中國儲能網訊：過去十五年，全球電力系統(tǒng)經歷了一輪深刻的變革。新能源裝機規(guī)模快速增長，海量分布式電源和電力電子設備接入電網，系統(tǒng)運行復雜度顯著提升，電力市場交易主體和交易品種日趨多元。傳統(tǒng)調度模式、運行機制和市場設計，正逐步顯露出適應性不足的問題。
幾乎在同一時期，人工智能（AI）技術加速走出實驗室，成為應對能源結構轉型的重要技術工具。對此，全球主要經濟體已密集開展戰(zhàn)略布局。在能源結構變化、技術演進與政策推動的多重作用下，AI的影響逐步深入到電力系統(tǒng)的各個環(huán)節(jié)。
新能源不再只是“看天吃飯”
長期以來，新能源功率預測主要依賴數值天氣預報，但其時效性與電力調度的需求存在錯位。傳統(tǒng)數值天氣預報基于復雜的物理方程，需調用大量計算資源，通常耗時數小時甚至更久，難以滿足分鐘級、小時級的調度需求。在新能源滲透率低的時期，這一約束相對隱蔽。隨著風光發(fā)電占比上升，電網對更短時限、更高精度預測的需求日益緊迫。
以數據驅動的AI預測方法成為一種重要補充。谷歌DeepMind于2023年發(fā)布的GraphCast模型已能實現比傳統(tǒng)方法更快、更準確地預測長達十天的天氣狀況。國內大模型也在加速與預測場景融合。南方電網“夸父”系統(tǒng)的預測準確率在國家標準基礎上提升3%—7%。
預測精度的提升不僅關乎電力系統(tǒng)穩(wěn)定，也與發(fā)電場站運營收益直接掛鉤，新能源功率預測偏差被納入并網運行和輔助服務考核體系。官方信息顯示，2025年6月，浙江各場站因風光發(fā)電功率預測偏差發(fā)生的考核費用達250萬元，單個場站考核費用最高超過20萬元。
電網從“看得清”到“算得清”
相比于發(fā)電側，AI進入電網運行體系的路徑更為漫長，也更具系統(tǒng)性。
21世紀最初十幾年，全球主要電力系統(tǒng)相繼啟動智能電網建設，重點在于夯實電網的數據采集與通信能力。智能電表、在線監(jiān)測裝置、配電自動化終端陸續(xù)鋪開。在2009年美國經濟刺激計劃（ARRA）框架下，美國聯邦政府投入24億美元用于電網數據采集和通信能力建設。同年，我國國家電網公司提出建設以信息化、數字化、自動化、互動化為特征的“堅強智能電網”。
隨著感知能力不斷提升，變化開始顯現。21世紀10年代中期，業(yè)界關注的不僅是數據的有無，更強調數據的質量。國內以國家電網《泛在電力物聯網白皮書2019》和南方電網《數字電網白皮書》的發(fā)布為標志性節(jié)點，開啟電網萬物互聯、人機交互的新進程。
在此基礎上，電網運行進入以預測和優(yōu)化為特征的新階段。負荷預測、新能源出力預測、潮流分析等原本高度依賴人工經驗的工作，開始引入機器學習技術輔助決策。南方電網基于物理約束神經網絡開發(fā)的“大瓦特·馭電”模型，可以在1小時內完成全年至少8760個運行方式的仿真計算，在源荷預測、電網規(guī)劃、運行控制和市場出清等核心環(huán)節(jié)展現應用潛力。
隨著新能源滲透率進一步提高，電網側AI應用也正向源網荷儲協(xié)同調控延伸。算法不再只回答“會發(fā)生什么”，而是開始嘗試參與“該如何調度”。
算法能力加速成為競爭新要素
隨著新能源和各類新型主體的加入，供需兩側的“雙波動”特性，使得市場從“少數發(fā)電主體博弈”演變?yōu)椤岸囝愋椭黧w同時競價”的復雜系統(tǒng)。
國際成熟市場率先引入基于機器學習的預測模型，用于輔助市場報價和風。險管理。在我國，AI在電力交易中的應用仍處于起步階段，但已在部分區(qū)域顯現效果。公開信息顯示，國家能源集團“擎源”大模型在山西的試點預測數據顯示，其預測的節(jié)點電價準確率較傳統(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景下修正負荷預測，使當地風電場單月現貨收益提升16.69%。算法已開始在經濟效益上對交易決策產生實質性影響。
在此基礎上，部分企業(yè)進一步將AI從“輔助判斷”推向“參與執(zhí)行”。清鵬智能發(fā)布的國內首個電力交易智能體，已具備從預測分析、策略生產到交易申報的自動化交易能力。
用戶側的潛力也正在被挖掘出來。依托AI的預測和實時控制能力，大量分散資源得以被聚合，在秒級或分鐘級響應電網信號，參與調峰、輔助服務甚至電力交易。
在國際市場，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平臺基于機器學習模型預測用戶出行和用能需求，對電動汽車充電、家用儲能和熱泵進行算法調度，在電價低谷或系統(tǒng)富余時段自動完成充放電決策。當前，該平臺可調度超過2吉瓦的住宅側靈活資源。
國內亦在加快探索。2021年，深圳首次試運行網地一體虛擬電廠運營管理平臺。截至2025年12月初，該平臺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、應用場景最多的虛擬電廠。
從更長周期看，人工智能對交易側的影響并不在于替代人工操作，而在于改變市場信息結構。當部分主體能夠更早、更準確地預判系統(tǒng)狀態(tài)和價格區(qū)間，市場博弈的重心便從“搶信息”轉向“管風險”。在這一過程中，算法能力正逐步成為新的競爭要素。
AI尚未成為“即插即用”的解法
盡管人工智能在能源電力領域加速落地，面對電力系統(tǒng)的高安全性、高可靠性要求，其能力仍需被謹慎驗證。
首先，可解釋性不足制約了AI在核心環(huán)節(jié)的深入應用。在電網調度、設備保護和市場出清等關鍵場景中，決策邏輯的可追溯性往往與結果本身同等重要。大模型的“黑箱”特性，使其在實際運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，正在成為一個現實問題。大模型訓練和推理對算力的依賴程度不斷提高，算力負荷本身已成為新的用電增長點。
此外，數據質量與關鍵資源，左右著AI能力的釋放。電力系統(tǒng)的高價值數據長期分散于不同企業(yè)、不同層級和不同系統(tǒng)之中，高質量、可跨主體使用的數據資源體系建設仍處于起步階段。
