新型電力系統建設與能源物理系統、產業系統、經濟系統、社會系統存在廣泛且緊密的聯系，多系統“源網荷儲數碳”協同互動需要人工智能技術支撐。
新型電力系統在電源結構、電網形態、負荷特性和儲能形態方面展現出新的變化與發展趨勢，均對人工智能應用提出需求，可以由狀態感知、特征建模、趨勢預測、優化控制四類人工智能基本方法及其組合進行解決，但不同類型方法的應用成熟水平存在差異，因此建議電力行業企業可以分類采取“建立統一技術底座”“同步推進技術方案與配套機制建立”兩大類策略推進人工智能應用。
一、新型電力系統建設對人工智能的應用需求
新型電力系統“雙高”特性持續增強，在源荷強不確定性和高度電力電子化兩方面因素影響下，電力系統必須實現從對可再生能源并網“被動適應不確定性”模式向“主動構建友好互動”模式的轉變，關鍵需要解決源荷儲動態波動下的電網形態演化、規劃設計與運行調控問題。在新的發展形勢下，這些問題呈現出隨機、耦合、新機理等復雜特征，因此需要利用人工智能在應對復雜非線性難題上的求解優勢。
一是人工智能支撐新能源出力預測，降低電源側不確定性。伴隨著新能源滲透率的不斷提高，其發電間歇性和波動性對電網造成的影響愈加明顯。通過高質量的天氣預報以及氣象要素與新能源功率之間的映射關系學習，提升新能源功率預測精度，此外還能夠對風機、光伏板健康狀態進行評估，并對新能源并網震蕩進行分析與風險評估。
二是人工智能支撐電網形態演化、拓撲優化與運行調控，提升電網側安全穩定運行水平。利用人工智能技術對電網多維海量量測信息進行特征挖掘融合，以實現在電網運行方式調整、電網運行故障預警診斷、電網暫態穩定分析等方面的突破。
三是人工智能支撐負荷預測與優化，提升負荷資源調控能力。在負荷波動性大、超短期電力需求難以預測的場景下，通過集成學習融合多種技術優勢，能夠較為穩定地輸出更準確的預測結果。還可以利用強化學習、遷移學習對電動汽車、智能樓宇、虛擬電廠等可調負荷進行充電調度和成本控制，最優化負荷運行模式。
四是人工智能支撐儲能介質狀態評估，提升儲能系統安全調控能力。人工智能對電池等儲能介質物理模型及運行參數依賴程度低，在系統狀態評估、預測分析及協同調控等領域可以廣泛應用，可對燃料電池的系統振蕩和動態變化過程進行分析、預測電池剩余使用壽命、優化復合儲能的協調控制策略。
按照數據處理方式1，可以將支撐新型電力系統建設的人工智能方法劃分為狀態感知、特征建模、趨勢預測、優化控制四類基本方法。近期大模型、科學計算、具身智能等人工智能先進技術取得突出進展和廣泛關注，本質上是多種基本方法的組合2。電力系統中的分析需求基本可由四種方法解決，但成熟水平存在差異，需要根據不同基本方法應用現狀與特點進行分類研究。
二、人工智能技術應用現狀與特點
（一）狀態感知類：識別源網荷儲各環節運行異常態勢，成熟水平較高，但仍然存在發展不均衡的問題
應用場景：對電力系統運行的正常態和異常態進行識別、區分并報警。覆蓋設備、調度、營銷、發展、綜合等各專業，包括輸變配設備狀態異常監測、一次能源儲量監測、現場違規作業報警、微地形微氣象變化監測、分布式儲能充放電模式異常識別等。
應用現狀：狀態感知類技術在電網業務應用最為充分，在成熟度較高的推廣型人工智能應用場景中占比最高，達到60%3，在無人機智能巡檢、違章作業管控等業務中已經實現“智巡為主、人巡為輔”。
問題特點：不同場景異常態識別精度差異較大，智能巡檢場景中最優準確率超過90%，但平均準確率僅85%，無法完全脫離業務人員盯防。
（二）特征建模類：模擬電力系統及相關主體運行規律，應用成熟水平較低，仍處于試點探索階段
應用場景：綜合考慮電力系統運行的物理邏輯、環境變量和相關主體行為的復雜因素，模擬電力系統運行規律。應用場景包括電力系統仿真、電源出力模式識別、負荷用電模式識別、電網穩定運行模式分析等。
應用現狀：目前電力系統規劃人工智能應用場景中，特征建模類聚焦于配電網，僅占全部規劃場景的7%，仍處于試點探索階段，成熟水平較低。
問題特點：伴隨電力系統“雙高”特性持續凸顯，對電力系統運行特征與態勢進行建模的復雜度也急劇上升，系統環境復雜、影響因素多，模型研發難度大，雖然當前AI4S4支撐電力系統仿真等相關科學研究有所推進，但在實際業務中的應用仍處于起步階段。
（三）趨勢預測類：預測分布式新能源出力及負荷等源荷波動情況，應用成熟水平較低，模型準確性與權威性難以達成共識
