AI在新能源领域落地还面临哪些挑战
近日，我国“人工智能+”能源高价值场景清单正式发布，虚拟电厂多时空尺度智能协同运营、大规模车网互动智能运营优化等新能源领域高价值场景入选。
从虚拟电厂的“统筹者”，到车网互动的“调度员”，AI正在重塑能源生态。在新能源领域，AI的应用还面临哪些挑战？科技日报记者进行了深入采访。
深度融入能源调度管理
AI正深度融入新能源调度管理领域。
虚拟电厂是聚合分布式电源、储能、新能源汽车等资源参与电网运行的智慧能源管理系统。中国南方电网有限责任公司（以下简称“南方电网公司”）深圳供电局通过深化“数字电网+虚拟电厂”融合应用，部署本地化AI模型“灵曦”，精准开展负荷预测。当系统识别电网重过载风险后，模型可实时联动深圳虚拟电厂管理平台，调用匹配的充电桩、楼宇空调、分布式储能等资源，形成量化调节指令。目前，深圳虚拟电厂管理平台接入容量510万千瓦，实时可调负荷超140万千瓦，实现分布式资源精准调控，助力电网减压稳供。
如果说虚拟电厂是新型电力系统的“智慧大脑”，那么车网互动则是支撑这一大脑高效运转的关键基础设施。它可通过智能有序充电、双向充放电等技术手段，实现电网削峰填谷、新能源高效消纳。在这一领域，AI同样作用显著。
“新能源汽车的充放电具有分散、不稳定及强随机性等特征，且充电桩分布在城市的各个角落。这时候就需要依靠AI，预测各区域的充电负荷曲线。同时，AI可通过分析用户行为，为不同用户提供定制化充放电策略，从而确保在不影响用户充电体验的前提下，邀请用户参与电网互动。”南网产业发展集团南网电动公司车网互动高级项目经理高岩峰认为，AI在车网互动中的核心价值，在于解决充放电的分散性与随机性难题。
借助智能化手段，全国多地已经开展车网互动实践。四川成都启动“移动充电宝”V2G车网互动试点项目，通过智能调度系统，在区域性供电紧张时，将7000余辆城市公交车转变为移动电力储备。在智能互动管控支持系统帮助下，天津“车网互动”实现百兆瓦级突破，验证了规模化应用的可行性。去年3月，国内首次车网互动跨省区联动在广东、广西、云南、贵州、海南五省区63个城市举行，超10万辆次电动汽车参与，验证了车网互动在技术应用、商业模式、业态创新等方面的可行性。
推广面临安全与数据难题
尽管在AI能源调度管理领域已取得诸多技术突破与试点成果，但受访专家直言，要让“AI+新能源”大面积落地，还需提升AI算法的专业性、可靠性。
“AI存在的‘幻觉’问题，在办公场景尚可容忍，但在电力调度等敏感领域，一旦数据错误或趋势误判，将引起严重后果。”高岩峰说，大模型迭代快，安全性难以完全保证。
针对新能源领域的算法安全问题，国内相关企业已开始寻找解决之道。比如，南方电网公司打造气象与时序预测、潮流计算、暂态稳定分析模型矩阵，研发出全球首款电力系统智能仿真专业大模型“大瓦特·驭电”，自主研制我国首款全国产化电力专用主控芯片“伏羲”并实现量产，降低对外部模型的依赖，提升算法安全性与可靠性。
高质量数据供给是“AI+能源”规模化落地要面对的另一难题。“AI的可靠运行高度依赖海量、高质量、标准化的数据支撑，但目前数据供应严重不足，导致AI应用无从谈起。”暨南大学新能源技术研究院院长麦耀华分析，“企业出于商业机密、数据安全等顾虑，难以共享生产运行数据，导致高质量行业数据缺乏，AI模型无法得到有效训练。这种情况不仅出现在车网互动场景，也发生在其他新能源场景中。”
