中國儲(chǔ)能網(wǎng)訊：過去十五年，全球電力系統(tǒng)經(jīng)歷了一輪深刻的變革。新能源裝機(jī)規(guī)模快速增長，海量分布式電源和電力電子設(shè)備接入電網(wǎng)，系統(tǒng)運(yùn)行復(fù)雜度顯著提升，電力市場(chǎng)交易主體和交易品種日趨多元。傳統(tǒng)調(diào)度模式、運(yùn)行機(jī)制和市場(chǎng)設(shè)計(jì)，正逐步顯露出適應(yīng)性不足的問題。
幾乎在同一時(shí)期，人工智能（AI）技術(shù)加速走出實(shí)驗(yàn)室，成為應(yīng)對(duì)能源結(jié)構(gòu)轉(zhuǎn)型的重要技術(shù)工具。對(duì)此，全球主要經(jīng)濟(jì)體已密集開展戰(zhàn)略布局。在能源結(jié)構(gòu)變化、技術(shù)演進(jìn)與政策推動(dòng)的多重作用下，AI的影響逐步深入到電力系統(tǒng)的各個(gè)環(huán)節(jié)。
新能源不再只是“看天吃飯”
長期以來，新能源功率預(yù)測(cè)主要依賴數(shù)值天氣預(yù)報(bào)，但其時(shí)效性與電力調(diào)度的需求存在錯(cuò)位。傳統(tǒng)數(shù)值天氣預(yù)報(bào)基于復(fù)雜的物理方程，需調(diào)用大量計(jì)算資源，通常耗時(shí)數(shù)小時(shí)甚至更久，難以滿足分鐘級(jí)、小時(shí)級(jí)的調(diào)度需求。在新能源滲透率低的時(shí)期，這一約束相對(duì)隱蔽。隨著風(fēng)光發(fā)電占比上升，電網(wǎng)對(duì)更短時(shí)限、更高精度預(yù)測(cè)的需求日益緊迫。
以數(shù)據(jù)驅(qū)動(dòng)的AI預(yù)測(cè)方法成為一種重要補(bǔ)充。谷歌DeepMind于2023年發(fā)布的GraphCast模型已能實(shí)現(xiàn)比傳統(tǒng)方法更快、更準(zhǔn)確地預(yù)測(cè)長達(dá)十天的天氣狀況。國內(nèi)大模型也在加速與預(yù)測(cè)場(chǎng)景融合。南方電網(wǎng)“夸父”系統(tǒng)的預(yù)測(cè)準(zhǔn)確率在國家標(biāo)準(zhǔn)基礎(chǔ)上提升3%—7%。
預(yù)測(cè)精度的提升不僅關(guān)乎電力系統(tǒng)穩(wěn)定，也與發(fā)電場(chǎng)站運(yùn)營收益直接掛鉤，新能源功率預(yù)測(cè)偏差被納入并網(wǎng)運(yùn)行和輔助服務(wù)考核體系。官方信息顯示，2025年6月，浙江各場(chǎng)站因風(fēng)光發(fā)電功率預(yù)測(cè)偏差發(fā)生的考核費(fèi)用達(dá)250萬元，單個(gè)場(chǎng)站考核費(fèi)用最高超過20萬元。
電網(wǎng)從“看得清”到“算得清”
相比于發(fā)電側(cè)，AI進(jìn)入電網(wǎng)運(yùn)行體系的路徑更為漫長，也更具系統(tǒng)性。
21世紀(jì)最初十幾年，全球主要電力系統(tǒng)相繼啟動(dòng)智能電網(wǎng)建設(shè)，重點(diǎn)在于夯實(shí)電網(wǎng)的數(shù)據(jù)采集與通信能力。智能電表、在線監(jiān)測(cè)裝置、配電自動(dòng)化終端陸續(xù)鋪開。在2009年美國經(jīng)濟(jì)刺激計(jì)劃（ARRA）框架下，美國聯(lián)邦政府投入24億美元用于電網(wǎng)數(shù)據(jù)采集和通信能力建設(shè)。同年，我國國家電網(wǎng)公司提出建設(shè)以信息化、數(shù)字化、自動(dòng)化、互動(dòng)化為特征的“堅(jiān)強(qiáng)智能電網(wǎng)”。
隨著感知能力不斷提升，變化開始顯現(xiàn)。21世紀(jì)10年代中期，業(yè)界關(guān)注的不僅是數(shù)據(jù)的有無，更強(qiáng)調(diào)數(shù)據(jù)的質(zhì)量。國內(nèi)以國家電網(wǎng)《泛在電力物聯(lián)網(wǎng)白皮書2019》和南方電網(wǎng)《數(shù)字電網(wǎng)白皮書》的發(fā)布為標(biāo)志性節(jié)點(diǎn)，開啟電網(wǎng)萬物互聯(lián)、人機(jī)交互的新進(jìn)程。
在此基礎(chǔ)上，電網(wǎng)運(yùn)行進(jìn)入以預(yù)測(cè)和優(yōu)化為特征的新階段。負(fù)荷預(yù)測(cè)、新能源出力預(yù)測(cè)、潮流分析等原本高度依賴人工經(jīng)驗(yàn)的工作，開始引入機(jī)器學(xué)習(xí)技術(shù)輔助決策。南方電網(wǎng)基于物理約束神經(jīng)網(wǎng)絡(luò)開發(fā)的“大瓦特·馭電”模型，可以在1小時(shí)內(nèi)完成全年至少8760個(gè)運(yùn)行方式的仿真計(jì)算，在源荷預(yù)測(cè)、電網(wǎng)規(guī)劃、運(yùn)行控制和市場(chǎng)出清等核心環(huán)節(jié)展現(xiàn)應(yīng)用潛力。
