近日，國家發展改革委、國家能源局印發的《關于推進“人工智能+”能源高質量發展的實施意見》（以下簡稱《實施意見》）提出，到2027年，我國能源與人工智能融合創新體系初步構建，算力與電力協同發展根基不斷夯實，人工智能賦能能源核心技術取得顯著突破，應用更加廣泛深入。到2030年，能源領域人工智能專用技術與應用總體達到世界領先水平。這意味著，能源與人工智能協同發展的路徑日漸清晰。
加強系統謀劃
人工智能與能源會擦出什么火花？在國網安徽南陵縣供電公司一座110千伏變電站，以往需要運維人員手持儀器、跋涉記錄的傳統變電站巡檢場景，正被一套高度智能化的新模式取代。巡檢主角不再是“老師傅”，變電站處處可見的智能高清攝像頭負責采集海量數據，然后將其通過高速5G網絡實時回傳至云端AI分析平臺。平臺內置的深度學習算法模型，經過海量變電站設備缺陷樣本訓練，具備強大的圖像識別與診斷能力。
“它能自動識別絕緣子是否有臟污、設備是否有異物等?！痹摴咀冸娺\維班班長馮振說，“從數據采集到分析生成報告，全程無需人工干預，缺陷識別準確率超95%，效率提升數十倍?！?/span>
能源領域創新創業高度活躍，具有數字化基礎好、數據質量高、應用場景豐富等比較優勢，已經成為人工智能應用的重要陣地?？偟膩砜?，我國能源領域已形成了場景覆蓋廣泛的人工智能發展格局。
國家能源局科技司相關負責人表示，隨著越來越多場景融入人工智能應用，亟需加強頂層設計和系統謀劃，加快推動人工智能技術在能源領域深度應用，帶動能源整體性變革，助力加快構建新型能源體系。
統籌考慮能源領域人工智能應用實際，《實施意見》提出能源領域人工智能發展的分階段目標：到2027年，挖掘十個以上可復制、易推廣、有競爭力的重點示范項目，探索百個典型應用場景賦能路徑，制定完善百項技術標準，培育一批行業級研發創新平臺，形成符合我國國情的能源領域人工智能技術創新發展模式。到2030年，聚焦自主可控、深度賦能、國際領先，在前期技術積累和場景驗證的基礎上，著力推動能源領域人工智能專用技術實現體系化突破與規?；涞亍?/span>
拓展應用場景
推動人工智能在能源領域規?；涞?，應用場景是關鍵。各類能源系統由于特性差異，發展程度不盡相同。其中，電網系統已經進入智能化階段，是能源數字化先行領域。
7月30日4時30分前后，今年第8號臺風“竹節草”在浙江沿海登陸，給浙江多地帶來風雨影響。當天8時19分，國網嘉興供電公司當值調控員蔡云杰在人工智能虛擬總指揮長“啟航”協助下，迅速完成了一起跳閘故障處置。
配電網調度指揮點多面廣，尤其遇到極端天氣，調控人員處置故障時要開展故障基本信息、保護及自動化裝置動作信息等多項信息梳理分析，工作量較大。
“目前，我們在平湖地區已試點形成以值班調控人員為主、‘啟航’為輔的調控運行模式，使配網調度指揮信息獲取時間縮短30%，關鍵業務處置效率提升40%以上?！眹W嘉興供電公司電力調度控制工作人員龔利武說。
能源新業態更是人工智能應用的沃土。在山東濱州，一家新型獨立儲能電站正在通過AI技術判斷各個時間段的電價走勢。遠景山東濱州智慧儲能電站站長翟文榮表示：“我們的系統搭載AI交易智能體，精準預測日前電價與實時電價，自動生成交易策略，具備自動化交易能力。目前這個站的峰谷價差預測準確率達到95%。”
為進一步拓展人工智能應用，《實施意見》圍繞煤、電、油、氣各能源品種，系統部署了“人工智能+”電網、能源新業態、新能源、水電、火電、核電、煤炭、油氣八大應用場景，推動能源領域共享人工智能發展紅利，培育壯大能源新產業新模式。
破解發展瓶頸
相較于能源行業的高安全性與強專業性，以及對決策容錯率和知識體系完備性的嚴苛要求，人工智能技術在能源領域應用仍然存在技術可靠性不足、數據基礎較為薄弱、電算供需逆向分布等不容忽視的問題與挑戰。
中國南方電網有限責任公司數字化部總經理龍云介紹，南方電網在發展人工智能之初，就充分認識到人工智能算力基礎設施投入巨大、模型技術要求高、高質量數據需求量大、場景建設機制待建立、復合型人才稀缺等一系列挑戰。當前行業中普遍存在資源、技術和信息“三大壁壘”，造成“三大矛盾”日益凸顯，疊加電力系統天然的高安全、高穩定、高質效要求，制約了人工智能大規模、工程化落地應用。
共建生態被認為是破解當前發展瓶頸的關鍵鑰匙。龍云表示，依靠單一企業、純市場機制難以突破“三大壁壘”，因此，需要在政府引導下，建立公共性、中心化資源配置平臺，聚集關鍵資源，降低進入門檻，加速供需匹配，培育高端人才。
“能源領域智能化轉型，需要上下協同發力，部門協調配合?！眹夷茉淳挚萍妓鞠嚓P負責人表示，將綜合考慮煤電油氣各行業應用潛力、成熟度、帶動作用等因素，遴選一批能源領域人工智能應用高價值場景，鼓勵企業、科研院所、高校等各類創新主體建設高水平研發創新平臺和創新聯盟，促進產學研用深度融合。探索建設行業級人工智能應用測試平臺，有效協同企業自主研發的大模型，解決大模型“重復造輪子”問題，避免先進算力和能源資源被過度消耗。