文章核心观点 - AI技术正加速应用于电力市场交易，通过处理海量数据辅助企业进行发电量和用电量预测以优化交易决策[1][3] - 电力交易AI模型的核心是时序大模型，其能够处理具有时间维度的数据，但技术尚未完全成熟，使用效果依赖企业的自主操控能力和系统化工程设计[2][7][9] - AI在电力交易中的应用效果存在分化，既能显著提升收益也可能放大亏损，其长期优势需在半年至一年的周期内评估[10][11] AI在电力市场的应用现状 - 国家电网和南方电网近期举办AI预测用电量及电力交易比赛，数百家发电商、售电商及相关科技企业参与，各类AI产品已在2024年付诸实践[2] - 2025年上半年全国市场交易电量达2.95万亿千瓦时，同比增长4.8%，占全社会用电量比重60.9%，现货市场覆盖全国80%以上地区[3] - 企业应用AI的方式出现分化，大型发电及售电公司倾向于自研模型或购买软硬件组建产品，中小型公司更愿意直接购买AI服务或产品[6] 电力交易AI的技术基础 - 时序大模型成为业界广泛使用的技术，其参数量少于语言大模型，专注于处理光伏、风电发电量等工业时序数据[7] - 模型训练依赖海量一手数据及实际场景的持续验证迭代，拥有数据基础和应用场景的企业在模型迭代上更具竞争力[8] - AI产品的有效性取决于系统化工程设计能力，需将气象预测转化为新能源发电量预测及电价预测，并通过决策大模型进行多场景概率推演与风险控制[9] AI应用的成效与挑战 - 清鹏智能的AI产品在山西电力市场助力风光场站实现度电收益增加2分和0.5分，并与头部售电公司开展交易托管合作[10] - 国家电网AI交易大赛中124个参赛队伍平均购电成本为351.90元/MWh，名次较高与较低队伍的成本差距每度电超过1毛钱[10] - AI模型存在过度拟合风险，过分追求预测精度可能导致泛化能力下降，面对宏观经济波动或极端天气等新数据时预测误差激增[11][12] 政策与行业趋势 - 国家发展改革委和国家能源局于2024年9月8日发布实施意见，要求积极推动人工智能在电网、新能源等领域的深度应用[2] - 截至2025年6月底，中国风光装机容量占比达45.8%，超过火电，新能源发电参与电力市场交易的规模持续扩大[3] - 电力市场规则复杂，包含中长期交易、现货市场及辅助服务市场，且设有偏差考核惩罚机制，发电量偏差限制通常在20%以内[4][5]