观察| 人工智能+能源

一场“智”与“能”的双向奔赴

回顾历史，整个人类文明进程始终与能源开发利用紧密相关。如今，能源发展进入资源、环境、气候三重约束期，急需沿着清洁低碳方向进行转型。与此同时，人工智能技术正在蓬勃兴起，加速赋智于千行百业，“‘人工智能+’行动”的字眼更是连续两年见诸全国两会政府工作报告，AI浪潮正翻涌而来。

当我们把视线转回能源领域，人工智能又将以怎样的方式与能源进行融合？人工智能又将如何促进能源转型发展、人工智能对于能源保供又将产生哪些积极影响？未来已来，“人工智能+能源”的时代篇章正在掀开序幕。

人工智能与新能源彼此成就难以分割

“人工智能+能源”，无论是人工智能为能源发展赋“智”，还是能源为人工智能技术赋“能”，二者已经很难进行分割，呈现双向奔赴、彼此成就的关系。

进入新能源大发展时代，与传统能源相比，以风电、光伏为主要代表的新能源发电项目，单机容量小、数量多，布局分散，并且受地域、地形、天气、昼夜、季节以及一次能源形式等因素影响明显，出力十分不稳定，再结合需求侧叠加的不确定性，给能源规划、生产，以及电网运行管理、调度控制和供需平衡带来极大挑战。

伴随着新能源项目大量接入电网，生逢其时的人工智能+能源组合，以其高效的数据处理能力、自主学习能力、多模态感知能力、动态响应能力、跨学科协同能力、智能预测分析能力，足以应对上述挑战。

一位专业人士介绍，鉴于可再生能源出力具有随机性、波动性、间歇性，所以只有对相关能源装机资源、出力等进行快速而精准地预测，才可以实现对能源的高效管理与利用。“人工智能可通过实时数据分析和预测模型，精准预判新能源的出力水平与消耗趋势，从而为新能源的接入打下坚实基础。”

据了解，早在几年前，国网新疆电力就上线了新能源功率预测系统。该系统应用十余种算法深度挖掘天气运行数据和风光资源数据，可以随时掌握未来一段时间的新能源发电量情况，新能源功率预测精度超过93%，能够大大提高新能源利用率。

不仅限于可再生能源消纳，处在行业发展最前沿的能源科技同样需要人工智能技术的帮衬。谈到人工智能技术对我国核聚变研究产生的作用时，哈尔滨工业大学教授王晓钢曾指出，人工智能能够从海量的实验数据中挖掘规律，优化核聚变反应参数，从而缩短了研发周期。

即便在储能领域同样如此。据上述专业人士介绍，人工智能与储能进行深度融合，可以通过数据和算法实现能源供需两端的动态平衡，这样才能促进未来的“储能+”模式覆盖更多的用户侧场景。

综合各方数据显示，在能源生产端，通过人工智能优化运行参数可将风电机组利用率提升15个百分点，将油气钻井效率提升25个百分点。在电网端，通过机器学习算法提升对新能源出力的预测精度，可以极大提高燃煤机组参与调峰调度的能力和水平，从而最大化减少化石能源消耗。尤其在消费端，通过人工智能算法可以帮助用户调整高耗电设备使用时段，实现削峰填谷。

据报道，通过“数据+算法+控制”能够实现分钟级精细化控制，用人工智能系统全面替代人工参与，可以对用能强度进行更为及时的调整，从而有效降低能耗，避免浪费。

电力离不开算力支持，算力同样离不开电力支撑。

业界普遍认为，人工智能的发展离不开强大的算力支撑，而算力和数据基础设施的运行则具有突出的高耗能特性，在“双碳”目标下，如何实现绿色计算、形成绿色算力，面临巨大挑战。

来自专业机构的信息显示，目前全球运行的人工智能大模型需要数百万个专用处理器，而这些处理器均需要配置强大的冷却系统。据介绍，算力中心机房需要保持24小时恒温，空调系统和机柜等一刻都不能停电。根据测算，算力系统散热用电占算力中心总用电量的30%—40%，服务器满载运行时冷却能耗占比则会更高。