为此他建议，构建安全可控的数据协同体系。“可借鉴密码学原理，实现数据‘可用但不可见’——数据需求方可以使用数据进行计算和模型训练，但无法查看原始数据的具体内容，消除数据提供方的安全顾虑。同时，应建立统一的数据共享底座，制定统一的采集、存储标准，从源头规范数据治理。”麦耀华说。他还特别提到，建立数据共享激励机制、数据贡献的收益分配机制，让数据提供方获得实际回报。
商业模式与市场机制需完善
AI在新能源领域的推广应用过程中，市场机制与商业模式的不完善同样是一道绕不开的坎。
以车网互动为例，其核心价值在于提供“容量”服务，如调频、备用。然而目前电力辅助服务市场中，尚未针对分散的车网互动开发合适产品，容量价值未得到充分释放。“目前的获利空间极其有限，国内电价差较小，且制造业对电价敏感，价差不会过大，单纯依靠电能量价差难以获利。”高岩峰说。
此外，车网互动的商业模式闭环尚未打通，谁为调节服务买单仍是关键问题。
“推动AI和新能源结合，关键还是要先解决资源分配、数据贡献、商业模式存在的问题，让更多人愿意参与进来，进而推动技术发展。”麦耀华认为，解决之道在于继续理顺并稳定峰谷电价机制，拓展虚拟电厂、车网互动参与现货市场的渠道；构建可持续的商业闭环，让参与各方都能有利可图；通过合理的经济补偿覆盖电池损耗成本，提升用户参与热情。
高岩峰进一步建议，充电运营商应跳出“拼低价”的同质化竞争，基于AI的智能运营优化，从单纯收取充电服务费，转变为“服务费+市场化购电降本+辅助服务”多轮驱动。
“高价值场景是牵引AI技术创新，驱动AI与能源产业深度融合与双向赋能的关键路径。”南方电网公司总经济师陈晔说。
据悉，南方电网公司围绕电网规划、智能巡检等重点领域打造超340个应用场景，依托AI技术显著提升新能源预测精度，日前超短期预测准确率（国标）达98%。
“AI深度赋能新能源，不仅是实现‘双碳’目标的必由之路，更是能源转型的全面共识。”麦耀华预测，短期内，AI更多扮演着示范工具的角色；而长远来看，它必将成为支撑新能源发展的核心载体。
【相关新闻】
电力保供产品“苇络AI”应用取得规模化实效
科技日报讯 （记者李诏宇）7月24日，记者从中国大唐获悉，中国大唐集团数字科技有限公司自主孵化的全栈国产化能源AI产品“苇络AI”迄今落地运营三年，已参与全国10余个省、自治区、直辖市新能源场站智能化保供任务，累计挽回发电量损失4.5亿千瓦时。这些电量足够56万名城市居民用上一整年，国产“AI+电力”应用场景拓展取得规模化实效。
风电是清洁电力保供的重要力量。但长期以来，风电运维普遍存在齿轮箱微磨损、设备隐性过热等渐进式“慢性病”，隐患隐蔽性强，人工巡检难以全面覆盖。传统监测模式数据研判周期较长，设备带病运行会持续造成发电量流失，在夏季用电高峰时段，更易引发机组突发停机，加大电力保供压力。
针对电力行业一线痛点，中国大唐集团数字科技有限公司打造的“苇络AI”打通边缘智能网关、AI算法平台、AI视频分析、行业大模型应用全链条，其中主力设备苇络智联智能边缘网关，如今已在全国大批风电场应用，成为迎峰度夏“度电必争”的硬核装备。
据了解，这款边缘网关内置多项电力专属AI算法，独创多模态交叉认证技术，可同步抓取风机振动、声纹、温度、现场视频等多维度运行数据。不同于传统远程研判模式，边缘网关依靠本地边缘算力就地完成故障识别，不用远距离传输数据等待后台反馈，设备早期微小隐患能第一时间被精准捕捉，做到预警前置、处置靠前，从源头上减少因设备带病运行造成的电量损耗。
据统计，“苇络AI”落地以来，应用场站人工巡检频次降低30%，年均节约运维及故障损失超3000万元。
近日，我国“人工智能+”能源高价值场景清单正式发布，虚拟电厂多时空尺度智能协同运营、大规模车网互动智能运营优化等新能源领域高价值场景入选。
