2024 年新能源大模型行业落地趋势与应用分析
前言
当前，新能源头部企业对于'智能化'与'AI 技术'的定位，早已超越了简单的自动化控制或基础数据存储。随着全球能源结构向清洁能源转型，人工智能技术正逐步成为能源行业的关键推动力。大模型技术能够利用深度学习和先进的数据分析方法，实现高精度的发电预测、电网调度优化及电力市场交易支持。在电力领域，这不仅改变了传统系统的运作方式，更为能源行业的智能化升级带来了全新的商业化机遇。
2024 年是大模型的行业落地之年
除了教育、通信、金融、医疗之外，能源行业也逐步凸显出对于大模型的拥抱。据相关统计，2024 年前三季度，能源行业大模型公开招标项目超过 80 个。参与方不仅包括通用大模型企业如阿里、百度、智谱等，能源企业本身以及工业 IT 服务商对于行业大模型的研发与投入也同样积极。
随着技术的成熟，大模型正逐步从概念验证走向实际生产环境。2024 年 6 月，拾贝云发布能源大模型 CyberwLLM；9 月，羚羊工业迭代大模型 2.0；10 月 14 日，中国海油联合科大讯飞、中国电信正式发布'海能'人工智能模型；10 月 15 日，国能日新'旷冥'大模型发布。此外，2023 年发布能源大模型的乐创能源也在今年进行了储能 AI 相关解决方案的更迭。这些动作标志着 AI 技术正在接受海量样本数据喂养，加速实现行业落地，成为头部企业争先布局的'先手棋'，以保障成功穿越周期，继续领跑未来。
AI 大模型的新能源场景应用
早在 2022 年，华为就公开展望了智能光伏发展十大趋势。预测到 2027 年，95% 以上的光伏电站实现全面数字化，应用 AI 技术的比例将达到 70% 以上。世界经济论坛总结，AI 主要在两方面对新能源产业发展起到积极作用：一是提升设备发电效率，二是保障绿色电力平稳输送至电网。
目前，AI 大模型在新能源领域的应用场景主要包括以下几个方面：
1. 精准发电预测
通过分析天气预报、历史发电数据和实时条件，预测风能和太阳能等可再生能源的产生量。这有助于更好地平衡供需，减少弃风弃光现象。大模型能够处理多维时序数据，捕捉气象变化与发电功率之间的非线性关系。
2. 实现智能储能
优化可再生能源的存储和分配，考虑需求、供应、价格和电网条件，确定存储能量的最佳时间、释放能量的时机以及分配量。智能储能系统可以平抑新能源出力的波动性，提高电网接纳能力。
3. 光储解决方案
针对不同应用场景，通过集成核心技术，实现全场景光储零碳发电，提升电网稳定性和系统安全。这涉及源网荷储的协同控制，大模型在此过程中充当决策大脑的角色。
4. 优化绿电交易
AI 技术在电力现货价格预测、交易决策软件、交易策略服务等方面的应用，为发电、售电、用电企业提供决策支持。基于大模型的市场预测可以帮助市场主体规避风险，最大化收益。
5. 开发运维增效
远程指挥自动化、智能化机器，节约开发建设和运维环节投入的资金、时间和人工成本。通过预测潜在故障，优化电网运行策略，提高电网的灵活性和韧性。据分析，运用 AI 后，光伏发电站预测性维护效率可提升 25%，故障率减少 70%，运维成本降低了 25%。
代表性能源大模型技术分析
国能日新'旷冥'大模型
该模型具备在新能源发电领域的高适应性，采用动态图神经网络、大气分层结构、时序注意力机制等前沿技术。
- 功率预测：一方面能更精准地进行风、光的超短期、短期、中长期功率预测，引领新能源功率预测技术升级。
- 极端天气应对：另一方面，对大风、台风、覆冰、沙尘等极端天气事件的命中率和精准率均有提升。
- 电力市场支持：还能结合电力市场特征，提供准确的气象资源预测、日前/实时电价预测、负荷预测等，为电力交易提供支持。
中国海油'海能'人工智能模型
依托讯飞星火大模型的底座能力，结合中国海油的数据资源、行业知识，以及中国电信的云计算和大数据支持。
- 专业场景：覆盖专业和通用场景的 11 个场景模型，主要在提升海上油田的稳产增产、安全钻井等专业业务的数智化水平上赋能。
- 通用应用：同时在企业业务流程上推动提效，如智能会议、智能写作、智能翻译等通用应用赋能。
羚羊能源大模型
以讯飞星火大模型的通用能力为核心技术底座。具有能源内容生成、能源知识问答、能源理解计算、能源任务规划、能源多模态 5 大核心能力。
- 应用场景：涵盖设备运检、电力问数、电力营销客服、辅助电力交易、新能源功率预测、安全生产等 6 大'大模型 + 能源'场景应用。
