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]

行业动态 - 多款能源大模型集中面世 包括中国石油上线昆仑大模型APP 朗新科技集团发布"朗新九功"AI能源大模型 国家能源集团发布千亿级发电行业大模型"擎源" [1] - 能源行业成为最早尝试大模型应用的领域之一 大模型已在电网调度 煤电生产 核电运行等场景落地 [1] - 大模型逐步渗透至新能源预测 消纳 运维等环节 [1] 技术应用场景 - 新能源发电功率预测是大模型技术成熟度最高 产业落地最广的场景之一 作为电力交易基石 [2] - 传统物理模型和统计方法难以满足精准预测需求 谷歌DeepMind气象预测大模型可实现15天全球天气预报 华为 英伟达持续迭代气象大模型 [2] - 协鑫集团与北京大学 NVIDIA合作研发光伏功率预测大模型 使光伏发电量预测精度提升3至5个百分点 [2] - 大模型通过智能调度算法实时分配新能源电力 南方电网新型电力系统实现百万平方公里尺度上秒级匹配 显著提升新能源消纳水平 [3] - 大模型基于发电量精准预测优化并网策略 通过实时监测抑制电力系统宽频振荡等问题 [3] - 远景智能推出基于生成式大模型的风机故障检修虚拟专家 提升运维效率 [3] - AI模型深度分析设备运行数据 电网负荷 天气预报等海量数据 实现预测性维护 减少非计划停机时间 [3] - 大模型与无人机 摄像头等设备联动 结合视觉大模型应用于新能源设备巡检 [3] 技术路线分析 - 大模型出现前能源领域主要采用专用小模型 专注于特定场景如能源需求预测 智能电网管理等 [4] - 大模型凭借上下文理解 指令遵循 场景泛化等能力覆盖更广泛能源场景 包括新能源并网优化 电网稳定性提升 [5] - 宽频振荡风险分析等机理明确 数据量不大的业务仍适合采用专业小模型 可规避大模型高投资与幻觉风险 [5] - 时序大模型在新能源发电功率预测中具有较大潜力 通过融合气象数据构建端对端架构 挖掘气象数据与出力特征匹配关系 [6] - 语言大模型在新能源领域成熟度较低 因能源行业缺乏现成训练数据 IT与OT系统数据分散标准不一 [7] - 工业场景需结合行业专家经验与AI算法 开发可靠可解释的工业AI模型 目前新能源电力与化工联合动态运行仍是行业空白 [7]

行业政策与市场动态 - 2025年6月1日起投产的新能源增量项目上网电量将参与市场交易 电价由市场供需决定 不再执行固定标杆或指导价 [1] - 新政策对新能源企业提出更高要求 包括发电量预测精度 供需预测准确性 投资决策科学性等方面 [1] 蚂蚁数科能源服务智能体技术 - 基于时序大模型EnergyTS发布"能源服务智能体" 可精准预测发电量和市场供需变化 [1] - 通过文本指令生成投资 运营 交易 融资等环节的分析报告与策略 [1] - 投资决策效率提升超60倍 运营交易效果提升10%以上 资产评估效率提升超10倍 [1] - 覆盖投前决策 智慧运营 资产金融三大场景 支持智能调度Agent的理解 执行 反馈能力 [1] - EnergyTS大模型融入新能源行业专业知识 结合知识工程与RAG技术 降低推理幻觉 [2] - 在光伏场景测评中发电量预测准确率超越谷歌TimesFM-V2 0和亚马逊Chronos-Large等通用时序模型 [2] 能源服务智能体应用场景 - 投前决策环节：自动完成项目方案生成 经济性测算 敏感性分析 方案量化寻优 将2-3天测算周期缩短至十余分钟 [2] - 智慧运营场景：自动生成运营策略 风险管理策略 交易策略 提高管理效率 对冲电价波动风险 [2] - 资产金融场景：提供资产画像分析 评估 为能源企业提供资产收益增信措施和融资建议 [2] - 已应用于工商业光伏 户用光伏 储能 综合能源等领域 与晶澳智慧能源达成合作 [2]

财务业绩 - 2024年实现营业收入97.96亿元，归属于上市公司股东的净利润4.89亿元，扣非归母净利润2.94亿元，同比大幅增长190.83% [1] - 2025年一季度实现归母净利润2.54亿元，同比增长35.15%，扣非净利润同比增幅高达176.61% [1] - 公司拟向全体股东每10股派发现金红利1.00元（含税），预计总派发金额为1.58亿元，占2024年度归母净利润的32.34% [7] - 连续5年累计现金分红16.99亿元 [7] 业务结构优化 - 通过淘汰低效燃煤机组、剥离运营不佳的换电项目，推动可再生能源装机占比从2022年的24.94%跃升至2024年的57.38% [2] - 截至报告期末，并网运营总装机容量达5871.01兆瓦，分布式品牌鑫零碳、鑫阳光并网规模同比大幅增长 [2] - 能源服务收入占比已达12.18%，毛利率达59.03%，显著高于传统能源销售业务 [6] 绿电与储能业务 - 2024年完成绿电交易4.42亿千瓦时，国内外绿证对应电量12.24亿千瓦时 [2] - 电网侧储能规模达650兆瓦/1300兆瓦时，用户侧储能总规模达11.75兆瓦/31.96兆瓦时，投运了江苏首个钠离子用户侧储能系统 [3] - 绿证、绿电交易鼓励政策频出，国内绿电市场交易、绿证核发与交易规模均实现倍速增长 [2] 能源服务生态 - 参与市场化交易服务电量270.57亿千瓦时 [4] - 在虚拟电厂领域，公司是江苏省首批5家虚拟电厂注册单位之一，2025年一季度实现约550兆瓦可调负荷实时响应，29次参与省内电力平衡调度，占江苏省内实际可调负荷规模比例约30% [4] - 联合蚂蚁数科完成国内光伏资产首单RWA，金额规模超2亿元 [4] 技术创新 - 联合蚂蚁数科发布时序大模型光伏场景用例，可降低弃光率18% [5] - 参与编写《可信区块链实体资产可信上链技术规范》，首次系统性提出数据上链的全流程技术框架 [4] 未来战略 - 未来五年战略目标为能源服务收入占比超过50% [6] - 打造"资源聚合-市场交易-碳能联动-用户运营"四位一体价值链 [6] - 以分布式能源资产投资为入口，为客户提供售电、虚拟电厂聚合及碳中和认证等"1+N"组合服务 [6]