)網(wǎng)操作系統(tǒng)（如“電力鴻蒙”）的覆蓋仍需完善，限制了數(shù)據(jù)的統(tǒng)一接入與分布式控制能力的發(fā)揮。
針對AI與數(shù)字孿生、物聯(lián)網(wǎng)等技術(shù)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(shù)據(jù)質(zhì)量與標準化不足問題。一是構(gòu)建統(tǒng)一的數(shù)據(jù)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(shè)備、系統(tǒng)之間的術(shù)語解釋，打破“數(shù)據(jù)孤島”，促進異構(gòu)系統(tǒng)互聯(lián)互通。推廣“電力鴻蒙”操作系統(tǒng)，作為統(tǒng)一的物聯(lián)網(wǎng)接入底座，適配不同芯片和傳感器，實現(xiàn)設(shè)備標準化管理和數(shù)據(jù)一致性。二是推動行業(yè)級開放數(shù)據(jù)集建設(shè)。建設(shè)多模態(tài)、多場景、高質(zhì)量的電力數(shù)據(jù)集，覆蓋文本（工單、告警）、圖像（巡檢）、時序數(shù)據(jù)（電壓、電流）等，服務(wù)AI模型訓練。鼓勵行業(yè)間共享數(shù)據(jù)資源，提升AI模型的泛化能力。
其次，緩解高質(zhì)量標注與專業(yè)語料不足問題。應(yīng)構(gòu)建專業(yè)語料庫和知識圖譜，收集整理調(diào)度規(guī)則、設(shè)備手冊、運維日志、告警記錄等，構(gòu)建結(jié)構(gòu)化語料，為AI大模型提供高質(zhì)量預訓練數(shù)據(jù)。利用知識圖譜技術(shù)，將設(shè)備、人員、故障類型、規(guī)則等實體及其關(guān)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(shù)據(jù)驅(qū)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(jīng)驗引入模型，增強AI模型對電網(wǎng)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(gòu)建AI Agents框架，將調(diào)度任務(wù)拆解為可解釋的子任務(wù)（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(shù)據(jù)驅(qū)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(lián)網(wǎng)基礎(chǔ)設(shè)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(shù)在電力系統(tǒng)落地，實現(xiàn)“網(wǎng)隨電通”，支持高精度授時、低延遲控制。構(gòu)建靈活、分層的物聯(lián)網(wǎng)網(wǎng)絡(luò)架構(gòu)，滿足不同應(yīng)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(shè)備接入認證，防止惡意操控。通過AI大模型持續(xù)監(jiān)測網(wǎng)絡(luò)流量和設(shè)備行為，實現(xiàn)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(gòu)建提供堅實基礎(chǔ)，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(shù)創(chuàng)新應(yīng)關(guān)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(shù)創(chuàng)新應(yīng)重點關(guān)注以下核心要素：首先是多源數(shù)據(jù)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(shù)據(jù)，作為其后續(xù)分析、預測和決策的基礎(chǔ)。其次是能量管理與優(yōu)化調(diào)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(diào)節(jié)策略，實現(xiàn)效率與經(jīng)濟性雙贏。第三是電價預測與市場響應(yīng)，AI應(yīng)能識別電價趨勢與響應(yīng)機制，輔助用戶參與電力現(xiàn)貨市場或需求響應(yīng)計劃。第四是用戶行為建模與畫像分析，AI應(yīng)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(yīng)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(shù)創(chuàng)新應(yīng)關(guān)注以下核心要素：首先，數(shù)據(jù)質(zhì)量與處理能力是關(guān)鍵。電力市場包含大量實時和歷史數(shù)據(jù)，AI需要具備高效的數(shù)據(jù)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(guān)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(diào)度和市場交易策略，提高交易效率和經(jīng)濟效益。再次，AI應(yīng)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(shù)必須確保數(shù)據(jù)安全和系統(tǒng)合規(guī)，同時具備有效的風險管理能力，應(yīng)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(shù)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(shù)據(jù)標準或安全規(guī)范以促進跨領(lǐng)域協(xié)作？
陳皓勇：當前政策在推動人工智能技術(shù)落地新型電力系統(tǒng)過程中，存在若干實踐盲區(qū)。首先，數(shù)據(jù)標準不統(tǒng)一，存在數(shù)據(jù)孤島。不同企業(yè)和系統(tǒng)間的數(shù)據(jù)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(yīng)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(shù)據(jù)隱私等方面缺乏具體規(guī)范，影響AI技術(shù)在新型電力系統(tǒng)中的可信部署。再次，我國電力系統(tǒng)數(shù)據(jù)網(wǎng)按照網(wǎng)絡(luò)安全要求劃分為四個安全區(qū)（控制生產(chǎn)區(qū)、非控制生產(chǎn)區(qū)、生產(chǎn)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(jié)構(gòu)在保障系統(tǒng)安全的同時，也對人工智能算力部署和數(shù)據(jù)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(shù)落地需電力、通信、互聯(lián)網(wǎng)等多個領(lǐng)域協(xié)同，目前政策多為分散管理，缺乏統(tǒng)一協(xié)調(diào)平臺，制約了技術(shù)集成和資源共享。
為解決上述問題，要建立統(tǒng)一的數(shù)據(jù)標準與安全規(guī)范，推動電力數(shù)據(jù)開放共享、提升AI模型的可移植性與可靠性。同時，應(yīng)構(gòu)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(wǎng)壓力、多能源耦合等挑戰(zhàn)仍存。您認為未來人工智能技術(shù)突破應(yīng)優(yōu)先聚焦哪些方向？如何平衡技術(shù)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(wǎng)仍面臨諸如網(wǎng)架結(jié)構(gòu)不完善、負荷波動大、多能源耦合復雜、設(shè)備分散、通信受限等現(xiàn)實挑戰(zhàn)。為應(yīng)對這些問題，未來人工智能技術(shù)突破應(yīng)優(yōu)先聚焦以下幾個方向：
首先，邊緣計算應(yīng)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(xiàn)數(shù)據(jù)的本地處理與實時決策，可有效提升系統(tǒng)響應(yīng)速度與穩(wěn)定性，減輕中心系統(tǒng)壓力。其次，自適應(yīng)算法亟需突破。面對網(wǎng)架結(jié)構(gòu)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(diào)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(shù)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(shù)投入與收益。首先，應(yīng)根據(jù)場景價值分層推進，建立“技術(shù)可行性+經(jīng)濟可行性”評估機制，科學制定技術(shù)部署路徑。此外，通過平臺化開發(fā)與模塊化設(shè)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(gòu)應(yīng)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(shù)迭代？
陳皓勇：在人工智能賦能電力系統(tǒng)的背景下，數(shù)智化技術(shù)對“創(chuàng)新鏈、產(chǎn)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(shù)、既具備扎實的理論功底又具有豐富實踐經(jīng)驗的復合型人才是推動技術(shù)落地與系統(tǒng)變革的核心支撐。高校、企業(yè)與研究機構(gòu)應(yīng)構(gòu)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(lián)合導師制度、設(shè)立實訓基地和聯(lián)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(shù)據(jù)科學等學科壁壘，拓寬學生的交叉學科視野，推動產(chǎn)學研用深度融合。此類平臺不僅可推動研究從理論走向應(yīng)用，還能加快科研成果在產(chǎn)業(yè)中的轉(zhuǎn)化。此外，還可以推進開放數(shù)據(jù)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(gòu)建適應(yīng)電力系統(tǒng)數(shù)智化轉(zhuǎn)型的人才生態(tài)。
