“AI+”能源调研：规模应用需在安全、效率、成本间平衡
随着技术加速迭代，人工智能在耗电不断增长的同时，也逐渐渗入整个新型电力系统，赋能能源领域。2026年5月，国家能源局发布51个“人工智能+”能源高价值场景，以场景需求牵引AI技术创新，加速AI技术与能源产供销全链条深度融合和规模化发展。
当前，随着能源转型持续推进，新能源在电力系统中的占比不断提升，且其波动性、随机性较强，这使得从发电到输电、变电、配电，再到用电各环节，都面临更为复杂的变化与挑战。那么，在建设新型电力系统的过程中，AI赋能能源领域都解决了哪些实际问题？如何更好实现电力供需平衡及系统安全稳定运行?
8月4日至20日期间，围绕“人工智能+”能源高价值场景中的电网规划方案智能生成与评估、高耗能园区多能协同优化与智慧运营场景，研究员与研发应用相关项目的电网企业、新能源企业深入交流。调研发现，AI赋能能源领域，主要是为了保障电力系统安全稳定运行，优化综合能源管理效率。在实际应用中，还面临着数据互联互通阻碍。未来，需在保障数据安全的前提下，通过顶层引导和制度设计，推动数据有序流通和高效利用。
“AI+”电网规划：快速提供多元化的决策选择
在51个“人工智能+”能源高价值场景中，“人工智能+”电网领域包括8个高价值场景，涵盖规划、调度、生产、市场营销等多个环节。其中，“电网规划”是保障电网安全稳定运行、支撑能源转型发展的基础。
随着电源结构、负荷特性和用能方式不断变化，电网规划工作需要综合考虑更多不确定因素和约束条件。过去，电主要是从电网流向用户，而现在，分布式光伏、储能、充电桩甚至算力设施大量接入以后，电网中的源和荷都在快速变化，对规划提出了更高要求。这是因为，传统规划方式主要依靠专家经验和专业工具分析，在面对海量数据、多场景推演和复杂约束条件时，难以满足快速、精准的决策需求。
南方电网电力人工智能专家梁凌宇称，电网规划没有标准答案，过去主要依靠人的经验。现在，在大模型技术的帮助下，可生成不同方案供人类专家判断，并助其发现可能被忽略的问题，发现整体更优方案，并串联电网规划中的多个环节。“通过人机之间的互动协同，明显提升了电网规划工作的效率和准确性。”
南方电网人工智能科技有限公司研发的“大瓦特·云睿”（简称“云睿”）配电网规划智能体，将大模型的理解和推理能力，与电网专业知识、规划算法和仿真计算能力相结合，辅助规划人员完成数据获取、现状分析、负荷预测、运行推演、问题诊断、规划方案生成以及报告编制等工作。过去，很多需要在不同系统、专业工具间来回切换的工作，现在也可通过智能体串联起来。
例如，一个区域准备新增一批光伏、充电设施或较大的算力负荷，“云睿”先结合历史运行数据和未来发展趋势预测负荷变化，再对不同时间、运行场景进行推演，判断哪些线路、变压器可能出现重过载、电压越限等问题。发现问题后，进一步调用专业规划算法，形成线路改造、变压器增容、新建网架等候选方案，再通过潮流计算和运行仿真，对方案进行校核和比较。
据了解，“云睿”已经在云南大理开展试点应用，并逐步向昆明、丽江、玉溪等地推广。云南电网电网规划建设研究中心党支部书记王兴刚表示，之所以选择云南，一方面，是因为云南拥有典型的新型电力系统应用场景。云南清洁能源资源丰富，新能源发展速度快，不同地区在负荷特性、电网结构及新能源接入条件上差异较大。其中，既有城市区域，也有大量山区和县域配电网，可覆盖较多典型的电网规划问题。另一方面，云南电网也是“云睿”建设的重要参与方。从研发阶段开始，“云睿”项目团队就和规划专业人员一起梳理业务流程、确定真实需求，并在大理供电局开展现场试点。
“AI+”零碳园区建设：优化、调度电力负荷
人工智能还可应用在“高耗能园区多能协同优化与智慧运营场景”中。河北沧州的沧东经济开发区以发展动力电池、储能电池产业为主，是首批国家级零碳园区建设名单的52家园区之一。为更好建设零碳园区，需进一步优化园区能源管理。一方面，需加强对新能源发电波动性的预测与管理；另一方面，要结合生产计划、设备运行状态、电价等因素的动态变化，对园区整体电力负荷进行灵活调度。
然而，仅仅依靠以往的固定规则、人工经验，难以实现园区新型电力系统的最优配置。因此，除了新能源硬件设施，基于AI技术的数字化基础设施建设同样重要。“我们希望，通过基于AI技术的数字化基础设施，实现从感知到预测、决策、执行、优化的能源管理闭环。”远景科技集团首席可持续发展官孙捷表示。远景以EnOS智能网联操作系统为智能中枢，基于物理人工智能构建“天机”气象大模型和“天枢”能源大模型，及源网荷储一体化调控平台，推动气象预测、能源调度、设备控制与电力交易等环节实现智能化协同。在供电安全、分时电价、碳排放管理层层刚性约束之下，实现园区源网荷储的整体优化调度。不仅如此，还将分时、分区电碳因子作为影响能源调度的因素，将每度电的成本信号和碳排放信号纳入决策，为园区开展能碳协同优化提供依据。
