中國儲能網訊：2025世界人工智能大會期間，由南方電網公司承辦的“‘AI+’電力創(chuàng)新發(fā)展”專題論壇于7月27日在上海世博中心舉辦，與會的院士、學者、電網運營商及AI生態(tài)企業(yè)代表，圍繞人工智能驅動全球能源電力的生態(tài)發(fā)展，深入探討“AI+電力”的最新進展和創(chuàng)新實踐。
隨著新能源裝機和并網比例的持續(xù)提升，傳統(tǒng)源荷預測方法已難以滿足復雜電網精準調控的需求。人工智能方法為解決此類問題提供了新思路，但如何提升人工智能與電力系統(tǒng)的適應性，成為行業(yè)關注的核心議題。
會議期間，《南方能源觀察》（以下簡稱“eo”）記者專訪了清華大學電機系教授陸超，圍繞人工智能在電力系統(tǒng)中的安全邊界、發(fā)展痛點及經濟性等問題展開交流。陸超主要從事電力系統(tǒng)分析與控制、人工智能應用技術等研究。他認為，需以“數據-機理融合”架構提升人工智能在新型電力系統(tǒng)中應用的可靠性，并強調提升數據質量，將仿真數據和與實際系統(tǒng)特性對齊。探索人工智能與電力系統(tǒng)深度融合的有效路徑，提高訓練所需的數據質量，以及學習過程和結果的可解釋性，是“AI+電力”真正落地的關鍵。
推進AI與電力深度融合要注意風險可控
eo：您如何評價當前電力系統(tǒng)的人工智能應用情況？
陸超：目前，電力AI技術研究和應用仍處于初級階段。人工智能在源荷預測、智能巡檢、智能客服等輔助任務中已有良好表現。
但是，隨著電力系統(tǒng)向高比例可再生能源與高比例電力電子設備的“雙高”形態(tài)發(fā)展，控制規(guī)模呈指數級增長、故障形態(tài)和連鎖反應特性更加復雜，對決策速度要求更高?，F階段的大模型技術仍無法支撐整個系統(tǒng)的安穩(wěn)分析控制，在調度控制等核心任務應用上面臨可靠性、可信性挑戰(zhàn)，需要持續(xù)推進“數據-機理融合”方向的研究。
eo：自動駕駛與電力系統(tǒng)在規(guī)模和復雜性上差距巨大，前者尚未能實現大規(guī)模安全應用，那在電力系統(tǒng)中，人工智能應用應當如何考慮安全發(fā)展的路徑？
陸超：人工智能在電力系統(tǒng)的應用一定是一個循序漸進的過程，要實現“完全安全”仍有不小挑戰(zhàn)，因此要選擇合適的場景和階段逐步應用。
第一階段可以先從交易類場景入手，例如電力市場輔助決策。這些環(huán)節(jié)可能會對經濟指標產生影響，但不至于引發(fā)安全事故，不會對系統(tǒng)運行造成實質性風險。
第二階段可延伸至非實時決策場景。這類場景對安全性有一定要求，但風險相對可控。我們可以通過多種手段進行結果驗證，在確保底線安全的前提下，逐步擴大AI控制的范圍。
第三階段是實時閉環(huán)控制，讓人工智能具備持續(xù)、安全地輸出控制指令的能力。這一階段對算法精度、決策時效和穩(wěn)定性的要求最高，必須在前兩階段充分驗證的基礎之上慎重推進。
融合路徑與高質量數據是關鍵
eo：要構建可信的智能電力系統(tǒng)，迫切需要補齊哪些短板？
陸超：一方面是融合路徑，即人工智能如何與電力系統(tǒng)、特別是調度運行體系深度結合。即便“AI for Science”（人工智能驅動科學研究）路徑能依據通用規(guī)律來處理問題，在數學證明、生物制藥、材料設計等領域有足夠的應用空間，但在電力領域還不完全適用。電力系統(tǒng)節(jié)點多、復雜度高、要求嚴，如何將科學計算和人工智能大模型技術結合到一起，目前還沒有非常清晰的路徑。