隨著新能源滲透率進(jìn)一步提高，電網(wǎng)側(cè)AI應(yīng)用也正向源網(wǎng)荷儲(chǔ)協(xié)同調(diào)控延伸。算法不再只回答“會(huì)發(fā)生什么”，而是開始嘗試參與“該如何調(diào)度”。
算法能力加速成為競(jìng)爭(zhēng)新要素
隨著新能源和各類新型主體的加入，供需兩側(cè)的“雙波動(dòng)”特性，使得市場(chǎng)從“少數(shù)發(fā)電主體博弈”演變?yōu)椤岸囝愋椭黧w同時(shí)競(jìng)價(jià)”的復(fù)雜系統(tǒng)。
國際成熟市場(chǎng)率先引入基于機(jī)器學(xué)習(xí)的預(yù)測(cè)模型，用于輔助市場(chǎng)報(bào)價(jià)和風(fēng)。險(xiǎn)管理。在我國，AI在電力交易中的應(yīng)用仍處于起步階段，但已在部分區(qū)域顯現(xiàn)效果。公開信息顯示，國家能源集團(tuán)“擎源”大模型在山西的試點(diǎn)預(yù)測(cè)數(shù)據(jù)顯示，其預(yù)測(cè)的節(jié)點(diǎn)電價(jià)準(zhǔn)確率較傳統(tǒng)方式提升6.2%。國能日新“曠冥”3.0模型在山東極端天氣場(chǎng)景下修正負(fù)荷預(yù)測(cè)，使當(dāng)?shù)仫L(fēng)電場(chǎng)單月現(xiàn)貨收益提升16.69%。算法已開始在經(jīng)濟(jì)效益上對(duì)交易決策產(chǎn)生實(shí)質(zhì)性影響。
在此基礎(chǔ)上，部分企業(yè)進(jìn)一步將AI從“輔助判斷”推向“參與執(zhí)行”。清鵬智能發(fā)布的國內(nèi)首個(gè)電力交易智能體，已具備從預(yù)測(cè)分析、策略生產(chǎn)到交易申報(bào)的自動(dòng)化交易能力。
用戶側(cè)的潛力也正在被挖掘出來。依托AI的預(yù)測(cè)和實(shí)時(shí)控制能力，大量分散資源得以被聚合，在秒級(jí)或分鐘級(jí)響應(yīng)電網(wǎng)信號(hào)，參與調(diào)峰、輔助服務(wù)甚至電力交易。
在國際市場(chǎng)，這一模式的商業(yè)化落地已較為成熟。英國章魚能源公司的Kraken平臺(tái)基于機(jī)器學(xué)習(xí)模型預(yù)測(cè)用戶出行和用能需求，對(duì)電動(dòng)汽車充電、家用儲(chǔ)能和熱泵進(jìn)行算法調(diào)度，在電價(jià)低谷或系統(tǒng)富余時(shí)段自動(dòng)完成充放電決策。當(dāng)前，該平臺(tái)可調(diào)度超過2吉瓦的住宅側(cè)靈活資源。
國內(nèi)亦在加快探索。2021年，深圳首次試運(yùn)行網(wǎng)地一體虛擬電廠運(yùn)營管理平臺(tái)。截至2025年12月初，該平臺(tái)已聚合虛擬電廠資源超60家，接入資源規(guī)模近500萬千瓦，成為中國資源類型最全、應(yīng)用場(chǎng)景最多的虛擬電廠。
從更長周期看，人工智能對(duì)交易側(cè)的影響并不在于替代人工操作，而在于改變市場(chǎng)信息結(jié)構(gòu)。當(dāng)部分主體能夠更早、更準(zhǔn)確地預(yù)判系統(tǒng)狀態(tài)和價(jià)格區(qū)間，市場(chǎng)博弈的重心便從“搶信息”轉(zhuǎn)向“管風(fēng)險(xiǎn)”。在這一過程中，算法能力正逐步成為新的競(jìng)爭(zhēng)要素。
AI尚未成為“即插即用”的解法
盡管人工智能在能源電力領(lǐng)域加速落地，面對(duì)電力系統(tǒng)的高安全性、高可靠性要求，其能力仍需被謹(jǐn)慎驗(yàn)證。
首先，可解釋性不足制約了AI在核心環(huán)節(jié)的深入應(yīng)用。在電網(wǎng)調(diào)度、設(shè)備保護(hù)和市場(chǎng)出清等關(guān)鍵場(chǎng)景中，決策邏輯的可追溯性往往與結(jié)果本身同等重要。大模型的“黑箱”特性，使其在實(shí)際運(yùn)行中難以被完全信任。
其次，AI越算越快、越算越多，電力系統(tǒng)是否跟得上，正在成為一個(gè)現(xiàn)實(shí)問題。大模型訓(xùn)練和推理對(duì)算力的依賴程度不斷提高，算力負(fù)荷本身已成為新的用電增長點(diǎn)。
此外，數(shù)據(jù)質(zhì)量與關(guān)鍵資源，左右著AI能力的釋放。電力系統(tǒng)的高價(jià)值數(shù)據(jù)長期分散于不同企業(yè)、不同層級(jí)和不同系統(tǒng)之中，高質(zhì)量、可跨主體使用的數(shù)據(jù)資源體系建設(shè)仍處于起步階段。
