大唐國際托克托發電公司工作人員在檢查高壓設備。

朱 森攝

金風科技工作人員操作能碳管理平臺。

采訪對象供圖

當前，AI（人工智能）技術在助力能源轉型中應用愈加廣泛。前不久，國能日新科技股份有限公司發布了其自研的新能源大模型“曠冥”，該模型能夠幫助提高新能源發電效率、應對極端天氣。中國華電、玖天氣象、華為等企業共同發布“基于AI大模型技術新能源氣象功率預測解決方案”，通過對新能源功率預測實現“智算”，提升預測準確度、降低電站運營成本。業內人士認為，隨著AI技術深入應用，其在推動能源加快轉型方面的潛力將被不斷激發。

提高管理效率

河北省張家口市地處華北平原與內蒙古高原連接區域，是華北地區風能和太陽能資源最豐富的地區之一。大唐索拉風電場智慧場站就坐落于此。這座智慧場站采用智慧化管控系統進行管理，值班員可以通過一體化平臺看到風電場升壓站全貌以及對應的設備監控點位，對設備狀態、人員行為、安防環境等進行全方位監測。

風電和光伏項目的新能源場站，大多位置偏遠且分布零散。場站內設備種類繁多，占地面積廣闊，也增加了管理的復雜性。在傳統的管理模式下，場站運維人員需要進行現場的設備控制和巡檢，耗費大量人力、物力和財力，成為新能源企業發展的一大阻礙。而AI技術的引入，則能夠降低管理成本，顯著提升場站管理效率。

“AI可以幫助實現新能源發電設備智能控制、圖像智能識別、負荷精準預測，大大降低了人工成本。”據大唐國際生產部新能源處相關負責人介紹，AI技術能對場站的風電機組、光伏逆變器等發電設備實現智慧控制，并通過自學習從風和光等自然資源中獲取更高發電效率。此外，AI技術還革新了傳統的人工巡檢方式，通過集成AI識別算法的攝像頭，實現對光伏組件和風機葉片的高精度自動化巡檢。

AI技術不僅可以實現對能源供應過程的實時監控，還能通過分析實時數據，及時發現潛在的問題并進行優化調整。

“除了在場站端的應用，AI還能應用于集控端的發電和檢修策略優化上。”大唐國際生產部新能源處相關負責人告訴筆者，AI大模型可以分析設備運行及歷史故障產生的海量數據，為管理者提前預警潛在風險。“例如，企業研發的故障模型可以提前發現設備劣化的征兆，并根據設備壽命規律合理優化檢修策略。通過實施更加精準的維護計劃，不僅顯著延長了設備的使用壽命，還大幅度降低了停電的風險，實現了運維管理的全面優化。”

AI技術還逐步深入并滲透至新能源企業管理的各個層面與細節中。

據金風科技人工智能應用研究院院長宋建軍介紹，金風科技在無人化電站建設、物資調撥和翻譯等工作中已開始使用AI技術。目前，企業開發的行業翻譯大模型可以幫助實現高精度的行業術語翻譯，支持風電行業的國際化需求。“未來，企業將在多模態大模型、視覺分析、運籌學等技術方向長期投入，讓AI技術全面助力新能源的技術創新和運營管理。”

“AI技術對于新能源領域來說是顛覆性的，提升了行業整體運行效率。”中國人民大學應用經濟學院教授陳占明認為，AI不僅能讓企業優化管理決策，還能幫助企業降本增效，未來將成為越來越多新能源企業的選擇。

優化能源調度

AI技術不僅能提升企業的管理效率，還能優化企業和用戶之間的能源調度。

今年夏天，在南方電網云南大理供電局“源網荷儲充”智能調控平臺的自動調控下，云南大理天峰山風電場快速高效地將來自大理的新能源輸送到云南各地及粵港澳大灣區，為千家萬戶帶來絲絲清涼。

據相關工作人員介紹，AI智能調控模式能夠高效輔助調控員進行決策、方式轉供，實時進行潮流斷面的動態控制、風險自動識別、輔助電力系統快速響應各種異常情況，大幅降低調度員頻繁操作的風險，從而有效支撐新能源年度電量占比60%以上地區電網的安全穩定運行。

