1月30日—31日，以“智赋未来能启新篇”为主题的“中关村论坛系列活动——AI+能源发展大会”在北京中关村会议中心隆重举行。大会由中国能源报、中国节能协会等五大单位联合主办，六大机构协办，吸引了300多位来自政府部门、能源企业、产业链创新企业的代表及院士专家齐聚一堂，共探AI与能源产业融合发展的新路径、新机遇。
北京四方继保自动化股份有限公司副总工程师赵凤青表示，新能源的核心痛点在于波动性与随机性，其中风电、光伏的出力不稳定，对电网调度与运行优化提出了极高要求。相较于大型风光基地，分布式光伏的管控难度更为突出——据行业数据显示，2024年我国分布式光伏装机容量已占全国光伏装机总量的40%以上，这类光伏站点具有点多面广的特点，单个站点体量小、分布分散，无法实现每一个站点都配备气象采集装置和实时监控设备，但其累积出力对整个电网的功率波动性影响显著，已成为电网调度中不可忽视的重要变量。
赵凤青分享了北京四方继保的AI实践成果。他介绍，依托公司在电力自动化领域的深厚积累，以及“数据-算力-模型”三位一体的技术基座，四方继保将实时基于配电自动化系统实现与用电信息采集系统的数据深度集成，采用体系化AI算法，通过数据清洗、模型分型、大模型压缩等多重技术手段，实现了分布式光伏功率的精准预测。其中，在淮安国网某地区的试点应用成效尤为显著中，已成功实现对6万多个光伏站点的全域覆盖预测，涵盖供电网格、变电站供电范围、馈线、配变台区电等多个层级，预测平均准确度达到80%以上，完全达到工程可用标准，能够为地区及上级电网调度部门提供了清晰的分布式光伏出力范围参考，有效支撑发电计划优化与大电网安全稳定主配微协同运行。
在肯定AI应用价值的同时，赵凤青也直言，当前AI在电力领域规模化落地仍面临突出瓶颈，核心集中在数据层面。她他进一步拆解两大核心问题：一是数据质量参差不齐，我国电网运行整体可靠稳定，日常积累的数据多为正常态数据，而故障类、异常类数据样本相对稀缺。若仅依靠单一企业或地区的有限数据，难以训练出具备高适配性的AI故障诊断、预警模型，会直接影响AI应用效果；二是数据标准不统一，新能源领域设备厂家众多，不同厂家生产的系统、设备，其采集的数据类型、格式、标准存在较大差异，甚至数据质量本身也有优劣之分，这导致已训练成熟的AI模型在跨单位、跨场景迁移时，需要投入大量精力进行数据治理与适配，大幅增加了AI技术规模化推广的成本与难度。
针对上述瓶颈，赵凤青提出了明确的破局思路。他表示，数据共享与标准统一是关键突破口。在数据共享方面，可依托联邦机器学习等新型技术模式，实现数据“可用不可见”——无需将各主体的数据进行物理集中，而是通过分布式存储、加密参数共享的方式，实现数据的协同利用，既保护数据隐私与企业利益，又能整合多方数据资源，提升AI模型的训练效果。在标准建设方面，亟需行业乃至国家层面牵头推动，制定统一的数据输入输出规范、物联网通信协议等，打破当前不同协议差异较大的壁垒，实现“万物互联”的高效协同，为AI技术的规模化应用扫清障碍。
天载配资提示：文章来自网络，不代表本站观点。
