星岛环球网网

新能源发电具有较强的间歇性与波动性，“高温无风”“晚峰无光”等现象影响着发电质量，也给电网调度带来挑战。AI技术可以帮助整合多维数据、预测新能源电力波动，使供需更加匹配。据宋建军介绍，金风科技正在利用AI大模型技术升级现有的负荷预测系统，以期对历史发电数据、实时气象数据、电网负荷等多源异构数据分析和计算，帮助电网制定更加优化的调度计划，减少能源浪费。

“除了在场站端的应用，AI还能应用于集控端的发电和检修策略优化上。”大唐国际生产部新能源处相关负责人告诉笔者，AI大模型可以分析设备运行及历史故障产生的海量数据，为管理者提前预警潜在风险。“例如，企业研发的故障模型可以提前发现设备劣化的征兆，并根据设备寿命规律合理优化检修策略。通过实施更加精准的维护计划，不仅显著延长了设备的使用寿命，还大幅度降低了停电的风险，实现了运维管理的全面优化。”

陈占明认为，基于大语言模型的AI主要侧重于在既有的知识框架内处理与预测信息，而更具革新性的AI技术则有望对能源转型产生更大的影响。(李贞 宋佳航)

例如AI可以帮助开发新能源发电和存储的高性能、低成本材料，助力能源转型。此外，自动化、智能化机器以及AI技术还可以用于海上可再生能源电站等建设场景，提供绿色、清洁的能源。

“在能源消费领域，AI可以根据家庭用能的历史数据归纳用户的消费行为，帮助用户在各种供电方式之间择优进行切换，为用户做好微观层面的能源管理。”除了为用户提供个性化的能源消费建议，陈占明认为，AI在新能源产品和服务的销售方面也有应用空间。“通过分析人们的用能模式，构建精准的用户画像，从而降低能源消耗并提升用户参与度和满意度。”

在2024国际数字能源展上，广东省深圳市发布虚拟电厂调控管理云平台3.0。该平台已接入充电桩、楼宇空调、光伏等9类共计5.5万个可调负荷资源，总容量逾310万千瓦。据工作人员介绍，凭借先进的通信采集技术，平台的数据处理能力已从上线之初的十万级跃升至百万级，整体感知时效进入毫秒级。作为一种新兴能源调度模式，虚拟电厂将闲散在终端用户的电力负荷资源聚合起来并加以优化控制，目前正在国内探索落地。AI的应用将加快分布式可再生设备的普及和使用，更好地支撑能源转型。

星岛环球网网河北省张家口市地处华北平原与内蒙古高原连接区域，是华北地区风能和太阳能资源最丰富的地区之一。大唐索拉风电场智慧场站就坐落于此。这座智慧场站采用智慧化管控系统进行管理，值班员可以通过一体化平台看到风电场升压站全貌以及对应的设备监控点位，对设备状态、人员行为、安防环境等进行全方位监测。

据金风科技人工智能应用研究院院长宋建军介绍，金风科技在无人化电站建设、物资调拨和翻译等工作中已开始使用AI技术。目前，企业开发的行业翻译大模型可以帮助实现高精度的行业术语翻译，支持风电行业的国际化需求。“未来，企业将在多模态大模型、视觉分析、运筹学等技术方向长期投入，让AI技术全面助力新能源的技术创新和运营管理。”

今年夏天，在南方电网云南大理供电局“源网荷储充”智能调控平台的自动调控下，云南大理天峰山风电场快速高效地将来自大理的新能源输送到云南各地及粤港澳大湾区，为千家万户带来丝丝清凉。

据相关工作人员介绍，AI智能调控模式能够高效辅助调控员进行决策、方式转供，实时进行潮流断面的动态控制、风险自动识别、辅助电力系统快速响应各种异常情况，大幅降低调度员频繁操作的风险，从而有效支撑新能源年度电量占比60%以上地区电网的安全稳定运行。

随着新能源企业逐渐向以“AI算法”为核心的管理模式变革，AI可以助力更多新产品和新模式的创新。业内人士表示，一方面，AI可以实现更高效的能源储存与管理，形成像智能风机、无人电站、新能源大数据平台等创新产品；另一方面，AI也可以辅助设计更优化的资源布局和配置，催生虚拟电厂、碳交易、备件平台交易等新模式。

“AI技术对于新能源领域来说是颠覆性的，提升了行业整体运行效率。”中国人民大学应用经济学院教授陈占明认为，AI不仅能让企业优化管理决策，还能帮助企业降本增效，未来将成为越来越多新能源企业的选择。

极端天气是新能源发电面临的又一难点，直接影响发电稳定性。AI的分析算法可以捕捉大气实时情况、精准预测气象，提高新能源电力输出效率。例如，国能日新研发的“旷冥”大模型在预测大风、台风等极端天气事件方面表现出色，命中率有所提升，这能进一步帮助制定电网调度计划和策略，确保电力供需平衡。

“AI可以帮助实现新能源发电设备智能控制、图像智能识别、负荷精准预测，大大降低了人工成本。”据大唐国际生产部新能源处相关负责人介绍，AI技术能对场站的风电机组、光伏逆变器等发电设备实现智慧控制，并通过自学习从风和光等自然资源中获取更高发电效率。此外，AI技术还革新了传统的人工巡检方式，通过集成AI识别算法的摄像头，实现对光伏组件和风机叶片的高精度自动化巡检。

风电和光伏项目的新能源场站，大多位置偏远且分布零散。场站内设备种类繁多，占地面积广阔，也增加了管理的复杂性。在传统的管理模式下，场站运维人员需要进行现场的设备控制和巡检，耗费大量人力、物力和财力，成为新能源企业发展的一大阻碍。而AI技术的引入，则能够降低管理成本，显著提升场站管理效率。

厦门大学中国能源政策研究院教授林伯强认为，AI性能的不确定性、数据孤岛与高质量数据不足、滥用与社会风险、先进算力不足以及AI自身的能源消耗等问题，都会给AI在新能源领域的应用带来挑战。对此，需要采取多维度的应对策略，包括推动数据标准化与共建共享、完善AI研发应用相关法律法规、保障数据安全和伦理规范、加大技术研发投入、优化算法模型以降低算力需求，并探索利用可再生能源支持AI基础设施的运营模式等。