在当前全球能源转型的大潮中，人工智能（AI）正以其独特的技术优势推动能源行业的深刻变革。

2024年11月21-22日，由中国能源研究会主办的2024年能源人工智能创新发展大会在京举办。

本次大会以“AI 赋能·智启未来”为主题，聚焦新型能源体系建设背景下数字化智能化发展新要求，深入探讨多模态人工智能大模型、大小模型协同、生成式人工智能、博弈智能、混合增强智能、科学智能等 AI 前瞻技术在能源电力应用与发展趋势。

值得一提的是，大会现场设置了“2024 年能源行业人工智能应用大赛” 一二三等奖颁奖仪式，会议同期举行的三场能源行业人工智能案例路演，更是为产业成果提供直观展示机会，促进共享实践经验，启迪发展思路。

电力系统：人工智能的新篇章

电力能源的重要性日益凸显，随着AI进程加快，预计到2027年，近一半的人工智能（AI）数据中心可能将面临电力供应不足的问题。

而当下，电力系统作为能源流转的核心，正成为人工智能技术应用的新疆域，AI企业则已经开始赋能电力产业的安全绿色发展。乘势而上的人工智能技术，已在电力行业多个领域得到应用，发、输、变、配、用各环节。

北京交通大学电气工程学院教授吴俊勇强调，人工智能技术在电网安全、输配电、新能源管理等领域的应用，不仅提高了电网的运行效率，还增强了系统的稳定性和安全性。通过深度学习和强化学习，电力系统能够实现更精准的故障预测和响应。

当下，电力行业正处于前所未有的数字化转型阶段。在这一过程中，人工智能作为核心驱动力，助力实现能源的高效利用和绿色化。

通过智能电网的建设，能源公司能够实时监控电力供需情况，优化电网调度，提高能源利用效率。例如，智能电网基于深度强化学习的控制设备可通过仿真获取样本学习，以获得最佳决策，可以在异常情况下自动调整供电策略，从而确保能源的稳定供应。

在输配电方面，利用深度学习网络可将变压器等重大资产从定期检修转变为状态检修，还能通过对故障数据学习和代价敏感训练，高精度评估设备安全状态。

在故障检测与评估方面，输变电线路巡检借助无人机、机器人及相关专业设备和传感器，实现了全面自动化检查，配合深度学习网络提取故障特征，实现了快速准确的故障检测。包括缺陷检测、报表生成等，甚至能对故障进行智能识别与控制，大大减少了维修时间和成本。

随着大模型在电力行业的逐步应用，电力行业正朝着更加智能化、高效化的方向发展。

广东电网责任公司企业架构与数字化部专家张晓晔表示，人工智能技术为电力系统带来了智能化转型的契机。具体到落地来看，广东电网利用AI技术实现了全网覆盖的无人机自动巡检，提高了巡检效率和准确性。同时，AI技术也被应用于电网智能规划、运行控制等领域，提升了电网的运行效率和安全性。

江苏电力有限公司数字化工作部专家焦昊则分享了江苏电力在配电网透明化和智能化方面的实践。江苏电力利用AI技术实现了配电网的透明化，并在此基础上构建了智能决策体系，提升了电网运行的智能化水平。此外，AI技术还被应用于分布式光伏的精准预测和接入引导，有效提升了新能源消纳能力。

陕西电力有限公司信息通信公司人工智能主管霍勇博分享了陕西电力在人工智能样本数据归集和应用方面的实践。陕西电力构建了样本数据平台，提升了设备状态识别和故障诊断的准确性，并利用AI技术实现了安全现场资源管控、输电线路智能巡检等应用。

安徽明生恒卓科技有限公司技术总监徐晓波，在大会中分享了安徽电力公司在配网无人机巡检方面的实践，以及视觉大模型的应用。他介绍了配网无人机巡检面临的挑战，例如数据挖掘效率低、精度不足等问题，以及人工智能技术的应用价值。

中国科学院自动化研究所王军平提出的类人智能大脑概念，为能源电力调控带来了新的思路。他认为，通过模拟人类大脑的工作原理，AI系统能够更好地理解复杂能源系统的运行规律，从而实现更精准的调控。通过模拟人类的决策过程，智能大脑能够实时调整系统参数，不仅提高了能源利用效率，还促进了可再生能源的开发与利用。

虽然当前AI在电力领域已经取得一些进展，但在电力系统中的应用仍存在不同情况。

一方面，部分应用虽有一定效果，但未必比传统方法有显著优势；另一方面，随着能源基础设施的升级，系统的复杂性也在增加，人工智能在提高精准度、运算速度及实现原本无法完成的任务等方面仍有优化空间；此外，数据中心耗电巨大、算力成本高昂等挑战也是所有AI企业要面对的现实。

