AI智能体技术及其能源电力应用

AI大模型时代，我国提出开展“人工智能+”行动，AI智能体（Agent）被认为是“人工智能+”赋能各行各业应用落地的关键。

生成式AI的发展是划时代的，堪比50年前个人电脑的出现和30年前互联网的出现，未来10年从个人生活方式到社会经济的方方面面，都会被颠覆或者重构。2025年政府工作报告明确提出持续推进“人工智能+”行动，并强调支持大模型广泛应用，中央政治局4月25日下午就加强人工智能发展和监管进行第二十次集体学习，明确提出“面对新一代人工智能技术快速演进的新形势，要充分发挥新型举国体制优势，坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展”。

“人工智能+”延续“互联网+”赋能千行百业的思路，赋能能源电力行业的方式也将是颠覆性的，未来能源电力系统从单元、设备、系统、场站到电网，AI智能体（Agent）将是核心并无处不在，基于智能体重构二次系统的芯片、基础软件和高级应用，以及改变一次系统的构架、功能、交互方式，有望解决困扰能源电力系统多年的经典难题，彻底实现由内及外的智能和全新的用户体验。

国际上，早在2023年11月，比尔·盖茨在他的官方博客上发布长文表示5年内每个人都将拥有AI智能体，并称“它们将彻底改变我们的生活方式”，同时强调了AI智能体的重要性：“在计算机行业，Android、iOS和Windows都是平台，智能体将成为下一个平台。”2024年9月，OpenAI发布o1推理模型系列，展现了新的尺度定律：增加推理时间可以提升模型性能，表明生成式AI的现实落地需要适用于不同特定领域和应用的推理，新一代的AI智能体应用将出现。

2025年3月6日中国创业公司Monica发布全球首款通用AI智能体产品Manus，其具备从规划到执行全流程自主完成任务的能力，如撰写报告、制作表格等。它不仅生成想法，更能独立思考并采取行动，具备规划并执行复杂任务的能力，能直接交付完整成果，展现了一定程度的通用性和执行能力。在能源电力行业，2024年底国家电网公司正式发布光明电力大模型，其中也包括与行业场景深度融合的智能体服务。

智能体技术发展

智能体（Agent）的概念由Minsky在其1986年出版的《思维的社会》一书中提出，Minsky认为社会中的某些个体经过协商之后可求得问题的解，这些个体就是智能体。他还认为，智能体应具有社会交互性和智能性。智能体的概念由此被引入人工智能和计算机领域，进入上世纪90年代迅速成为研究热点。但当时想要实现真正的智能还缺乏必要的现实条件，因此很长一段时间里Agent更多被理解为一种软件“代理”，更多强调其反应能力和社交能力等，比起更一般的代理（如proxy）以被动响应为主，智能体更强调是在特定环境下连续自发地实现功能，同时与相关智能体和进程相联系的软件实体。其显著的特点是具有自主性、社会能力、主动响应能力、时间连续性、自适应性和可移动性等，直到近十年深度学习技术的发展才使得智能性的真正实现成为可能。

多智能体系统（Multi-Agent Systems）是为了解决单个智能体不能够解决的复杂问题而由多个智能体协调合作形成的问题求解网络。为了使智能体之间能够合理高效协作，智能体之间的协调机制成为多智能体系统研究的重点问题。一般地，每个智能体被认为是一个物理的或者抽象的实体，能够作用于自身和环境，并可与其他智能体通信。多智能体系统的研究方法实际上是用模拟人类社会系统的运作机制来提高计算机系统解决复杂问题的能力，采用多个智能体进行协作，通过任务分解和任务协调提高整个系统的能力是一个可行的途径。另外通过多智能体之间的合作还可以克服单个智能体知识不完全、处理的信息不确定等不足，解决跨域安全，隐私保护等方面的问题。

AI智能体的主要特征是自主性，虽然在生成式AI的加持下其智能性得到极大提升，但现阶段它通常还是在相对有限的需求范围内工作，目的是高效、准确地完成指定的任务。AI智能体依赖明确的指令或规则来执行任务，而更高级阶段（一般称为Agentic AI）则表现为高度自主性，能够设定任务、制订计划、灵活适应环境，并能主动学习并优化行为，它不仅能完成任务，还能自主设定目标、预测风险，甚至指挥多智能体系统协作。

