首页科技快讯探寻“人工智能+能源”落地路径

探寻“人工智能+能源”落地路径

来源：晰数塔互联网快讯时间：2026年10月24日 22:08

AI与新能源融合创新发展研讨会在广州举行

业界共议“人工智能+能源”落地路径

10月21日，AI新能源融合创新发展研讨会在广州举行。本次会议由中国能源研究会绿色低碳技术专委会与海光信息技术股份有限公司承办，来自多个单位和机构的专家学者围绕人工智能与能源电力深度融合的技术路径、现实瓶颈与推进策略展开深度研讨。

与会专家普遍认为，通用人工智能模型难以直接满足电力工业对高精度、可解释与实时性的要求，行业需在通用AI基础上发展专用工业AI，并以人机协同为原则推动落地。

算力用电激增，能源与AI走向双向命题

当前，人工智能发展的浪潮已席卷各行各业，算力设施建设持续扩张，其电力消耗也在快速增长。据国家能源局数据，2025年全国算力中心总用电量达1700亿千瓦时，占全社会用电量1.6%，全国一体化算力网八大枢纽节点算力用电成为增量主力，近3年平均增长率约为39.5%，远高于全社会用电量的平均增速。算力用电的快速增长，使能源与人工智能之间的关系不再只是单向的“赋能”，而演变为相互支撑、彼此约束的双向命题。

今年4月，国家发展改革委、国家能源局、工业和信息化部、国家数据局印发《关于促进人工智能与能源双向赋能的行动方案》，促进人工智能与能源发展双向赋能，加快构建协同高效、安全可靠、绿色低碳、开放融合的“人工智能+”能源发展新格局。政策框架的明确，为行业实践划定了方向，但技术如何真正嵌入能源系统的核心环节，仍需在具体场景中逐一回答。

在政策方向已经清晰的前提下，与会专家从不同层面回应了“人工智能+能源”如何真正落地的问题。中国能源研究会特邀副理事长郭智指出，人工智能与能源电力融合发展需要凝聚共识、深化合作，加快形成“人工智能+能源”新质生产力，支撑新型电力系统建设与国家能源安全。

人机协同与生态协作是关键

围绕AI在能源决策中的角色定位，多位专家认为，技术可以帮助判断，但不能替代判断。能源系统涉及安全、经济、民生等多重目标，任何一次决策失误的代价都远超一般行业，这决定了AI在其中的角色必须是辅助性的，而非替代性的。中国电科院人工智能所专业总师（教高）王新迎表示，当前AI模型的输出仍有不确定性，需通过人力以回路、人机交互、知识交互等方式规避风险，数字孪生可在数字空间训练推演电网场景，最终需建立新的评价体系和工具。

南方电网人工智能科技有限公司战略级专业技术专家、人工智能技术官梁凌宇指出，电力行业AI要真实赋能一线业务，而非停留在通用模型层面，南方电网联动设备制造商、投资企业等产业链上下游共同拓展，按电网业务、用电服务、市场交易、企业管理、产业赋能等板块推进智能化转型。

在人机如何分工这一问题上，南方电网能源发展研究院高级研究员李宗顺认为，AI会大幅提升建模能力，但模型不会自动变成决策；模型的作用是让不同行业、不同层级的判断放在一套逻辑下比较权衡，如同“书同文、车同轨”。

新能源高占比改变系统特性

人机协同之所以必要，根源在于系统本身的变化已经超出了传统方法的处理能力。新能源的大规模接入不是简单的电源替换，而是改变了电力系统的物理特性、运行逻辑与调度方式。郭智介绍，2025年全国可再生能源装机量达到23.4亿千瓦、占比约60%，风电光伏装机18.4亿千瓦，电力系统特性与调度交易方式将发生根本变化。全国一体化算力网络数据节点空间近三年年均增速40%，远高于其他领域，绿色低碳需求也为能源电力行业提出新的必答题。

具体到电网运行层面，梁凌宇指出，新能源大规模接入、分布式电源和电动汽车等新型负荷涌现、电力市场交易机制复杂化，使源网荷储各环节不确定性显著增加；电网潮流由单向变双向，计算规模大幅扩大；电力电子设备高速开关特性要求微秒级分析，模型阶数升高，传统机理计算难以满足日内实时调度需求。王新迎表示，电力系统维度高、非线性强，新能源接入后运行方式变化剧烈，依靠少量典型方式难以覆盖实际场景，分析高度依赖专家经验。两位专家的判断指向同一个结论：传统方法不是不够好，而是面对的系统对象已经发生了质变，继续在旧框架内修补，难以从根本上解决问题。

