中国储能网讯：近年来，高新技术尤其是人工智能技术的应用为新型电力系统建设提供了有力支撑，以往新能源发电靠天吃饭的局面正在被打破，当前电力行业正围绕电力系统数字化智能化运行管理需求，优化人工智能算法模型，推动破解新能源发展带来的电力可靠供应问题。那么，人工智能技术在电力系统中的应用具有怎样的独特优势？人工智能技术创新应关注哪些核心要素？就此，记者采访了发展中世界工程技术院院士、华南理工大学电力经济与电力市场研究所所长陈皓勇。
中能传媒：当前人工智能技术都在电力系统的哪些领域发挥作用？能否结合具体案例，说明人工智能技术在解决高比例可再生能源波动性等现实问题中的独特优势？
陈皓勇：新型电力系统及与之耦合的能源系统是一个大规模、随机性、混杂性、分布式、网络化的复杂系统，其建模、分析、优化与控制是一个典型的多学科交叉问题，人工智能（AI）技术为复杂电力系统的认知与构建提供了新方法和新手段。当前人工智能技术在电力负荷预测、新能源功率预测、系统规划、运行决策、输变电设备运维、虚拟电厂等领域发挥作用。
随着分层集群的新型电力系统的发展和完善，集群智能（Swarm Intelligence）与协同控制（Cooperative Control）前沿理论和技术可以应用于其运行控制。集群智能与协同控制是新一代人工智能的重要研究领域。集群智能是单体智能未来发展的必然趋势，指一定数量的智能体之间通过局部感知和相对简单的交互方式，完成个体不易实现的任务过程中所涌现出的复杂、强大的集群宏观行为。协同控制可为集群智能涌现提供时空协调保障，是集群智能涌现的核心关键技术和制高点技术。为完成某一复杂任务，集群智能控制系统的每一智能体可以根据从通信网络所获得的信息作出自主决策，也可以共享信息、相互协作并共同完成工作任务。集群智能与协同控制理论能为分层集群的新型电力系统的运行控制提供有效的解决方案。
例如，德国Next Kraftwerke公司运营的虚拟电厂系统通过AI和优化算法，实现对分布式能源资源的高效调度。该系统接入风电、光伏、生物质、热电联产及可调工业负荷等多种能源单元，依托中央控制平台和智能终端（Next Box）采集实时数据，并结合天气预测、电力需求、电网状态及市场电价信号，生成动态调整的运行策略。AI模型对数千个联网设备进行分析，预测其发电能力或用电行为，并据此优化调度路径，确保在电力供需波动时迅速响应，实现电网稳定和能源效益最大化。例如，在电价高峰时优先调度可用资源输出电力，在低谷期则减少发电或引导负荷侧用电，以获取最大市场收益。同时，系统还可提供频率调节等辅助服务，参与即期电力市场与备用市场的交易。Next Kraftwerke公司的智能调度不仅提升了可再生能源的市场竞争力，也推动了灵活电力系统的发展，为欧洲能源转型提供了关键技术支撑。
中能传媒：人工智能技术如何与数字孪生、物联网等技术深度融合，实现从数据采集到智能决策的全链条赋能？当前技术融合的主要瓶颈是什么？应如何解决？
陈皓勇：人工智能技术正逐步与数字孪生、物联网（IoT）等新一代信息技术深度融合，在新型电力系统中实现从数据采集到智能决策的全链条赋能。
在融合路径上，首先，物联网技术通过感知层、网络层和平台层实现对电力系统多维度、多模态数据的高频率、结构化采集。例如，基于PMU的广域测量系统、智能传感终端、边缘物联代理等，可对风电、光伏、储能、电动汽车等分布式资源运行状态进行实时监测。其次，这些数据被统一格式化、清洗并通过知识图谱与语料库构建，转化为AI大模型的训练“燃料”，为后续的调度、控制、运维等智能决策提供基础。
AI与数字孪生的融合主要体现在虚拟仿真和预测决策环节。例如，中国南方电网有限责任公司“驭电”电力仿真大模型以神经网络求解高阶微分代数方程，内嵌电力物理规律，实现仿真速度提升千倍以上。通过大量运行工况的模拟与仿真，AI大模型可提前预判新能源接入后系统的稳定性、负荷变化、潮流分布等，为电网调控提供决策支持。此外，虚拟电厂作为“能量—信息—价值”三流耦合平台，借助AI实现发电预测、电价预测、通信优化、设备认证等功能，推动源网荷储一体化的市场化运行。
然而，当前AI与物联网等技术的深度融合也存在瓶颈，主要体现在以下几个方面：
