人工智能与能源深度融合大有可为

　　人工智能(AI)与能源系统深度融合，正成为推进新型能源系统建设的重要路径。在新型能源系统建设过程中，可再生能源大规模并网带来的间歇性、随机性问题日益凸显，电力调度复杂度也显著上升，亟须借助以大模型和多模态模型为代表的人工智能技术，提升系统运行效率和安全性。

　　当前，新型能源系统发展具有以下特点：其一，可再生能源的消纳难度加大和预测精度不足给系统稳定性带来挑战。其二，电力调度复杂度提升，传统“源随荷动”的调度方式正逐步向“源网荷储多元协同调控”模式转型。其三，灵活性资源的配置与协调存在困难，“富煤、缺油、少气”的能源禀赋制约了快速响应燃气机组和储能的发展。

　　而大模型赋能实现可再生能源精准预测、多目标协同智能调度、资源一体化智能协调。随着新型电力系统对预测精度要求不断提高，传统方法已难以应对复杂动态环境，大模型则展现出较强的时空特征提取能力，可自动学习气象与功率输出的非线性关系。如远景能源推出全球首个伽利略AI风储一体机，将风机、储能与AI大模型融合，基于“远景天机”气象模型实现精准预测；蚂蚁数科的EnergyTS大模型在光伏场景表现优异，T+1天预测平均绝对误差0.0233，较谷歌TimesFM-V2.0提升22.4%，T+3天提升46.8%。大模型在储能管理中也能够提升效率、降低损耗、优化电池寿命，并实现云端短路诊断、异常电压/温度诊断及主动安全预警。

　　要加快AI与能源深度融合，该如何落地？

　　一是从国家层面完善数据要素统筹机制。建议从顶层设计入手，建立能源公共数据资源登记制度，编制统一数据目录，实施分类分级确权与授权机制。针对电力调度、运行、统计等不同数据类别，制定差异化开放规则。推动监管部门建立“统一归集、统一管理、统一开放”模式，建设国家能源数据开放平台，提供标准化接口与服务。依托全国一体化数据市场，设立能源数据交易板块，制定交易标准和定价机制。探索建立能源数据流通体系，将优质企业数据纳入资产管理，推动数据资产化。

　　二是打造绿色智能算力新基建。建议统筹全国绿色算力基础设施布局，建设普惠、绿色、安全的综合算力体系。深化“东数西算”工程，完善东西部算力协同调度机制，实现通用算力、智能算力和超级算力加速集聚。新建数据中心要逐步提升可再生能源使用比例，改造老旧基站和小散数据中心；鼓励源网荷储技术与风光融合发展，实现就近消纳。完善绿色算力标准和监管体系，落实能效限定值和等级标准，提高算力碳效水平。同时，构建普惠化算力服务体系，支持地方探索“上云券”“算力券”等优惠政策，为中小企业提供随用随付的云端算力服务，降低成本、保障算力需求。

　　三是构建可信AI技术体系。建议建立能源领域可信AI技术标准体系，从算法透明度、数据安全、伦理规范等方面构建可信框架。推动制定AI可解释性标准，建立电力调度、故障诊断等关键场景的算法透明度评估机制。在毫秒级实时控制场景中，AI模型必须做到决策可追溯、结果可解释，确保安全合规。同时构建AI安全防护体系，针对对抗攻击、模型投毒等威胁，建立全生命周期安全评估机制，重点防范大规模数据投毒和模型脆弱性攻击，提高AI系统可信度。完善能源AI安全监管框架，建立系统安全评估认证制度及分级分类管理机制，确保复杂场景下系统安全可控。