来自国际能源署的数据显示，2024年，全球数据中心用电量约占全球电力总消耗的1.5%，达到约4150亿千瓦时。过去5年内，全球数据中心占全球电力消耗量的比例以每年12%的速度递增。照此速度发展下去，2030年全球数据中心的电力需求将增加一倍以上，达到约9450亿千瓦时。

来自工业和信息化部的数据则显示，预计2025年我国数据中心耗电量达到3500亿千瓦时。而根据《绿色算力白皮书（2023）》预测，到2030年我国数据中心耗电量将达到5900亿千瓦时。

然而根据业界普遍共识，只有使用了绿色电力的算力，才称得上是绿色算力。因此，培育人工智能大模型并支撑其强大的运算能力，必须以可持续能源供应为支撑，否则必定难以为继。

在今年全国两会期间，全国政协委员、360集团创始人周鸿祎在接受媒体采访时表示，算力的尽头是电力，是能源。人工智能对电力的需求非常大，绿色电力可以转化成绿色算力，助推人工智能的发展。

考虑到资源和环境约束，未来可再生能源有望凭借绿色低碳、成本优势以及成熟的供应体系，成为满足数据中心电力需求的主力。

国内对此早有考量，与能源资源禀赋深度契合的“东数西算”战略便据此而生。还是在今年全国两会期间，中国移动重庆有限公司主要负责人力推“疆算入渝”。“将新疆丰富的风光电资源与重庆的算力需求相结合。这不仅弥补了重庆的算力缺口，更能释放新疆的能源资源潜力，带动当地数字经济发展，形成东西互补、绿色协同的新格局。”该负责人说出了“疆电入渝”对于“疆算入渝”的关系之奥妙。

未来，电力加算力的跨省区协作将带来新的生态，而新疆的清洁电力，即将“直送”重庆。±800千伏哈密—重庆特高压直流输电线路工程正在加紧建设，计划于年内投运。作为首批“沙戈荒”大型风电光伏基地外送工程之一，该工程投运后每年可向重庆输电超360亿千瓦时，必将打造一段绿色电力与绿色算力相互成就的佳话。

人工智能技术在能源行业已经获得大量应用

1月15日，杭州深度求索人工智能基础技术研究有限公司，上线了国产人工智能产品DeepSeek APP，并同步推出DeepSeek-R1聊天机器人，在全球范围内掀起争相应用的热潮。

据DeepSeek-R1介绍，全球已有超过200家头部企业接入DeepSeek技术接口，其中与能源业务相关企业占比很大。在我国，超过20家能源类央企完成DeepSeek的私有化部署或技术接口集成，业务覆盖煤炭、电力、石油化工等多个细分领域，此外还包括新能源装备研发制造企业。如，业界耳熟能详的电网企业、传统发电企业、油气企业、能源装备企业及技术服务商等，纷纷将DeepSeek纳入各自的生产经营管理。

在油气领域，中国石油的昆仑大模型新增“深度思考”模式，支持21个专业场景应用，推理效率提升40%；中国海油实现海上平台故障诊断响应时间缩短60%，供应链管理效率提升35%。

在电网领域，国家电网模型服务云（MSC）平台接入DeepSeek后，强化了智能电网分析与决策能力；南方电网“大瓦特”模型体系强化电力系统安全分析。

在发电领域，中国华能部署本地化DeepSeek模型，推出“睿智小能”人工智能助手优化办公流程；中国华电构建火电机组数字孪生体，集成DeepSeek模型后实现锅炉燃烧优化控制，单台百万千瓦机组年节约标煤超5000吨；国家能源集团完成DeepSeek-R1系列模型在国能云平台的本地化部署，形成覆盖风光水火储全场景的智能管理平台。

另外还有上百家能源装备制造商、技术服务商等完成相关接口部署，形成了“大模型+垂直场景”的生态网络。

DeepSeek相关产品甫一问世，就推动能源行业企业发展驶入了快车道。专家指出，DeepSeek的算法突破与能源技术创新形成双重驱动力，推动能源系统向“智能化+可持续”方向演进。资料显示，DeepSeek的算法优化提升了气候模型精度，其高精度天气预报能力为新能源发电项目应对极端天气提供了关键技术支持，间接推动了能源系统的低碳转型。