从发展趋势而言，人工智能与电力系统的融合必将更加深入，朝着实现电力系统“无人驾驶”、安全预警等目标迈进。

能源行业：智能化转型的加速器

能源行业正面临前所未有的转型挑战，人工智能技术被视为加速这一转型的关键。

作为AI技术应用的另一个重要战场，能源行业正积极推动人工智能的融合应用。

以三峡集团为例，中国三峡武汉科创园副总经理刘洁介绍了品牌构建的“先进绿色算力·可信流域数据·大禹行业模型”三位一体战略，展示了AI技术如何助力能源绿色转型。

在算力方面，随着人工智能发展，数据中心耗电量剧增，绿色算力基础设施的绿色革命迫在眉睫，三峡集团的供应链数据中心采用清洁水电供电，是绿色数据中心发展模式的典型。

在数据层面，三峡集团在长江流域拥有丰富数据资源，通过打造流域级数据要素流通平台，上架众多数据产品，覆盖多行业，充分激活了数据要素价值。

其行业大模型汇集大量水电行业标准和技术档案，为水电行业提供了全方位知识支撑，在水电生产运维、项目管理、日常办公等多方面发挥重要作用，还融合多学科构建多层次政策体系，研发了新能源功率预测等平台，在新能源场站示范应用取得良好经济效益。

国家能源投资集团有限责任公司科技与信息化部副主任杜彬分享了国家能源集团在AI技术应用方面的实践经验。他表示，通过大数据和人工智能技术，国家能源集团在生产调度、设备运维等方面实现了显著的效率提升。特别是在充电设施管理和能源供应链优化方面，AI技术发挥了重要作用。

他还展望了AI在未来能源行业的应用前景。他认为，随着技术的不断进步和应用场景的不断拓展，AI将在能源生产、传输、消费等各个环节发挥越来越重要的作用。

确实，在油气勘探开发、智能矿山等领域，人工智能技术的应用不仅提高了资源开发的效率，还提升了安全生产水平。

同时，人工智能技术在能源消费侧的应用，如智能家居、智能楼宇等，正逐步改变人们的能源消费习惯，推动能源消费的智能化、绿色化发展。

在新能源领域，人工智能最早应用于数据预测，如利用新能源波动规律挖掘短期功率预测，误差可降至10%以下，且结合卫星和天气数据可进一步提升预测精度，助力调度决策。

随着AI的演进，未来的AI+能源定有更大作为。

大会现场，嘉宾也分享到，能源行业中人工智能的应用需要注重算力、数据和模型的协同发展，充分挖掘数据价值，构建行业大模型以解决实际问题。同时，产业现实也面临大模型专业性、泛化性和经济性难以平衡，以及在理解行业逻辑、调用专业模型和驱动专业设备等方面的挑战。

大模型：深度学习的突破与挑战

大模型作为AI技术的最新成果，正在引领一场技术革命。也在能源电力领域展现出巨大潜力。

中国信息通信研究院人工智能研究所副总工程师孙鑫，在大会中深入探讨了人工智能技术，特别是大模型，在能源领域的应用现状和发展趋势。她强调，人工智能技术正在经历从计算智能到感知智能，再到认知智能的演变，而大模型作为认知智能的代表，其强大的知识提取、推理和生成能力，为能源行业带来了前所未有的机遇。

南方电网人工智能科技有限公司副总经理卢志良分享了南方电网在AI大模型应用方面的实践经验。他指出，大模型在解决小模型瓶颈、提升识别准确率与效率方面具有显著优势。通过集成大量数据与算法，大模型能够更好地理解复杂场景，实现更广泛的应用。不过，行业大模型虽然能更好地解决专业问题，但不同领域对大模型需求各异，应根据实际情况深入开发应用。

中国科学院自动化研究所王军平也提出，大模型在处理复杂问题时的优势明显，尤其是在能源电力调控中。然而，大模型也面临着数据治理、模型解释性和算力消耗等挑战。

阿里云智能集团副总裁、解决方案研发部总经理曾震宇表示，大模型为能源行业应用提供了强大的赋能。阿里云利用大模型技术实现了电力支持文档、电力数据异常分析、保电计划生成等应用，提升了电力系统的智能化水平。同时，大模型在能源数据价值挖掘、专业知识问答等方面也展现出巨大的潜力。

浙江大学先进电气国际研究中心主任杨强表示，未来人工智能技术将朝着多模态融合的方向发展，例如图像、文本、语音等多种模态数据的融合，将进一步提升人工智能的应用能力。

然而，大模型的构建往往需要大量的训练数据和计算资源，这使得其在特定应用场景中的推广遇到障碍。

挑战与机遇总是并存。大模型作为人工智能技术的重要分支，大模型的应用也面临着数据隐私、过度消耗算力和数据、存在灾难性遗忘、推理能力有待改进等问题。如何在确保数据安全以及避免数据滥用的前提下，解决算力调用、训练平台优化、数据治理、模型迭代和体系建设等问题，充分利用大模型的优势，是电力和能源领域亟需解决的问题。行业应注重构建良好生态，促进大模型的健康发展。

小模型：灵活性与适用性的结合

相对于大模型，小模型在特定应用场景下展现出更高的灵活性和适用性。

国网浙江省电力有限公司杭州供电公司科技数字化部副主任孙智卿提到，尽管大模型在处理复杂问题方面表现出色，但小模型则有训练成本低、部署快的特点。例如，在电力现场的安全监管识别中，小模型可以迅速定位问题，为大模型的综合研判提供支持，为现场作业提供即时的安全监控。

