21世纪经济报道记者 林典驰

人工智能不只是“吃电怪兽”，也是能源转型和效率提升的核心工具。眼下，能源与AI已形成相互赋能、共生耦合关系。

近期，远景科技集团发布了人工智能超级储充网络，将储能、充电、人工智能调度与电力交易融合，涵盖了充电网络、储能网络、智能微网和虚拟电厂网等智慧能源生态系统。“人工智能超级储充网络，是构建城市新型能源系统的基石。”远景科技集团零碳综合能源产品线总裁孙捷认为。

行业巨头押注的，是AI与能源融合技术重塑电力行业的运行逻辑。一方面，通用大模型加持提升能源办公效率，但更核心的还在于时序大模型对电网“脉搏”的精准把脉。

叠加电力市场改革，AI技术加持下，“一度电”的价值有望被重新定义，峰谷套利之外，融入功率响应、调频调峰等实时服务，算法穿透异构数据，实时寻获最优解，每一度电的潜能正在被激活。

风能、太阳能等新能源在我国能源结构中的比重日益增加，其间歇性、波动性的特点给电网的稳定运行带来了挑战。

然而，能源电力行业的特殊性又在于天然对可靠性和稳定性要求极高。为了弥补这两者之间的矛盾，AI的价值便体现了出来，当中的核心作用在数据处理、预测和辅助决策环节。

例如，在选址规划阶段，AI可以通过分析历史气象数据和地理信息，当中涵盖光照强度、云层变化、温度等气象因素的精准预测，优化风电场和光伏场的选址，确保资源的最大化利用。

在运维阶段，AI的作用尤为突出。通过对风机运行数据的实时监控和分析，AI系统能够预测设备故障，实现预测性维护，从而减少非计划停机时间，提高设备可利用率。

有媒体报道称，中国西北地区的风电场通过应用智能算法，成功将弃风率压至3%以下。

金风科技相关人士介绍，金风科技正在利用AI大模型技术升级现有的负荷预测系统，以期对历史发电数据、实时气象数据、电网负荷等多源异构数据分析和计算，帮助电网制定更加优化的调度计划，减少能源浪费。

在应对极端气候环节，AI尤其能够发挥作用。7月1日，欧洲中期天气预报中心（ECMWF）发布了AIFS ENS模型，正式启用人工智能预报系统（AIFS）的集合预报版本，该系统与传统基于物理的集成预报系统（IFS）并行运行，在准确性和速度方面都是升级。

综合来看，人工智能要想在电力系统得到更好应用，也面对挑战。“难点之一在于海量异构数据的实时整合。例如在极端气候条件下，在此微观尺度下，气象数据需进一步细化为雷暴、局部强对流等颗粒度，因其直接关联用电负荷的短时剧烈波动。同理，交通热力图、实时堵点分布等动态信息亦呈碎片化分布。系统必须依托人工智能，对气象、电网、交通等多源、实时数据进行处理，方能支撑后续决策。”远景零碳综合能源产品线总工程师胡洋在接受记者采访时表示。

现如今，以DeepSeek为代表的大语言模型对大众来说早已司空见惯，能源企业有规模优势，也愿意投入资金力量，其依托自身多年沉淀的数据和知识库，推出特定场景的行业大模型。

大型的能源企业普遍以通用语言大模型为技术底座，依托内外部的研发机构，对集团内部多业务场景进行覆盖。如国家电网推出的“光明大模型”，接入DeepSeek后，面向公司员工开放智能写作、会议纪要、精准检索等多种智慧办公能力。

据了解，有了DeepSeek的加持后，“i国网”AI助手基于光明大模型在语义理解、任务执行效率和推理逻辑性方面实现了显著提升，为用户提供了更加便捷智能的交互体验。

不过，能源公司的大模型多数以语言大模型为框架，擅长处理自然语言类任务。而语言类大模型不可避免得会出现不同程度的AI幻觉，“所谓AI幻觉现象，本质上是自然语言大模型在生成文本时出现的偏差；其优势主要体现在文案撰写与信息处理等场景。”胡洋表示。

这对于电力系统是难以接受的，其所涉及的场景包括电力调度、新能源与符合预测、源网荷储优化、电力现货交易等，这类场景对实时性、精确性和可靠性有着极高的要求。

清华大学电子院能源电子中心主任李中阳谈到，更核心的挑战在于，能源行业关键任务高度依赖时序数据建模：从电力负荷与电价预测、设备健康状态评估，到可再生能源出力预估，这类任务不仅需要精准捕捉多时间尺度的历史关联性，还要深度融合气象、市场、运行工况等多源异构信息，并在毫秒至小时级的时间分辨率上实现高精度预测与快速响应决策。语言大模型因缺乏原生的长时序依赖捕捉机制与跨模态特征融合能力，在实际应用中往往面临预测精度不足、稳定性欠佳的问题，需要单独研发时序大模型以满足上述核心挑战。

因此，若涉及能源大模型，应该涵盖语言大模型（Energy LLM）、时序大模型（TS-LLM）和时空大模型（ST-LLM）。这些模型协同工作，处理并分析大量数据，包括市场动态、历史电价和政策变化，以预测不同时间尺度的电价。语言大模型专注于文本数据，如新闻与政策，而时序与时空大模型则聚焦电价与气象数据的时间和空间变化。

基于预测模型，在AI交易员的实操过程中，李中阳发现，其所在的清鹏智能的电力交易智能体，从战胜90%的人类交易员已进化至水平接近顶尖3%的交易员。

在电网运行的过程中，AI的作用还体现在帮助电网实现电网的可靠、安全、经济、高效和环境友好运行。

本身AI可通过对海量电网数据的深度分析和智能决策，优化电网的运行方式，提升其应对复杂性和不确定性的能力。从精准的电力负载预测到高效的电网调度，再到快速的故障诊断与应急响应，AI正在重塑电网的运行逻辑，使其成为一个能够自我调节、自我优化的“智慧生命体”。

电力负载预测是电网稳定运行和经济调度的基石，其准确性直接关系到电力系统的安全性和经济性。传统的预测方法多依赖于统计模型，难以应对新能源大规模并网带来的波动性和随机性。

南方电网公司在这方面取得了显著进展，其建成的国内首个适应区域现货市场的网省一体化人工智能负荷预测生态系统，实现了从“人工预测”到基于大数据科学的“人工智能预测”的变革。2023年，该系统对风电和光伏的短期预测准确率分别达到了85%和91%，为南方电网非化石能源电量占比超过50%提供了有力支撑，基本实现了“每两度电中就有一度零碳电”的目标。

在精准预测的基础上，AI进一步赋能电网的智能调度与优化。通过强化学习等技术，AI可以辅助安排电力传输和发电功率，有效降低网损，提高电网运行的经济性。

随着电力市场化改革的深入，能源交易成为企业获取收益的重要渠道。AI技术通过精准预测电价和负荷，能够辅助企业制定最优的交易策略。例如，在零碳园区中，AI系统可以根据电价走势、天气预报和用能预测，动态协调使用自发电、市电和储能电，并将富余电量卖回电网，实现能源价值的最大化。

胡洋谈到，AI在能源作用还体现在实时寻优与价值重构。人工智能的价值最终体现为“寻优解”。以工商业储能系统为例，其每日可参与电力市场的时间窗口有限，核心命题在于重新定义“一度电”的价值。传统视角下，一度电的价值体现为能量价格，即峰谷套利；未来其价值还将涵盖功率响应、频率调节等新型服务，进而参与电网实时调度。唯有通过算法驱动，进行实时优化，方能最大化一度电的价值。