應用場景：基于電力系統歷史運行情況和外部環境變化預測未來發展態勢。應用場景包括新能源出力預測、負荷需求預測、極端天氣預測等。
應用現狀：國家電網人工智能規模化應用專項行動方案中預測類場景主要涉及源荷預測，占全部規劃場景比重為14%，且均處于培育階段。此外，各單位已分散開展工業增加值、宏觀經濟、負荷等預測模型的研究與應用5。
問題特點：當前預測類模型研發探索較多，但模型的權威性、準確性難以達成一致，同類預測模型難以實現在不同地區不同主體之間的共建共享。
（四）優化控制類：優化電力系統規劃布局和調度策略，應用成熟水平低，對業務人員參與需求高
應用場景：在配電網安全穩定運行等特定目標、限制環境中，從多項策略中選擇最優或優化現有策略。應用場景包括配網規劃改造、調度優化決策、可調負荷調度優化、分布式電源與儲能調度優化、應急策略組合優化、跨區域聯合決策協同優化等。
應用現狀：電網控制優化是電力系統人工智能應用的核心領域，目前主要在生產檢修和電網調度兩個場景布局培育，仍不具備規模化試點推廣條件，應用成熟水平低。
問題特點：此類場景模型研發依賴理想假設條件，導致模型量化因素與現實環境存在差異，難以直接將模型優化策略用于實際業務，需要業務專家參與進行綜合評估。
總體來看，狀態感知類場景應用成熟水平最高，是當前最能直接發揮人工智能支撐作用的場景；特征建模、趨勢預測和優化控制類場景應用成熟水平較低，由于模型研發難度大、權威性難以統一、適用環境存在差異等挑戰，使得這三類場景應用短期內難以脫離業務人員參與，但人工智能仍然可以發揮必要的海量數據處理、隱藏知識挖掘和關鍵信息推送等方面支撐作用。
三、人工智能技術應用的推進策略
（一）總體推進策略
按照成熟水平和業務人員參與需求差異，電力行業企業可分“建立統一技術底座”和“同步推進技術方案與配套機制建立”兩類策略推進人工智能在電力系統中的應用。
一是對于人工智能應用成熟水平較高、業務人員參與需求較低的狀態感知類場景，建立統一技術底座。選取此類業務需求豐富和技術能力優秀的相關單位，分場景逐步攻關建立起高質量的樣本基礎和模型體系。
二是對于人工智能應用成熟水平較低、業務人員參與需求較高的特征建模、趨勢預測、優化控制類場景，同步推進技術方案與配套機制建立。針對每類場景各選取一項典型分析需求，按照“研發與應用同步推進”原則，由優勢單位組成專項攻關小組，融合業務與技術優勢，同步開展人工智能解決方案及其配套管理機制研究，確保模型真正發揮對人類決策的支撐作用。
（二）分類推進策略
一是狀態感知類，建立重點設備清單，按序開展樣本治理與模型研發。此類場景分析需求明確，方法成熟度高，可直接依據場景緊迫性，按序推進研發應用。下一步可聚焦大型充油設備、重過載主變、密集輸電通道等重點設備，針對目標設備開展異常檢測的樣本治理與模型研發。
二是特征建模類，聚焦配電網仿真應用場景，結合配電網運行環境相對簡單與主體完備的優勢，先行探索限制環境下的電網運行規則。針對此類場景的方法研發與應用成熟度低，主要依賴業務人員管理經驗，但已無法應對系統復雜度的迅速提升，需要加快規則歸納類方法在電網應用的布局推進。下一步可從配電網電力系統仿真入手，將電網網架結構、地理環境等靜態信息與電源、負荷、氣象等動態信息融合起來，優化電力系統仿真模型，支撐相關主體行為模式發現。
三是趨勢預測類，聚焦東部省份負荷預測問題開展先行探索，形成具有區域特色的權威模型。此類場景已開展大量探索，但模型規范性和推演結果權威性不足，難以規模應用，需要集中優勢力量攻關形成權威精確的模型體系，以供各單位應用與相互協同。下一步可在江蘇、浙江兩個電力缺口較大且研發力量雄厚的省份成立專項攻關團隊，針對東部省份經濟發展與地理特征，開展負荷需求預測模型研發與試點應用。
四是優化控制類，選擇配電網負荷管理調度這一迫切問題，同步開展模型研發與配套機制建立。此類場景目前基本依賴業務人員經驗進行策略選擇與執行，尚無人工智能方法直接應用，但自動駕駛的持續推廣應用展示出策略選擇類的人工智能技術可以用于復雜系統的決策控制，因此有必要開展超前探索與試點應用。下一步可針對配電網中可調負荷調度優化問題，開展專項攻關，探索人工智能解決方案與配套機制，超前布局可能顛覆電網運行模式的技術路線。
聯系地址：陜西省西安市北關正街35號方興大廈8樓