一是数据质量与标准化不足。现阶段电力系统的数据来源多样，模态复杂（如文本、图像、时序数据等），数据格式、语义标准缺乏统一，导致跨设备、跨系统的数据整合困难，影响AI模型的训练效果与泛化能力。
二是标注数据与专业语料稀缺。多数原始数据未经过结构化处理，缺乏高质量标签与专业语料（如调度规范、运维日志等），使得模型的监督学习和领域知识注入受限，限制了其在关键场景下的智能推理能力。
三是AI模型缺乏行业知识融合机制。通用大模型如ChatGPT在缺乏电力领域物理规则与操作经验的前提下，难以胜任如故障诊断、调度建议等专业任务，需要结合专家经验与知识图谱共同优化。
四是物联网基础设施不健全。终端设备异构性高，通信协议不统一，物联网操作系统（如“电力鸿蒙”）的覆盖仍需完善，限制了数据的统一接入与分布式控制能力的发挥。
针对AI与数字孪生、物联网等技术在新型电力系统融合中的瓶颈问题，可行的解决方案包括：
首先，解决数据质量与标准化不足问题。一是构建统一的数据标准和物模型语义体系。建立物模型语义标准，统一不同设备、系统之间的术语解释，打破“数据孤岛”，促进异构系统互联互通。推广“电力鸿蒙”操作系统，作为统一的物联网接入底座，适配不同芯片和传感器，实现设备标准化管理和数据一致性。二是推动行业级开放数据集建设。建设多模态、多场景、高质量的电力数据集，覆盖文本（工单、告警）、图像（巡检）、时序数据（电压、电流）等，服务AI模型训练。鼓励行业间共享数据资源，提升AI模型的泛化能力。
其次，缓解高质量标注与专业语料不足问题。应构建专业语料库和知识图谱，收集整理调度规则、设备手册、运维日志、告警记录等，构建结构化语料，为AI大模型提供高质量预训练数据。利用知识图谱技术，将设备、人员、故障类型、规则等实体及其关系建模，辅助模型进行语义理解和推理。
再次，提升AI模型与行业知识融合能力。一是引入“专家知识+数据驱动”的训练机制，将电力系统的物理规律（如N-1安全准则、潮流约束）与专家经验引入模型，增强AI模型对电网运行规律的理解与适配能力。二是建立可解释、模块化的AI决策系统，构建AI Agents框架，将调度任务拆解为可解释的子任务（如负荷预测、潮流推演、储能优化等），在每个模块中嵌入行业规则。采用“人类+AI”的协同决策机制，AI负责数据驱动的建议生成，人类负责最终判断与校验。三是开展边云协同优化部署，通过主节点部署AI大模型、子节点部署轻量模型（知识蒸馏），在边缘完成初步分析与控制，提升实时性与鲁棒性。
最后，加强物联网基础设施与安全保障。一是完善通信协议与系统互操作能力，推动5G、HPLC等先进通信技术在电力系统落地，实现“网随电通”，支持高精度授时、低延迟控制。构建灵活、分层的物联网网络架构，满足不同应用对带宽、时延、安全的差异化需求。二是提升系统安全与终端可信度，引入国密算法和AI生成的认证代码，强化终端设备接入认证，防止恶意操控。通过AI大模型持续监测网络流量和设备行为，实现主动预警与自动防御。
这些解决方案的综合实施将为AI全面赋能新型电力系统构建提供坚实基础，不仅提升了电力系统的运行效率与智能化水平，也增强了其韧性与安全性。
中能传媒：您认为在工商业分布式能源、电力市场交易等场景中，人工智能技术创新应关注哪些核心要素？
陈皓勇：在工商业分布式能源场景中，人工智能技术创新应重点关注以下核心要素：首先是多源数据感知与融合能力，AI需融合用电负荷、光伏发电、储能状态、电价、气象等多维数据，作为其后续分析、预测和决策的基础。其次是能量管理与优化调度能力，AI需在峰谷电价、负荷波动、碳排限制等约束下，制定分布式电源优化管理、最优储能充放电、用能切换和负荷调节策略，实现效率与经济性双赢。第三是电价预测与市场响应，AI应能识别电价趋势与响应机制，辅助用户参与电力现货市场或需求响应计划。第四是用户行为建模与画像分析，AI应能理解不同工商业用户的用能特征与偏好，提供定制化的用能优化方案。最后，AI的安全性与可解释性也不可忽视，AI模型应具备可审计性与操作透明性，保障系统运行安全与用户信任。