从虚拟电厂的“统筹者”，到车网互动的“调度员”，AI正在重塑能源生态。在新能源领域，AI的应用还面临哪些挑战？科技日报记者进行了深入采访。
深度融入能源调度管理
AI正深度融入新能源调度管理领域。
虚拟电厂是聚合分布式电源、储能、新能源汽车等资源参与电网运行的智慧能源管理系统。中国南方电网有限责任公司（以下简称“南方电网公司”）深圳供电局通过深化“数字电网+虚拟电厂”融合应用，部署本地化AI模型“灵曦”，精准开展负荷预测。当系统识别电网重过载风险后，模型可实时联动深圳虚拟电厂管理平台，调用匹配的充电桩、楼宇空调、分布式储能等资源，形成量化调节指令。目前，深圳虚拟电厂管理平台接入容量510万千瓦，实时可调负荷超140万千瓦，实现分布式资源精准调控，助力电网减压稳供。
如果说虚拟电厂是新型电力系统的“智慧大脑”，那么车网互动则是支撑这一大脑高效运转的关键基础设施。它可通过智能有序充电、双向充放电等技术手段，实现电网削峰填谷、新能源高效消纳。在这一领域，AI同样作用显著。
“新能源汽车的充放电具有分散、不稳定及强随机性等特征，且充电桩分布在城市的各个角落。这时候就需要依靠AI，预测各区域的充电负荷曲线。同时，AI可通过分析用户行为，为不同用户提供定制化充放电策略，从而确保在不影响用户充电体验的前提下，邀请用户参与电网互动。”南网产业发展集团南网电动公司车网互动高级项目经理高岩峰认为，AI在车网互动中的核心价值，在于解决充放电的分散性与随机性难题。
借助智能化手段，全国多地已经开展车网互动实践。四川成都启动“移动充电宝”V2G车网互动试点项目，通过智能调度系统，在区域性供电紧张时，将7000余辆城市公交车转变为移动电力储备。在智能互动管控支持系统帮助下，天津“车网互动”实现百兆瓦级突破，验证了规模化应用的可行性。去年3月，国内首次车网互动跨省区联动在广东、广西、云南、贵州、海南五省区63个城市举行，超10万辆次电动汽车参与，验证了车网互动在技术应用、商业模式、业态创新等方面的可行性。
推广面临安全与数据难题
尽管在AI能源调度管理领域已取得诸多技术突破与试点成果，但受访专家直言，要让“AI+新能源”大面积落地，还需提升AI算法的专业性、可靠性。
“AI存在的‘幻觉’问题，在办公场景尚可容忍，但在电力调度等敏感领域，一旦数据错误或趋势误判，将引起严重后果。”高岩峰说，大模型迭代快，安全性难以完全保证。
针对新能源领域的算法安全问题，国内相关企业已开始寻找解决之道。比如，南方电网公司打造气象与时序预测、潮流计算、暂态稳定分析模型矩阵，研发出全球首款电力系统智能仿真专业大模型“大瓦特·驭电”，自主研制我国首款全国产化电力专用主控芯片“伏羲”并实现量产，降低对外部模型的依赖，提升算法安全性与可靠性。
高质量数据供给是“AI+能源”规模化落地要面对的另一难题。“AI的可靠运行高度依赖海量、高质量、标准化的数据支撑，但目前数据供应严重不足，导致AI应用无从谈起。”暨南大学新能源技术研究院院长麦耀华分析，“企业出于商业机密、数据安全等顾虑，难以共享生产运行数据，导致高质量行业数据缺乏，AI模型无法得到有效训练。这种情况不仅出现在车网互动场景，也发生在其他新能源场景中。”
为此他建议，构建安全可控的数据协同体系。“可借鉴密码学原理，实现数据‘可用但不可见’——数据需求方可以使用数据进行计算和模型训练，但无法查看原始数据的具体内容，消除数据提供方的安全顾虑。同时，应建立统一的数据共享底座，制定统一的采集、存储标准，从源头规范数据治理。”麦耀华说。他还特别提到，建立数据共享激励机制、数据贡献的收益分配机制，让数据提供方获得实际回报。
