AI正重塑新能源产业 | 川观智库快讯

川观智库研究员 张敏

在“双碳”目标与电力市场化改革推动下，我国新能源产业迈入转型深水区。高比例新能源并网的波动、海量分布式资源协同难、市场决策不确定性等问题凸显，AI与新能源如何深度融合？川观智库根据近期相关行业报告和产业发展白皮书，对AI 如何赋能新能源转型的核心问题进行了梳理。

当前人工智能技术在复杂电力系统任务中的应用，与新能源行业的核心需求之间仍存在一定的适配空间。一方面，传统小规模深度学习模型在特定场景下表现优异，能够实现精准计算，但其样本依赖性使其在应对多样化任务时存在泛化瓶颈。另一方面，通用大模型具备强大的语义理解和泛化能力，然而要将通用能力转化为行业专属智能，还需要融入新能源行业的机理知识和运行规则，进行深度调适，同时，通用大模型的概率化输出与电力系统对确定性、安全性的严苛要求存在一定差距。

基于此，在通用大模型无法满足行业专业需求的情况下，“底座+专业模型”的垂直能源大模型成为必然方向。业内人士认为，“纵向业务升维+ 横向基座赋能”双轴驱动框架将助力解决产业发展痛点。纵向驱动新能源规划、调度、交易、服务等关键业务，从经验范式向数据驱动、智能决策跃迁；横向构建多模态数据处理、行业知识、模型与智能体能力于一体的共享基座，为所有纵向业务提供标准化、模块化的智能支持。二者协同，共同驱动产业智能化转型。

当前，新能源资产运营、投资规划、系统调度、市场交易、用户服务等核心场景的智能化，还存在多重挑战。对此，行业专家建议，一是以AI 实现功率预测、健康诊断与收益优化，推动资产从被动运行向主动创造价值转型。二是整合多源数据构建数字孪生，通过多情景仿真推演与敏感性分析，形成数据驱动决策体系。三是搭建云边协同多智能体架构，以虚拟电厂为载体，实现分布式资源聚合与自主协同调度。四是构建全流程交易智能体，实现电价预测、策略生成、风险量化与自动执行一体化。五是搭建用户画像与智能推荐、负荷引导、双向互动、生态连接能力，打造能源生态服务。

AI与新能源的深度融合是一项复杂的系统工程。从当前的技术探索走向规模化应用，从单点优化迈向系统协同，行业仍面临数据要素流通机制不健全、行业标准体系建设有待加强、复合型人才培养体系不完善等挑战，需要行业、企业多方协同发力。业内人士建议，一是行业层面要搭建共享平台、组织人才培养、促进经验交流、推动标准落地，二是企业层面要明确自身定位、聚焦高价值场景、积极参与生态共建同时加强内部能力建设，构建共建、共享、共治的新能源AI发展新格局。