在电力市场交易场景中，人工智能技术创新应关注以下核心要素：首先，数据质量与处理能力是关键。电力市场包含大量实时和历史数据，AI需要具备高效的数据采集、清洗、分析和处理能力，以保证决策的精准性。其次，预测与优化能力至关重要，AI可以通过机器学习算法，预测电力需求、市场价格波动等，帮助优化资源调度和市场交易策略，提高交易效率和经济效益。再次，AI应能够为市场参与者提供实时决策建议，分析市场趋势、风险并推荐最优交易策略，提升决策的精准度和及时性。最后，安全性、风险评估与合规性不可忽视。AI技术必须确保数据安全和系统合规，同时具备有效的风险管理能力，应对市场波动和突发事件。
中能传媒：从实践角度看，当前政策在支持人工智能技术落地新型电力系统时存在哪些盲区？是否需要建立统一的数据标准或安全规范以促进跨领域协作？
陈皓勇：当前政策在推动人工智能技术落地新型电力系统过程中，存在若干实践盲区。首先，数据标准不统一，存在数据孤岛。不同企业和系统间的数据格式、接口不一致，制约了AI模型的训练和跨系统协同应用。其次，安全与合规体系尚不完善，在算法安全、模型可解释性、数据隐私等方面缺乏具体规范，影响AI技术在新型电力系统中的可信部署。再次，我国电力系统数据网按照网络安全要求划分为四个安全区（控制生产区、非控制生产区、生产管理区和管理信息区），相互之间有安全隔离措施，这种分区结构在保障系统安全的同时，也对人工智能算力部署和数据共享带来了明显挑战。最后，跨行业协作机制薄弱。AI技术落地需电力、通信、互联网等多个领域协同，目前政策多为分散管理，缺乏统一协调平台，制约了技术集成和资源共享。
为解决上述问题，要建立统一的数据标准与安全规范，推动电力数据开放共享、提升AI模型的可移植性与可靠性。同时，应构建跨行业合作机制，加强监管协同和利益整合，推动AI与电力系统的深度融合。
中能传媒：新型电力系统对灵活性、智能性和开放性提出更高要求，但县域配网压力、多能源耦合等挑战仍存。您认为未来人工智能技术突破应优先聚焦哪些方向？如何平衡技术投入成本与系统降本增效的实际收益？
陈皓勇：在新型电力系统快速发展的背景下，灵活性、智能性和开放性成为核心要求。然而，县域配电网仍面临诸如网架结构不完善、负荷波动大、多能源耦合复杂、设备分散、通信受限等现实挑战。为应对这些问题，未来人工智能技术突破应优先聚焦以下几个方向：
首先，边缘计算应作为考虑的重点之一。通过在就近的变电站、台区部署轻量化智能模型，实现数据的本地处理与实时决策，可有效提升系统响应速度与稳定性，减轻中心系统压力。其次，自适应算法亟需突破。面对网架结构不完善、新能源波动和负荷不确定性，具备在线学习与动态调整能力的算法可持续优化源荷储协同策略。再次，在电、热、气、水等多能系统广泛耦合的县域环境中，需通过AI技术提升整体能源利用效率。与此同时，AI的安全性与鲁棒性也不可忽视，需保障在恶劣运行条件下的算法稳定性与可解释性。
在实际推广中，必须平衡技术投入与收益。首先，应根据场景价值分层推进，建立“技术可行性+经济可行性”评估机制，科学制定技术部署路径。此外，通过平台化开发与模块化设计，提高AI方案的可复制性与移植性，降低开发和运维成本。
中能传媒：在人工智能赋能电力系统的过程中，高校、企业与研究机构应如何协作培养复合型人才？是否需要建立跨学科研究平台以加速技术迭代？
陈皓勇：在人工智能赋能电力系统的背景下，数智化技术对“创新链、产业链、资金链、人才链”的深度融合提出更高要求。其中，既懂电力系统工程又懂AI技术、既具备扎实的理论功底又具有丰富实践经验的复合型人才是推动技术落地与系统变革的核心支撑。高校、企业与研究机构应构建协同培养机制，如共建跨学科课程体系、聘请行业专家参与课堂教学、推行联合导师制度、设立实训基地和联合实验室，强化学生的实践能力与创新意识。同时，建立跨学科研究平台势在必行，打通电气工程、人工智能、数据科学等学科壁垒，拓宽学生的交叉学科视野，推动产学研用深度融合。此类平台不仅可推动研究从理论走向应用，还能加快科研成果在产业中的转化。此外，还可以推进开放数据共享机制，并通过专项项目培养具备系统思维与交叉能力的新型人才，构建适应电力系统数智化转型的人才生态。