而在DeepSeek正式上线之前，国内能源企业就已经开始广泛应用人工智能技术，集中在智能电网管理、设备预测性维护、清洁能源优化、储能与能源交易、生产流程数字化等方方面面。比如，通过人工智能技术整合天气、地理、工程等多维数据，可以缩短海上风电场建设周期并降低成本超支风险。

如今，随着算力和算法的不断进步与迭代，人工智能技术更是迎来大爆发，无论是国内还是国外，无论是通用还是专业领域，多种生成式人工大模型相继诞生，并进一步与能源系统形成深度的、有机的嫁接，从提升能源利用效率、推动可再生能源规模化整合、塑造储能系统管理模式、构建新型能源体系、驱动能源产业转型、加速碳中和进程等方面，促进了能源行业发展实现革命性突破。

在复杂的新型电力系统中，如何进一步实现化石能源领域的节能降耗，并提升新能源的利用效率呢？答案就是对源网荷储各环节进行全链路优化，而优化的关键就在于对数据的准确把握。

众所周知，进入新能源时代，最难把握的环节从用户侧又进一步扩展到供应端，比如用户侧生产、消费的双重身份，储能侧电源、负荷的双重属性，再累加发电侧出力的不确定性。

鉴于此，需要引入人工智能体，通过机器学习不仅可以分析历史数据，而且还能精准预测新能源出力情况，从而为实时优化发输配用储环节的运行参数与调度策略提供有力支撑，可以有效减少能源浪费与损耗，提升全链条效率。

根据报道，阿里巴巴达摩院通过可精准预测风电场风速及发电功率的人工智能算法，能够预报平原、山地、海岸等不同地形的风速，并预测该区域内风电场的发电量。目前该算法已服务国内多个风电场。

另外，人工智能技术还可应用于行业企业的精细化运营。记者了解到，在油气领域，通过运用人工智能技术可实现钻机“自动驾驶”，从而提升钻机效率和单井产量；在光伏领域，利用人工智能技术能够减少10%以上的发电损耗。

在提升能源利用效率的同时，人工智能技术也在助力加速构建新型能源体系。

通过融入人工智能、物联网与大数据技术，可以实现能源生产、传输、分配的智能监控与调度，助力分布式能源和微电网发展。

华为推出分布式能源智能管控网络解决方案，采用云管边端架构，通过5G专用切片网络，接入10千伏园区分布式光伏场站、地方小火电、储能电站，实现直采直控；基于台区融合终端+高速电力线载波通信（HPLC），能够实现400伏户用分布式光伏智能管控，提升新能源消纳能力；采用5G融合智能网关，实现电力大用户秒级的精准负荷管理，保障企业核心系统的供电可靠性。

此外，智慧能源大脑利用人工智能模型，能够实现电力市场预测与需求响应，且成效十分显著。

2023年12月22日，山西省电力现货市场正式运行，这是我国首个正式运行的电力现货市场。初期，市场运行受多种因素影响，电价高频出清且大幅波动。在此背景下，如何优化报价策略、跟踪交易进度、评估交易结果、做出最佳交易决策、以最优方案参与市场取得最大收益，成为发售用电企业面临的核心挑战。

针对上述挑战，基于先进的人工智能及数据分析技术，国内已经涌现出许多关于电力现货市场交易及决策的解决方案。通过这些方案，可以大大提升新能源功率、负荷以及电价预测的准确性。如，目前心知科技推出的相关人工智能产品，针对省级电力市场新能源功率预测准确率达到95%，负荷预测准确率达98%，单用户预测准确率达90%，电力价格预测准确率达90%，电力现货交易最佳策略可让售电公司获利0.05元/千瓦时。

人工智能技术在能源安全保供方面大有可为

保障能源安全，既是能源行业引入人工智能技术所必须坚守的底线，也是所追求的根本目标。

江苏油田物探研究院的科研人员，使用人工智能处理技术对高邮凹陷连片开展三维速度谱分析，仅用8.3秒便完成拾取，预测精度高达90%以上，相比常规方式效率提升600倍以上，以往需要5个人组团耗时40多天才能完成的工作，如今不到10秒就能完成。

作为全球最大的石油天然气进口与消费国，我国油气对外依存度高，面临保供能力不足、关键技术装备“卡脖子”等诸多问题。然而，为了落实“双碳”目标，国内天然气需求却在快速增长，对石油、天然气产业链供应链安全提出了更高要求。