通用AI边界显现，专用工业AI补位

传统方法逼近极限的同时，通用AI也未能直接填补这一空白。通用模型在标准化考试中表现优异，但其输出固有的不确定性以及对物理世界理解的局限，使其无法直接嵌入电力调度这类对确定性和实时性要求极高的核心环节。换言之，通用AI的“通”恰恰意味着它在特定场景中的“不专”，而能源核心业务需要的正是可验证、可追溯、可约束的专精能力。这正是“专用工业AI”存在的逻辑：它不是在否定通用模型的能力，而是在承认其边界的前提下，用行业知识、可解释约束和人机协同机制来补足通用能力在关键场景中的不可靠性。

从行业实践出发，梁凌宇提出，通用AI在精确性、实时性、智慧性、适应性方面存在不足，难以直接满足电力工业对高精度、可解释、实时性的要求；模型输出存在不确定性，安全边界有待厘清。他建议，电力行业必须在通用AI基础上发展专用的工业AI技术，包括高精度可解释模型、高性能算子、大小模型协同等。

记者在会上了解到，南方电网已实现全栈自主可控，智算集群超3100卡，联合国内厂家研发自有算子提升精度，日均模型调用超5000万次、年调用达千亿级别。这些投入表明，专用工业AI并非只停留在概念设想层面，而是已经在算力、算子、调用规模上形成了可量化的工程基础。

在技术路径上，王新迎提出知识嵌入与知识发现两条路径，强调未来需关注安全边界，通过人在回路、人机交互和知识交互规避风险。郭智则从架构层面建议，以物理AI为基础、以构建电力系统神经网络为目标，研制电力策略软件，将传感功能延伸到系统神经网络，实现由外挂支撑走向内嵌自动化。从“外挂”到“内嵌”的转变，意味着AI不再只是附着在能源系统外部的分析工具，而逐步成为系统运行结构的组成部分，这对可靠性与可解释性的要求也将随之进一步提高。

计算效率与优化求解瓶颈待破

专用工业AI要真正可用，还须跨过计算效率这道门槛。能源系统的优化问题天然具有高维、多约束、大规模的特征，传统求解方法在实时性要求面前已经力不从心，而AI方法的引入又必须在不牺牲精度的前提下实现加速，这对算法设计与工程实现提出了双重挑战。

在计算与优化层面，王新迎介绍，优化问题高维、多约束、规模大，传统求解方法速度慢，难以满足实时控制与精准投资需求。其团队通过专家知识学习实现电网运行决策支持，建立电力物理规律学习的注意力机制实现拓扑变化自适应，验证显示成功率可达90%以上、计算耗时降低20倍以上；优化方面提出变量辨识与约束压缩方法使约束规模压缩约14%，采用图神经网络接口方法加速样本空间预测，运用深度学习优化分支定界策略使节点数减少50%以上，结合国产化软硬件融合的电力优化加速效率提升约57%。

在应用场景的选择上，梁凌宇认为，电网规划业务数据复杂度高、实时性要求相对较低、方案可反复迭代，是AI赋能的典型高价值场景，“十五五”期间数万亿投资规模下精准投资意义重大。李宗顺从能源模型角度指出，能源政策是多维度超大规模问题，涉及几百个专业领域，各有算法、判断、假设和边界，需要统一逻辑进行比较权衡。场景选择的差异本身也说明，AI在能源行业的落地并非均匀推进，而是沿着“容错空间较大、迭代周期较短”的环节率先突破，再逐步向核心业务渗透。

计算瓶颈之外，更根本的挑战来自预测前提本身的变化。传统预测方法建立在经济结构相对稳定的假设之上，而当前能源转型带来的结构性变化，恰恰使这一假设不再成立，历史数据的参考价值随之下降。李宗顺指出，电网资产锁定数十年而电量需求数年即变，技术、政策、地缘变化贯穿40年；传统统计预测隐含“底层经济结构稳定”的前提，而电气化、分布式、新型工业用能方式正使全链条发生深刻变化。他表示，结构稳定时，历史数据是最好的老师，结构变化时，仅凭历史数据，看不到正在发生的事情；应依靠情景分析进行多路径分散布局，而非单点预测。这一判断对AI应用的含义是明确的：模型可以提升建模与分析能力，但若训练所依赖的数据本身处于结构断裂之中，单靠算法优化无法弥补前提的失效。郭智强调，需以数据收集和存储为基础完善电力大数据，建立数据生成、收集、整理、应用、维护机制。

来源：中国电力报微信公众号

记者：张玉坤

编辑：许可心

发布于：北京