新型电力系统建设与能源物理系统、产业系统、经济系统、社会系统存在广泛且紧密的联系，多系统“源网荷储数碳”协同互动需要人工智能技术支撑。
新型电力系统在电源结构、电网形态、负荷特性和储能形态方面展现出新的变化与发展趋势，均对人工智能应用提出需求，可以由状态感知、特征建模、趋势预测、优化控制四类人工智能基本方法及其组合进行解决，但不同类型方法的应用成熟水平存在差异，因此建议电力行业企业可以分类采取“建立统一技术底座”“同步推进技术方案与配套机制建立”两大类策略推进人工智能应用。
一、新型电力系统建设对人工智能的应用需求
新型电力系统“双高”特性持续增强，在源荷强不确定性和高度电力电子化两方面因素影响下，电力系统必须实现从对可再生能源并网“被动适应不确定性”模式向“主动构建友好互动”模式的转变，关键需要解决源荷储动态波动下的电网形态演化、规划设计与运行调控问题。在新的发展形势下，这些问题呈现出随机、耦合、新机理等复杂特征，因此需要利用人工智能在应对复杂非线性难题上的求解优势。
一是人工智能支撑新能源出力预测，降低电源侧不确定性。伴随着新能源渗透率的不断提高，其发电间歇性和波动性对电网造成的影响愈加明显。通过高质量的天气预报以及气象要素与新能源功率之间的映射关系学习，提升新能源功率预测精度，此外还能够对风机、光伏板健康状态进行评估，并对新能源并网震荡进行分析与风险评估。
二是人工智能支撑电网形态演化、拓扑优化与运行调控，提升电网侧安全稳定运行水平。利用人工智能技术对电网多维海量量测信息进行特征挖掘融合，以实现在电网运行方式调整、电网运行故障预警诊断、电网暂态稳定分析等方面的突破。
三是人工智能支撑负荷预测与优化，提升负荷资源调控能力。在负荷波动性大、超短期电力需求难以预测的场景下，通过集成学习融合多种技术优势，能够较为稳定地输出更准确的预测结果。还可以利用强化学习、迁移学习对电动汽车、智能楼宇、虚拟电厂等可调负荷进行充电调度和成本控制，最优化负荷运行模式。
四是人工智能支撑储能介质状态评估，提升储能系统安全调控能力。人工智能对电池等储能介质物理模型及运行参数依赖程度低，在系统状态评估、预测分析及协同调控等领域可以广泛应用，可对燃料电池的系统振荡和动态变化过程进行分析、预测电池剩余使用寿命、优化复合储能的协调控制策略。
按照数据处理方式1，可以将支撑新型电力系统建设的人工智能方法划分为状态感知、特征建模、趋势预测、优化控制四类基本方法。近期大模型、科学计算、具身智能等人工智能先进技术取得突出进展和广泛关注，本质上是多种基本方法的组合2。电力系统中的分析需求基本可由四种方法解决，但成熟水平存在差异，需要根据不同基本方法应用现状与特点进行分类研究。
二、人工智能技术应用现状与特点
（一）状态感知类：识别源网荷储各环节运行异常态势，成熟水平较高，但仍然存在发展不均衡的问题
应用场景：对电力系统运行的正常态和异常态进行识别、区分并报警。覆盖设备、调度、营销、发展、综合等各专业，包括输变配设备状态异常监测、一次能源储量监测、现场违规作业报警、微地形微气象变化监测、分布式储能充放电模式异常识别等。
应用现状：状态感知类技术在电网业务应用最为充分，在成熟度较高的推广型人工智能应用场景中占比最高，达到60%3，在无人机智能巡检、违章作业管控等业务中已经实现“智巡为主、人巡为辅”。
问题特点：不同场景异常态识别精度差异较大，智能巡检场景中最优准确率超过90%，但平均准确率仅85%，无法完全脱离业务人员盯防。
（二）特征建模类：模拟电力系统及相关主体运行规律，应用成熟水平较低，仍处于试点探索阶段
应用场景：综合考虑电力系统运行的物理逻辑、环境变量和相关主体行为的复杂因素，模拟电力系统运行规律。应用场景包括电力系统仿真、电源出力模式识别、负荷用电模式识别、电网稳定运行模式分析等。
应用现状：目前电力系统规划人工智能应用场景中，特征建模类聚焦于配电网，仅占全部规划场景的7%，仍处于试点探索阶段，成熟水平较低。
问题特点：伴随电力系统“双高”特性持续凸显，对电力系统运行特征与态势进行建模的复杂度也急剧上升，系统环境复杂、影响因素多，模型研发难度大，虽然当前AI4S4支撑电力系统仿真等相关科学研究有所推进，但在实际业务中的应用仍处于起步阶段。
（三）趋势预测类：预测分布式新能源出力及负荷等源荷波动情况，应用成熟水平较低，模型准确性与权威性难以达成共识