能源饭碗端得牢不牢，石油、天然气行业的表现尤为关键。为切实增强安全保供能力，国内油气行业较早接入了人工智能这一引领未来的战略性技术，并以其来增强全行业的监测预警和流程管理等功能，有力保障了产业链供应链安全。

国外情况同样如此。4月10日，国际能源署发布的《能源与人工智能》报告显示，石油和天然气行业是人工智能技术的早期采用领域，上述行业习惯利用人工智能技术来确保勘探、生产、维护和安全等环节的正常运行。

据悉，人工智能技术对于石油天然气供应链安全的保障，主要表现在提升找矿效率、识别产业链风险点、优化产业链全流程管理等几个方面。

具体而言，人工智能在找矿勘查、矿山生产和数据图像处理等方面已经实现了初步应用。同时，人工智能还可以推动油气行业在风险监测和研判方面进行“数智化”变革。另外，人工智能技术还主要应用于油气生产环节的效率增强和资源优化配置，贮存环节的峰谷调节和成本优化，运输环节的安全、高效及环保，销售环节的需求预测、定价策略与客户服务精准等方面。

当前，我国能源消费终端电气化率稳步提升，电力系统安全因而尤为关键。

近年来，随着无人机和人工智能技术的普及，像老电力人吕清森那样背着工具包，带上干粮和水壶，早出晚归的电力巡线工将会越来越少。

“无人机采集图像，再通过人工智能体进行图像分析，完全可以实现输配电线路的无人智能巡检。”一位长期在基层从事电力线路运维的人士告诉记者，在智能巡检模式下，电网缺陷识别准确率超过98%，同时还能显著降低传统巡检过程中可能会遇到的人身安全风险。

采用人工智能技术还可以实时监测电网运行状态，利用知识图谱构建故障诊断模型，及时发现并预警潜在的安全隐患，有效提升电网的安全性和稳定性。当发生电网故障时，人工智能体还能快速定位故障点并指导抢修。据上述基层人士介绍，此举可以普遍缩减60%以上的抢修用时。

另外，新型电力系统的“双高”特征日趋显著，人工智能大模型能够通过智能调度与储能技术的协同应用，以及统筹源网荷储多维资源，并辅以天气变化等因素，动态调整电网运行方式，从而既能提升新能源利用率，又可保障电网安全稳定运行。

在煤矿智能化控制中心，工作人员只需盯着屏幕，就可以掌握井下的实时运转状况。推进智能化建设，让人工智能和大数据赋能，实现井下工作智能化、无人化，是提高煤矿生产效率、降低安全风险、实现精细化开采的有效举措。据了解，人工智能在我国煤矿领域的应用已形成多层次技术架构，覆盖安全监控、生产优化、资源管理等核心场景。

在煤矿安全监控和风险预警方面，通过部署高清摄像头和传感器网络，结合计算机视觉技术实时监测井下人员行为、设备状态和环境指标，能够实现甲烷浓度超限、设备异常等风险的主动预警；通过集成多维度数据构建预测模型，可以提前识别顶板压力异常、透水征兆等隐患，事故预警准确率提升至93%以上。

在煤矿生产过程控制方面，通风系统采用深度学习模型，根据开采进度和瓦斯浓度自动优化风门开度与风机转速，可使通风效率提升30%；通过构建井下巡检机器人网络，配备多光谱摄像头和激光雷达，可自主完成巷道变形检测、设备故障定位等任务；通过人员定位系统融合人工智能算法，可以实现井下精准定位并优化逃生路线，从而大大减少人员逃生时间。

不过，有业内专家对人工智能技术本身存在的不确定性、能耗过大，以及可能被滥用等问题表达了担忧，并建议推动数据标准化与共建共享、完善人工智能研发应用法律法规、保障数据安全和伦理规范等。

当可持续供应的清洁能源邂逅无限算力的人工智能，几千年的能源发展史又将迎来范式变革的新拐点。

人工智能与能源的深度融合，为构建新型能源体系注入变革性动能。当人工智能技术深度嵌入未来能源系统的制度设计、技术攻关与场景落地，必将以智慧能源支撑中国式现代化加速实现，为全球能源转型贡献中国方案。