在特定场景中，小模型仍然具有不可替代的优势。

相较于大模型，小模型通常针对特定问题设计，能够快速适应特定场景的需求。体现出更高的灵活性和实用性。在针对设备参数分析、故障识别以及特定场景的快速响应中，小模型显著提升了效率。尤其在资源有限的情况下，小模型能够快速完成任务，如实时监控和目标识别。这使得小模型在智能运维和应急响应中具有不可或缺的地位。

小模型在能源电力领域的应用逐渐暴露出一些困境。电网企业早期多从图像处理等基础人工智能场景入手，如人脸识别、故障识别等，但随着应用深入，小模型的局限性逐渐显现。小模型在单一模型识别中误判率较高，且由于数据样本获取困难（尤其是主设备故障类别样本少，即小样本情况），训练准确度受影响较大，对小目标检测和复杂场景分析能力有限，制约了实际生产应用效率。

因此，在面对多变的电力需求和复杂的网络状况时，单一依赖小模型可能导致决策效果欠佳。

为改进小模型的应用，可采取多种措施。

例如，采用多层神经网络解决单一模式问题，进行内容微调与强化学习以提升认知能力。

观点融合：大模型与小模型的协同发展

在实际应用中，大模型与小模型并不是对立的，而是可以形成良好的协同关系。

大模型提供了强大的数据处理和深度学习能力，而小模型则在特定场景下提供了快速、灵活的解决方案，它们的协同发展将成为推动行业智能化的关键。

国网浙江省电力公司杭州供电公司科技部副主任孙智卿也分享了他们在电力现场安监管控中的实践。他们采用了大小模型融合的方式，通过小模型进行初步定位，大模型进行综合研判，形成了一个高效的协同框架。这种方法不仅提高了违章行为的识别准确率，还减少了对现场作业的影响。

卢志良也强调了大模型与小模型结合的重要性。他指出，尽管大模型在准确度和泛化能力上具有明显优势，但其高计算成本和对数据的高需求也带来了挑战。而小模型则因其训练速度快、成本低而被广泛采用，但容易受到样本量不足的影响。因此，将两者结合，取长补短，是当前解决实际问题的有效途径。

确实，通过数据融合与模型集成，可以将大模型的全局视野与小模型的局部优势相结合，优化整体决策过程。

例如，大模型可以负责长周期的能源管理与规划，而小模型可以处理短期的电力调度与监测任务。这种动态协作不仅提高了决策的精准性，也确保了系统的高效运行。这种协同框架不仅适用于电力行业，也可以推广到其他能源领域。

数据安全与未来挑战

在推动人工智能应用的同时，数据的安全与隐私保护始终是行业必须关注的重点。

中国石油天然气集团有限公司网络安全专家中心主任刘磊强调了安全与可信在能源行业人工智能应用中的重要性。他指出，随着人工智能技术的深入应用，其带来的安全风险也日益凸显。因此，必须建立健全的安全管理体系，确保人工智能技术在能源领域的安全可靠应用。他提出了多项措施，如责任划分、持续监控、风险评估等，确保AI应用的安全可靠。

确实，大模型的高要求使得数据的合规使用成为一大挑战，如何在利用大数据的同时，确保个人隐私和数据安全，非但关系到企业信誉，也直接影响公众对人工智能技术的信任。建立健全的安全体系，确保数据的隐私和安全，是推动AI技术健康发展的必要条件。同时，也要加强法律法规和技术标准的制定，为AI技术的广泛应用提供保障。

2024 年能源行业人工智能应用大赛

值得一提的是，大会现场，2024 年能源行业人工智能应用大赛竞赛成绩也同期公布，并现场颁奖。

一等奖合照

三等奖合照

大赛为能源行业的人工智能技术研究和应用提供了实践平台，鼓励参赛者开发新的算法和模型，推动了技术创新和发展。

与此同时，大赛吸引了众多高校、科研机构和企业的参与，促进了学术界与产业界的交流合作，有助于将研究成果转化为实际应用。

通过大赛，参赛者可以针对能源行业中的实际问题提出解决方案，如提高能源效率、优化能源结构、增强能源系统的稳定性等。可以激发企业和科研机构的创新热情，促进新技术、新方法在能源领域的探索和应用。

大赛汇聚的来自不同领域专家和企业，更是促进了跨行业、跨领域的合作与交流。这种合作不仅有助于解决复杂问题，还能加速技术的推广和应用。

人工智能在能源领域的应用从理论到实践正不断深入。

2024年能源人工智能创新发展大会展示了电力、能源、大模型、小模型等不同领域的观点交锋与融合。这些观点不仅为我们提供了对人工智能技术在能源电力等领域应用的深入理解，也为行业的未来发展指明了方向。

未来，随着技术的不断革新与应用场景的不断拓展，我们有理由相信，AI将为能源行业带来更加美好的明天。