既然AI大模型已经具备很强的可扩展性，理论上所有智能性都应该可以在大模型本身得到实现，那为什么应用落地还需要AI智能体？其中有重要的跨域和主体问题，基础或垂域大模型提供主体一般与应用主体不同，涉及的基础数据和专业知识属于不同的管理域，因此行业应用落地一般需要另外构建AI智能体，而不是直接调整模型本身，其中还衍生出重要的AI智能体平台。

AI智能体平台

传统的平台类软件包括操作系统、中间件、数据中台等，大模型时代AI智能体平台将彻底颠覆传统架构，主要包括基础大模型、垂域大模型、智能体平台、智能体应用等几个层面。传统以数据为中心的系统架构方式不复存在，大模型本质是对数据和知识更加有效的压缩。

基础大模型包括大语言模型、多模态大模型、时空序列大模型等多种类型。目前发展比较快的以大语言和多模态模型为主，但是很多系统的建模无法用文本、图像、声音或视频完成，来自传感器物联网具有时空序列特征的数据是模型的基础，这在能源电力系统运行中体现得尤为明显。

垂域大模型是在基础模型之上形成的针对特定垂直领域应用的模型。介于AI应用与基础大模型之间，垂域大模型一般不针对单一应用，但具备在某一特定行业或领域的专业深度知识，是对基础大模型本身进行全量或局部参数微调形成的。在能源电力领域，可以针对电力、新能源、储能等不同行业开发不同的垂域大模型，而模型之上要获得用户体验感好的应用还需要进一步开发AI智能体。

智能体平台提供端到端的工具和服务，一般包括感知、规划、记忆和工具等方面的增强功能，在不改变模型的基础上，提供AI智能体从设计、开发、实施、发布、运行、运营到运维等全生命周期的一站式支持。

感知增强：主要针对当前环境采集实时数据，比如电力系统运行基础数据比较统一，一般包括电流、电压、有功、无功等基本信息。而目前大语言模型以总结历史数据和信息为主，缺乏与当下环境的实时交互。

规划增强：将任务拆解，流程具象化，就像工厂流水线一样，可以放置不同的工具完成不同任务的处理。通过搭建工作流来创建特定的技能，让智能体具备某个复杂场景的高质量处理能力。

工具增强：让智能体学会调用各种外部工具，涵盖搜索引擎、文档检索、数据分析、代码编写等各种工具，通过添加特定的插件，形成智能体与外部系统进行信息交互的能力。

记忆增强：获取、存储、保留和后续检索信息的过程。通过本地资料、在线文档、引入专业数据和创建特定知识库，让智能体具备某些私有的知识信息，在不改变模型的同时增加专业性。

能源电力应用

在应用层可以实现不同类型的能源电力行业应用。AI在能源电力系统中的应用由来已久，但基本集中在图像视频监控等领域，大模型技术的发展极大拓宽了应用类型，以AI智能体为载体，以高质量数据来源为前提，可以实现更多与生产运行直接相关的应用。

管理治理类。大语言模型可以直接应用于企业管理类的应用，在企业营销、运营、财务、法务、人力资源、客服等方面都可以发挥作用，提高知识传播和共享的效率；在能源电力行业，数据治理、电能质量治理等也都是典型应用，直接关系到企业的运营水平。

建模预测类。新型电力系统的核心挑战来源于新能源的间歇性和负荷的不确定性，利用AI技术进行负荷建模和新能源出力的预测成为刚需。基于Transformer的生成式AI架构可以处理维度更高、规模更大的数据，更好捕获数据之间的关联关系，可以将更多的环境、气候等相关因素纳入模型架构，实现更高的预测准确性和模型泛化能力。

运行调度类。在建模预测的基础上，AI技术还可以在实时运行过程中基于数据驱动产生调度策略。一方面大电网的运行调度可以越来越多地实现AI技术的辅助决策；另一方面，在分布式的能源微网、源网荷储一体化等能源互联网场景中，AI智能体可以实时制定新能源出力和储能充放电策略等，实现基于AI的能量管理。