另一方面是高質量的數據。電力系統(tǒng)數據的專業(yè)性極強，尤其是涉及到運行、調度生產相關的數據。這些數據不僅規(guī)模大、存儲難度高，而且要求數據標注人員具備十分豐富的行業(yè)經驗。目前訓練使用的數據以仿真數據為主，因為實測數據大多都是穩(wěn)定運行的數據，失穩(wěn)數據較少，樣本十分不均衡。所以，如何將仿真數據和與實際系統(tǒng)特性對齊、提升數據質量，是AI真正落地的“最后一公里”。這項工作所需投入巨大，對于未來人工智能實現真正的大規(guī)模應用會產生實質性的影響。
eo：放眼全球，我國在電力智能方面處于什么位置？
陸超：從全球看，人工智能在電力系統(tǒng)中的應用還處于起步階段，大家基本上站在同一起跑線。相比之下，美國的AI技術生態(tài)和資源條件較好，是其優(yōu)勢所在。而我國的優(yōu)勢在于電力系統(tǒng)基礎扎實、數據資源豐富，近年來的快速發(fā)展和運行經驗積累，也為人工智能在電力系統(tǒng)中的應用奠定了堅實基礎。加之政府、企業(yè)和高校對AI技術的高度重視，我國有望在應用創(chuàng)新和落地方面實現較快發(fā)展。
AI應用整體回報大于能耗成本
eo：人工智能既是“能耗大戶”，又被寄希望于提升能源效率和推動能源轉型。您如何看待這種雙面性？
陸超：這兩方面并不矛盾。人工智能確實會帶來更大的能耗，但它支撐了社會的整體技術進步，為各行各業(yè)帶來了巨大的效率提升和結構性變革。在推動社會進步的進程中，新興技術需要更多的能源供給，是很正常的需求。
另一方面，人工智能本身是應對能源系統(tǒng)復雜性的重要工具。隨著高比例新能源的接入，電力系統(tǒng)在平衡和穩(wěn)定方面所面臨的挑戰(zhàn)，已經超出傳統(tǒng)手段的調節(jié)能力。新型電力系統(tǒng)的可控對象從以“源”為主擴展到“源網荷儲”各環(huán)節(jié)，安全穩(wěn)定機理愈發(fā)復雜，控制規(guī)模呈指數級增長。如果人工智能技術能夠支撐起一個如此復雜的能源供應體系，將極大增強整個電力系統(tǒng)的調控能力。反過來，電力系統(tǒng)的數字化轉型也將為人工智能提供更好的發(fā)展土壤，可以更好地支撐全社會的技術進步，這是一個相互促進的過程。
eo：在促進“AI+電力”落地的過程中，如何平衡投入與產出的關系？
陸超：經濟性始終是決定一項技術能否成功落地的關鍵因素。我們當然關注人工智能的經濟性，但這必須放在整個系統(tǒng)收益的視角下進行評估。當電力系統(tǒng)所面臨的挑戰(zhàn)已無法通過傳統(tǒng)手段解決時，相比于AI的研發(fā)投入，更本質的問題是：系統(tǒng)是否還能正常運行。
在AI技術應用初期，一些場景已展現出良好的投入產出比。例如，在巡檢與運維環(huán)節(jié)，AI技術已明顯降低了人力和物力成本。未來幾年內，如果在更多關鍵領域也能實現類似的效果，AI應用的整體經濟性將逐步顯現。從長期看，經濟性將是決定人工智能能否在電力系統(tǒng)中實現大規(guī)模推廣的核心變量。
eo：從系統(tǒng)角度看，數據中心大規(guī)模部署可能導致電力供應緊張，甚至影響區(qū)域電力平衡。您認為未來如何促進電-算協(xié)同發(fā)展？
陸超：數據中心等AI算力設施應當納入電力系統(tǒng)的統(tǒng)一規(guī)劃之中。一方面，從服務器供電到冷卻系統(tǒng)的能耗，數據中心的運行可與周邊新能源場站聯動，實現就近配套。另一方面，數據中心對局部電網網架結構、負荷分布的影響，也應在整體電力規(guī)劃中統(tǒng)籌考慮。
我們國家的電網在柔性調節(jié)、電算協(xié)同能力建設方面基礎良好，近年來也啟動了多個國家級科研項目支持相關融合工作，可以充分利用已有的能力和資源。所以，未必需要為人工智能專設“特供通道”，而應通過優(yōu)化調度、源網荷儲聯動等機制，在現有體系內實現算力與電力的協(xié)同發(fā)展。