例如，在构建新型电力系统过程中，绿电供给至为关键。尤其是绿电比例，会直接影响园区整体的用能成本。据了解，由于沧东经济开发区的直供绿电成本比火电低，提高绿电消纳比例，就意味着综合用能成本更低。孙捷分析道，在AI赋能下，通过大模型提前预测，对园区电力负荷进行协同调度，再加上储能设施的辅助配合，能将绿电消纳比例从原本计划的60%提升至70%。同时，更高的绿电比例，也意味着更强的绿色属性，即更低的碳排放强度、碳足迹，更好应对欧盟相关碳排放要求。
“提升绿电消纳比例是表征，更重要的是，降低了综合用能成本及碳减排成本，我们要算的是综合账。”孙捷表示。要将这笔“综合账”算得更精细，还要引入电碳因子，将用电量进一步转换为可量化的碳排放。与年度平均电碳因子相比，分时、分区的动态电碳因子能反映不同时间、不同电源结构下每度电对应碳排放的变化。在满足生产和供电安全要求的前提下，AI可以综合预测新能源出力、园区负荷、电价和电碳因子的变化，辅助安排储能充放电和柔性负荷，将部分用电需求转移到绿电更充足、电价和电碳因子更低的时段。因此，园区能源管理的目标不仅是提高绿电比例，而是实现安全、成本和碳排放多个目标的协同优化，提升整体经济价值。
另一方面，借助AI大模型对气象变化进行预测和仿真模拟，可以更准确地评估风光等新能源发电出力及用电负荷变化。因此，园区在配备储能设施时，根据负荷侧的可调能力，能够优化园区新型电力系统的整体设计。孙捷表示，有了AI技术能力做支撑，就能避免储能设施的过度投资，也守住了电力系统安全、成本、效率之间的平衡。
整体看，AI在新能源领域发挥的潜力，主要体现在三方面。一是预知风险，新能源发电“靠天吃饭”，通过AI提前预测气象变化，就能尽早识别新能源发电出力情况，预判可能的工业负荷变化；二是协同优化，AI能综合考虑发电、负荷、储能、电网等因素，对新型电力系统进行整体分析和调度；三是保障安全，AI可在短时间内完成供电安全、电能质量、潮流计算、数字仿真、审核校验等，辅助人类专家评估不同运行方案，为电力系统安全稳定运行提供决策支持，更好守护电力系统的安全底线。
“AI+”能源应用广泛，首要问题是数据
无论是电网规划，还是零碳园区建设，在构建新型电力系统过程中，如何保障电力系统安全稳定运行，优化能源管理效率是贯穿始终的问题。因此，从硬件设施的保障，到运行机制的优化，“AI+”能源需要在更多应用场景中进行探索创新。
面对AI技术的更新迭代，将其应用于能源领域时，首要考虑的是，这一技术应用的必要性与紧迫性。“电力系统要求发电、用电实时平衡，在新型电力系统源荷不确定性显著增加的背景下，仅靠人工操作、过往经验等传统方法已面临瓶颈，人工智能在这方面大有用武之地。”梁凌宇谈到，他在南方电网从事人工智能工作近7年。其间，AI从最初的图像识别、语音识别技术，迭代至现在的大模型、智能体技术。与此同时，AI在电网中的应用，也从智能客服、输电线路巡检，逐步拓展至电网规划、调度等更多领域。“在将AI技术应用在电网领域中时，我们既要考虑技术发展趋势，也要结合实际业务需求，做到业技融合。”梁凌宇谈道。
更为重要的是，尽管“AI+”能源有利于新型电力系统建设，但AI与能源领域的融合，并非简单“相加”。
首先，数据正成为制约“AI+”能源发展的一大瓶颈。尤其是产业链上下游的业务数据，还需打破“数据孤岛”，进一步互联互通。因此，需通过顶层政策引导和制度设计，制定统一标准，明确数据开放与使用权限，建立安全合规规则，完善数据治理体系。其次，AI系统的安全、可信性，是能源领域应用的前提和基础。未来，需明确人机协同的职责边界，通过人类专家适时介入，对AI的预测和决策进行人工审核和干预机制，避免因AI“幻觉”或误判引发风险。最后，从长远看，AI赋能能源领域，要想从试点示范走向规模应用，还需在系统安全、效率、成本之间寻求平衡。只有在安全保障、效率提升之外，具备经济社会效益，“AI+”能源才能更可持续发展。
------------------
城市因集聚而诞生。
一座城市的公共政策、人居环境、习俗风气塑造了市民生活的底色。
澎湃城市观察，聚焦公共政策，回应公众关切，探讨城市议题。
