行业核心痛点与挑战 - 新能源发电的核心痛点在于其波动性与随机性 风电和光伏的出力不稳定对电网调度与运行优化提出极高要求[1] - 分布式光伏管控难度尤为突出 2024年中国分布式光伏装机容量已占全国光伏装机总量的40%以上 其站点具有点多面广 体量小 分布分散的特点 难以实现全面气象采集与实时监控 但其累积出力对电网功率波动影响显著[1] - AI在电力领域规模化落地面临数据层面的突出瓶颈 一是数据质量参差不齐 日常积累多为正常态数据 故障与异常类数据样本稀缺 影响AI故障诊断与预警模型的训练效果[5] 二是数据标准不统一 不同厂家的设备数据类型 格式 标准差异大 导致AI模型跨单位跨场景迁移成本高 难度大[5] 公司AI技术实践与成果 - 公司依托在电力自动化领域的积累及“数据-算力-模型”三位一体的技术基座 将配电自动化系统与用电信息采集系统数据深度集成 采用体系化AI算法 通过数据清洗 模型分型 大模型压缩等技术手段 实现分布式光伏功率精准预测[4] - 在淮安国网某地区的试点应用中 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 配变台区等多个层级[4] - 该试点预测平均准确度达到80%以上 达到工程可用标准 能为电网调度部门提供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[4] 行业破局思路与发展方向 - 数据共享是关键突破口 可依托联邦机器学习等技术模式 实现数据“可用不可见” 通过分布式存储与加密参数共享协同利用数据 在保护隐私与企业利益的同时整合多方数据资源以提升AI模型训练效果[6] - 标准统一是另一关键 亟需行业或国家层面牵头制定统一的数据输入输出规范及物联网通信协议 打破当前协议差异壁垒 实现高效协同 为AI技术规模化应用扫清障碍[6]

大会与核心观点 - 1月30日至31日，“AI+能源发展大会”在北京举行，主题为“智赋未来能启新篇”，吸引了300多位来自政府、企业及学术界的代表参会 [1] - 龙德缘电力集团分享了“AI赋能用户侧‘源网荷储’一体化发展”的实践，核心观点是AI通过智能运维、电力交易和一体化调度三个维度破解用户侧配用电痛点，实现降本增效 [1] 公司业务与AI应用场景 - 公司主要为工商业客户提供用户侧配用电服务，自2016年启动数字化转型，近两年重点发力AI技术应用 [4] - **智能运维场景**：针对新能源微电网普及和电能质量要求提升，应用AI声纹诊断和多模态技术进行故障预警，相比传统方式大幅提升了预警时效性和准确率，并降低了运维成本 [4] - **电力现货交易场景**：在广东、山东两省现货交易市场应用AI量化交易模型，结合气象预测辅助交易，收益率较传统人工经验提升3%-5% [4] - **“源网荷储”一体化智能调度场景**：利用十多年积累的用户侧数据，通过AI进行负荷预测，实现光伏储能、充电桩、柔性负荷的自动化调节，提升了绿电消纳率，减少对大电网冲击，并帮助客户降低电费支出 [4] 行业面临的挑战 - **数据挑战**：电力现货交易数据量不足、公开数据维度不丰富，且需结合实时变化的政策和调度数据，增加了AI模型训练难度；在“源网荷储”场景中，不同厂家设备通信协议不统一，导致数据采集成本高，性价比难平衡 [5] - **AI策略可信度挑战**：AI输出策略与人工判断存在偏差时难以快速建立信任，在电力交易和“源网荷储”调节等场景中，策略偏差可能影响收益或客户生产，“黑盒子”效应制约了应用落地 [5] - **商业模式挑战**：AI目前仅作为工具应用，未能推动用户侧电力服务商业模式的本质升级，传统合同能源管理（EMC）模式在基准值确定、收益计算等方面的弊端仍未解决，影响了AI技术的规模化推广 [5] 未来展望 - 公司表示将持续深耕用户侧配用电领域，重点突破数据采集和AI模型可信度等难题，进一步优化三大场景的AI应用方案 [5] - 公司将探索AI赋能下的新型商业模式，以推动用户侧“源网荷储”一体化高质量发展，助力新型电力系统建设 [5]