近日，国家发展改革委、国家能源局印发的《关于推进“人工智能+”能源高质量发展的实施意见》（以下简称《实施意见》）提出，到2027年，我国能源与人工智能融合创新体系初步构建，算力与电力协同发展根基不断夯实，人工智能赋能能源核心技术取得显著突破，应用更加广泛深入。到2030年，能源领域人工智能专用技术与应用总体达到世界领先水平。这意味着，能源与人工智能协同发展的路径日渐清晰。

　　加强系统谋划

　　人工智能与能源会擦出什么火花？在国网安徽南陵县供电公司一座110千伏变电站，以往需要运维人员手持仪器、跋涉记录的传统变电站巡检场景，正被一套高度智能化的新模式取代。巡检主角不再是“老师傅”，变电站处处可见的智能高清摄像头负责采集海量数据，然后将其通过高速5G网络实时回传至云端AI分析平台。平台内置的深度学习算法模型，经过海量变电站设备缺陷样本训练，具备强大的图像识别与诊断能力。

　　“它能自动识别绝缘子是否有脏污、设备是否有异物等。”该公司变电运维班班长冯振说，“从数据采集到分析生成报告，全程无需人工干预，缺陷识别准确率超95%，效率提升数十倍。”

　　能源领域创新创业高度活跃，具有数字化基础好、数据质量高、应用场景丰富等比较优势，已经成为人工智能应用的重要阵地。总的来看，我国能源领域已形成了场景覆盖广泛的人工智能发展格局。

　　国家能源局科技司相关负责人表示，随着越来越多场景融入人工智能应用，亟需加强顶层设计和系统谋划，加快推动人工智能技术在能源领域深度应用，带动能源整体性变革，助力加快构建新型能源体系。

　　统筹考虑能源领域人工智能应用实际，《实施意见》提出能源领域人工智能发展的分阶段目标：到2027年，挖掘十个以上可复制、易推广、有竞争力的重点示范项目，探索百个典型应用场景赋能路径，制定完善百项技术标准，培育一批行业级研发创新平台，形成符合我国国情的能源领域人工智能技术创新发展模式。到2030年，聚焦自主可控、深度赋能、国际领先，在前期技术积累和场景验证的基础上，着力推动能源领域人工智能专用技术实现体系化突破与规模化落地。

　　拓展应用场景

　　推动人工智能在能源领域规模化落地，应用场景是关键。各类能源系统由于特性差异，发展程度不尽相同。其中，电网系统已经进入智能化阶段，是能源数字化先行领域。

　　7月30日4时30分前后，今年第8号台风“竹节草”在浙江沿海登陆，给浙江多地带来风雨影响。当天8时19分，国网嘉兴供电公司当值调控员蔡云杰在人工智能虚拟总指挥长“启航”协助下，迅速完成了一起跳闸故障处置。

　　配电网调度指挥点多面广，尤其遇到极端天气，调控人员处置故障时要开展故障基本信息、保护及自动化装置动作信息等多项信息梳理分析，工作量较大。

　　“目前，我们在平湖地区已试点形成以值班调控人员为主、‘启航’为辅的调控运行模式，使配网调度指挥信息获取时间缩短30%，关键业务处置效率提升40%以上。”国网嘉兴供电公司电力调度控制工作人员龚利武说。

　　能源新业态更是人工智能应用的沃土。在山东滨州，一家新型独立储能电站正在通过AI技术判断各个时间段的电价走势。远景山东滨州智慧储能电站站长翟文荣表示：“我们的系统搭载AI交易智能体，精准预测日前电价与实时电价，自动生成交易策略，具备自动化交易能力。目前这个站的峰谷价差预测准确率达到95%。”

　　为进一步拓展人工智能应用，《实施意见》围绕煤、电、油、气各能源品种，系统部署了“人工智能+”电网、能源新业态、新能源、水电、火电、核电、煤炭、油气八大应用场景，推动能源领域共享人工智能发展红利，培育壮大能源新产业新模式。

　　破解发展瓶颈

　　相较于能源行业的高安全性与强专业性，以及对决策容错率和知识体系完备性的严苛要求，人工智能技术在能源领域应用仍然存在技术可靠性不足、数据基础较为薄弱、电算供需逆向分布等不容忽视的问题与挑战。

　　中国南方电网有限责任公司数字化部总经理龙云介绍，南方电网在发展人工智能之初，就充分认识到人工智能算力基础设施投入巨大、模型技术要求高、高质量数据需求量大、场景建设机制待建立、复合型人才稀缺等一系列挑战。当前行业中普遍存在资源、技术和信息“三大壁垒”，造成“三大矛盾”日益凸显，叠加电力系统天然的高安全、高稳定、高质效要求，制约了人工智能大规模、工程化落地应用。

　　共建生态被认为是破解当前发展瓶颈的关键钥匙。龙云表示，依靠单一企业、纯市场机制难以突破“三大壁垒”，因此，需要在政府引导下，建立公共性、中心化资源配置平台，聚集关键资源，降低进入门槛，加速供需匹配，培育高端人才。

　　“能源领域智能化转型，需要上下协同发力，部门协调配合。”国家能源局科技司相关负责人表示，将综合考虑煤电油气各行业应用潜力、成熟度、带动作用等因素，遴选一批能源领域人工智能应用高价值场景，鼓励企业、科研院所、高校等各类创新主体建设高水平研发创新平台和创新联盟，促进产学研用深度融合。探索建设行业级人工智能应用测试平台，有效协同企业自主研发的大模型，解决大模型“重复造轮子”问题，避免先进算力和能源资源被过度消耗。（王轶辰）