价值交易类。价值层面，我国在大力推动电力市场建设，近期136号文要求新能源全面入市，使得AI技术在新能源项目规划和运营中成为刚需。在绿色低碳价值实现方面，AI技术也可以在绿证交易和碳交易等方面发挥作用。尤其我国最近在大力推动虚拟电厂的试点，大规模分散主体、分布式资源的聚合，没有AI技术的支撑也很难得到实现。

跨界融合应用

“人工智能+能源”不仅仅意味着AI技术在能源电力垂直领域的应用，更能够成为新质生产力发展的核心引擎，以下列举了几个方面的典型场景。

智能家居。大模型技术的发展引起人机交互体验的极大提升，为智能家居的落地应用提供了契机。家庭能量管理系统（HEMS）是智能家居的基本组成部分，可以将屋顶光伏、户用储能、电网接入、家用电器、电动汽车充电等源网荷储的各个环节进行统一管理，借助AI技术实现优化，达到绿色低碳节能的目的。由智能家居还可以衍生出智慧建筑、智慧小区/园区、新型智慧城市等管理场景，“人工智能+能源”都是其中的核心引擎。

算能融合。延续能源互联网能源信息基础设施一体化的思路，算能融合将是未来基础设施发展趋势。新能源、新型储能等能源电力技术的进步会促进和支撑AI智算中心等基础设施的建设和绿色低碳可持续发展，智算中心作为大规模负荷和可调节资源又可以反过来参与新能源消纳和新型电力系统运行。去年7月，国家发展改革委、国家能源局、国家数据局印发《加快构建新型电力系统行动方案（2024—2027年）》，特别提到：“实施一批算力与电力协同项目。统筹数据中心发展需求和新能源资源禀赋，科学整合源荷储资源，开展算力、电力基础设施协同规划布局。”

交能融合。近期交通运输部、国家发展改革委、国家能源局等十部门联合印发《关于推动交通运输与能源融合发展的指导意见》，体现了交通是“人工智能+能源”赋能的典型行业。例如，近年来新能源电动汽车发展迅速，对充电方面的需求呈指数级增长，光储充系统成为主流，AI智能体可以综合交通网、电网和充电网的信息为用户提供充电推荐服务，在满足用户需求的基础上最大程度提高充电效率，增加新能源消纳。另外，城市轨道交通的绿色低碳发展也要求综合能效不断提升，这些都离不开“人工智能+能源”与交通行业的深度融合。

基站微电网。随着5G/6G技术的不断发展，通信基础设施的能耗越来越高，也逐渐面临可持续发展问题。通信基站由于数量大、分布广，更适合与新能源微电网相结合，形成分布式的能源信息基础设施一体化典型场景，而其中的能量管理和市场交易等问题同样可以借助AI技术来解决。

离网油气井。针对分布式油气井的用电需求，采用离网型新能源微电网替代目前以井口燃机发电驱动采油（气）机的需求，同时受油气井生命周期影响，微电网2—5年就要进行一次搬迁，需要考虑整体装置的易拆装性和可移动性。离网微电网的控制也可以借助AI技术实现，充分结合负荷特征，实时制定新能源出力和储能充放电策略，实现整体上经济效益最大化。这是“人工智能+能源”与传统油气行业结合的典型场景。

新能源化工。一方面利用新能源、储能等组成源网荷储一体化系统驱动化工生产，另一方面通过化工技术制备高效、清洁的能源载体，如绿氢、氨能和合成燃料（如甲醇）。这是“人工智能+能源”与化工行业结合的典型场景，利用AI技术可以实现化工—能源—数字化的深度耦合。

接下来的十年，“人工智能+能源”将成为发展新质生产力的核心引擎，AI智能体的发展是关键。

在AI智能体技术的发展中，多智能体协作将成为主要趋势，复杂任务可以分解为很多个代表不同主体、具备不同专业特长的智能体之间的协作，而协作本身也是由AI驱动的，进而形成AI智能体技术的高级形态Agentic AI，更加具有自主性。

未来能源电力行业的AI应用将与企业和行业业务流程深度融合。AI智能体的功能将不仅仅是完成一次对话问答或者查询一次知识库那么简单，其本身对于业务层知识也具有超越人类认知的理解和认识，能够在目标驱动下自主决策。AI智能体还可以与手机、电脑、网联车、机器人等终端深度融合，自主完成企业管理或生产运行所需的业务流程，应用范畴会远远多于本文所列举的类型和场景。