除了避免誤操作、誤調度，AI也能參與制定更優化的調度計劃。

新能源發電具有較強的間歇性與波動性,“高溫無風”“晚峰無光”等現象影響著發電質量，也給電網調度帶來挑戰。AI技術可以幫助整合多維數據、預測新能源電力波動，使供需更加匹配。據宋建軍介紹，金風科技正在利用AI大模型技術升級現有的負荷預測系統，以期對歷史發電數據、實時氣象數據、電網負荷等多源異構數據分析和計算，幫助電網制定更加優化的調度計劃，減少能源浪費。

極端天氣是新能源發電面臨的又一難點，直接影響發電穩定性。AI的分析算法可以捕捉大氣實時情況、精準預測氣象，提高新能源電力輸出效率。例如，國能日新研發的“曠冥”大模型在預測大風、臺風等極端天氣事件方面表現出色，命中率有所提升，這能進一步幫助制定電網調度計劃和策略，確保電力供需平衡。

AI從海量數據中進行模式識別和流程優化的能力，使其成為推動新興能源調度模式發展的重要技術選擇。

在2024國際數字能源展上，廣東省深圳市發布虛擬電廠調控管理云平臺3.0。該平臺已接入充電樁、樓宇空調、光伏等9類共計5.5萬個可調負荷資源，總容量逾310萬千瓦。據工作人員介紹，憑借先進的通信采集技術，平臺的數據處理能力已從上線之初的十萬級躍升至百萬級，整體感知時效進入毫秒級。作為一種新興能源調度模式，虛擬電廠將閑散在終端用戶的電力負荷資源聚合起來并加以優化控制，目前正在國內探索落地。AI的應用將加快分布式可再生設備的普及和使用，更好地支撐能源轉型。

催生更多創新

未來，新能源應用場景的多樣化將使新能源產業對AI的需求進一步增強，推動更多基于AI的創新應用落地。

例如AI可以幫助開發新能源發電和存儲的高性能、低成本材料，助力能源轉型。此外，自動化、智能化機器以及AI技術還可以用于海上可再生能源電站等建設場景，提供綠色、清潔的能源。

隨著新能源企業逐漸向以“AI算法”為核心的管理模式變革，AI可以助力更多新產品和新模式的創新。業內人士表示，一方面，AI可以實現更高效的能源儲存與管理，形成像智能風機、無人電站、新能源大數據平臺等創新產品；另一方面，AI也可以輔助設計更優化的資源布局和配置，催生虛擬電廠、碳交易、備件平臺交易等新模式。

目前，AI的應用更多集中在企業方面。未來，AI的潛力將進一步釋放，更多地惠及用戶群體。

“在能源消費領域，AI可以根據家庭用能的歷史數據歸納用戶的消費行為，幫助用戶在各種供電方式之間擇優進行切換，為用戶做好微觀層面的能源管理。”除了為用戶提供個性化的能源消費建議，陳占明認為，AI在新能源產品和服務的銷售方面也有應用空間。“通過分析人們的用能模式，構建精準的用戶畫像，從而降低能源消耗并提升用戶參與度和滿意度。”

盡管應用前景廣闊，當前，AI賦能新能源領域發展還存有一些挑戰與困難。

廈門大學中國能源政策研究院教授林伯強認為，AI性能的不確定性、數據孤島與高質量數據不足、濫用與社會風險、先進算力不足以及AI自身的能源消耗等問題，都會給AI在新能源領域的應用帶來挑戰。對此，需要采取多維度的應對策略，包括推動數據標準化與共建共享、完善AI研發應用相關法律法規、保障數據安全和倫理規范、加大技術研發投入、優化算法模型以降低算力需求，并探索利用可再生能源支持AI基礎設施的運營模式等。

陳占明認為，基于大語言模型的AI主要側重于在既有的知識框架內處理與預測信息，而更具革新性的AI技術則有望對能源轉型產生更大的影響。