应用场景：基于电力系统历史运行情况和外部环境变化预测未来发展态势。应用场景包括新能源出力预测、负荷需求预测、极端天气预测等。
应用现状：国家电网人工智能规模化应用专项行动方案中预测类场景主要涉及源荷预测，占全部规划场景比重为14%，且均处于培育阶段。此外，各单位已分散开展工业增加值、宏观经济、负荷等预测模型的研究与应用5。
问题特点：当前预测类模型研发探索较多，但模型的权威性、准确性难以达成一致，同类预测模型难以实现在不同地区不同主体之间的共建共享。
（四）优化控制类：优化电力系统规划布局和调度策略，应用成熟水平低，对业务人员参与需求高
应用场景：在配电网安全稳定运行等特定目标、限制环境中，从多项策略中选择最优或优化现有策略。应用场景包括配网规划改造、调度优化决策、可调负荷调度优化、分布式电源与储能调度优化、应急策略组合优化、跨区域联合决策协同优化等。
应用现状：电网控制优化是电力系统人工智能应用的核心领域，目前主要在生产检修和电网调度两个场景布局培育，仍不具备规模化试点推广条件，应用成熟水平低。
问题特点：此类场景模型研发依赖理想假设条件，导致模型量化因素与现实环境存在差异，难以直接将模型优化策略用于实际业务，需要业务专家参与进行综合评估。
总体来看，状态感知类场景应用成熟水平最高，是当前最能直接发挥人工智能支撑作用的场景；特征建模、趋势预测和优化控制类场景应用成熟水平较低，由于模型研发难度大、权威性难以统一、适用环境存在差异等挑战，使得这三类场景应用短期内难以脱离业务人员参与，但人工智能仍然可以发挥必要的海量数据处理、隐藏知识挖掘和关键信息推送等方面支撑作用。
三、人工智能技术应用的推进策略
（一）总体推进策略
按照成熟水平和业务人员参与需求差异，电力行业企业可分“建立统一技术底座”和“同步推进技术方案与配套机制建立”两类策略推进人工智能在电力系统中的应用。
一是对于人工智能应用成熟水平较高、业务人员参与需求较低的状态感知类场景，建立统一技术底座。选取此类业务需求丰富和技术能力优秀的相关单位，分场景逐步攻关建立起高质量的样本基础和模型体系。
二是对于人工智能应用成熟水平较低、业务人员参与需求较高的特征建模、趋势预测、优化控制类场景，同步推进技术方案与配套机制建立。针对每类场景各选取一项典型分析需求，按照“研发与应用同步推进”原则，由优势单位组成专项攻关小组，融合业务与技术优势，同步开展人工智能解决方案及其配套管理机制研究，确保模型真正发挥对人类决策的支撑作用。
（二）分类推进策略
一是状态感知类，建立重点设备清单，按序开展样本治理与模型研发。此类场景分析需求明确，方法成熟度高，可直接依据场景紧迫性，按序推进研发应用。下一步可聚焦大型充油设备、重过载主变、密集输电通道等重点设备，针对目标设备开展异常检测的样本治理与模型研发。
二是特征建模类，聚焦配电网仿真应用场景，结合配电网运行环境相对简单与主体完备的优势，先行探索限制环境下的电网运行规则。针对此类场景的方法研发与应用成熟度低，主要依赖业务人员管理经验，但已无法应对系统复杂度的迅速提升，需要加快规则归纳类方法在电网应用的布局推进。下一步可从配电网电力系统仿真入手，将电网网架结构、地理环境等静态信息与电源、负荷、气象等动态信息融合起来，优化电力系统仿真模型，支撑相关主体行为模式发现。
三是趋势预测类，聚焦东部省份负荷预测问题开展先行探索，形成具有区域特色的权威模型。此类场景已开展大量探索，但模型规范性和推演结果权威性不足，难以规模应用，需要集中优势力量攻关形成权威精确的模型体系，以供各单位应用与相互协同。下一步可在江苏、浙江两个电力缺口较大且研发力量雄厚的省份成立专项攻关团队，针对东部省份经济发展与地理特征，开展负荷需求预测模型研发与试点应用。
四是优化控制类，选择配电网负荷管理调度这一迫切问题，同步开展模型研发与配套机制建立。此类场景目前基本依赖业务人员经验进行策略选择与执行，尚无人工智能方法直接应用，但自动驾驶的持续推广应用展示出策略选择类的人工智能技术可以用于复杂系统的决策控制，因此有必要开展超前探索与试点应用。下一步可针对配电网中可调负荷调度优化问题，开展专项攻关，探索人工智能解决方案与配套机制，超前布局可能颠覆电网运行模式的技术路线。
联系地址：陕西省西安市北关正街35号方兴大厦8楼