商业模式与市场机制需完善
AI在新能源领域的推广应用过程中，市场机制与商业模式的不完善同样是一道绕不开的坎。
以车网互动为例，其核心价值在于提供“容量”服务，如调频、备用。然而目前电力辅助服务市场中，尚未针对分散的车网互动开发合适产品，容量价值未得到充分释放。“目前的获利空间极其有限，国内电价差较小，且制造业对电价敏感，价差不会过大，单纯依靠电能量价差难以获利。”高岩峰说。
此外，车网互动的商业模式闭环尚未打通，谁为调节服务买单仍是关键问题。
“推动AI和新能源结合，关键还是要先解决资源分配、数据贡献、商业模式存在的问题，让更多人愿意参与进来，进而推动技术发展。”麦耀华认为，解决之道在于继续理顺并稳定峰谷电价机制，拓展虚拟电厂、车网互动参与现货市场的渠道；构建可持续的商业闭环，让参与各方都能有利可图；通过合理的经济补偿覆盖电池损耗成本，提升用户参与热情。
高岩峰进一步建议，充电运营商应跳出“拼低价”的同质化竞争，基于AI的智能运营优化，从单纯收取充电服务费，转变为“服务费+市场化购电降本+辅助服务”多轮驱动。
“高价值场景是牵引AI技术创新，驱动AI与能源产业深度融合与双向赋能的关键路径。”南方电网公司总经济师陈晔说。
据悉，南方电网公司围绕电网规划、智能巡检等重点领域打造超340个应用场景，依托AI技术显著提升新能源预测精度，日前超短期预测准确率（国标）达98%。
“AI深度赋能新能源，不仅是实现‘双碳’目标的必由之路，更是能源转型的全面共识。”麦耀华预测，短期内，AI更多扮演着示范工具的角色；而长远来看，它必将成为支撑新能源发展的核心载体。
【相关新闻】
电力保供产品“苇络AI”应用取得规模化实效
科技日报讯 （记者李诏宇）7月24日，记者从中国大唐获悉，中国大唐集团数字科技有限公司自主孵化的全栈国产化能源AI产品“苇络AI”迄今落地运营三年，已参与全国10余个省、自治区、直辖市新能源场站智能化保供任务，累计挽回发电量损失4.5亿千瓦时。这些电量足够56万名城市居民用上一整年，国产“AI+电力”应用场景拓展取得规模化实效。
风电是清洁电力保供的重要力量。但长期以来，风电运维普遍存在齿轮箱微磨损、设备隐性过热等渐进式“慢性病”，隐患隐蔽性强，人工巡检难以全面覆盖。传统监测模式数据研判周期较长，设备带病运行会持续造成发电量流失，在夏季用电高峰时段，更易引发机组突发停机，加大电力保供压力。
针对电力行业一线痛点，中国大唐集团数字科技有限公司打造的“苇络AI”打通边缘智能网关、AI算法平台、AI视频分析、行业大模型应用全链条，其中主力设备苇络智联智能边缘网关，如今已在全国大批风电场应用，成为迎峰度夏“度电必争”的硬核装备。
据了解，这款边缘网关内置多项电力专属AI算法，独创多模态交叉认证技术，可同步抓取风机振动、声纹、温度、现场视频等多维度运行数据。不同于传统远程研判模式，边缘网关依靠本地边缘算力就地完成故障识别，不用远距离传输数据等待后台反馈，设备早期微小隐患能第一时间被精准捕捉，做到预警前置、处置靠前，从源头上减少因设备带病运行造成的电量损耗。
据统计，“苇络AI”落地以来，应用场站人工巡检频次降低30%，年均节约运维及故障损失超3000万元。
本文链接：http://m.sushuapos.com/show-2-16938-0.htmlAI在新能源领域落地还面临哪些挑战
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇：一把“皮米尺”洞见原子秋毫
