bb贝博体育全称:
能源行业开展“人工智能+”行动是一项新事物，既有研究大多针对单领域展开分析，对能源行业的系统探讨较少。本文从能源行业的整体出发，总结开展“人工智能+”行动的现状，提出构建一个包含人才和技术可靠性、数据基础、应用场景、算电协同、安全风险、评估反馈六大维度的综合性分析框架，指出面临的突出挑战，提出政策建议，以期为“十五五”时期能源行业更好开展“人工智能+”行动提供参考。
“十五五”时期是以更高标准践行能源安全新战略、全方面推进新型能源体系建设、实现“碳达峰”目标的关键时期，能源行业面临复杂的国际形势和艰巨的发展任务。一方面，国际形势变织，能源格局剧烈动荡，中国能源安全面临的不确定因素增多。绿色发展成为大势所趋，低碳技术竞争激烈，新能源成为大国博弈焦点。另一方面，国内能源需求刚性增长，能源供给制约较多，构建新型能源体系和实现低碳转型任务目标艰巨。能源行业对科学技术创新的需求比以往任何阶段都更为迫切。人工智能具有突出的学习优势、赋能效应和渗透能力，能源行业深入开展“人工智能+”行动是应对国际复杂局势和国内发展任务的有效举措，具备极其重大意义。
为推动能源行业开展“人工智能+”行动，国家出台系列政策文件。这些政策文件坚持创新在能源发展全局中的核心地位，按照“集中攻关一批、示范试验一批、应用推广一批”的路径，制定路线图，部署示范工程，明确政策措施，支持智能化进程。
在国家政策和市场需求的驱动下，能源行业积极研发部署大模型，这些大模型最重要的包含三类：一是大型能源央企、国企开发的大模型，二是大型IT技术公司融合能源行业场景开发的大模型，三是专门服务于能源行业的技术厂商开发的大模型。
煤炭、油气、电力、水能、太阳能、风能、储能和核能行业开展“人工智能+”行动的状况如下。
自2014年黄陵矿业建成我国首个地面远程智能采煤工作面以来，煤炭行业积极开展“人工智能+”行动，目前人工智能已用于采煤和选煤生产的全部过程优化控制、辅助决策与管理、安全监控与预警等领域。2020年71处煤矿入选国家首批智能化示范建设煤矿，2023年12月和2025年5月分别有47处和19处煤矿通过验收。由于智能化示范矿数量较少且处于中级及以下水平，煤炭行业整体智能化仍处于初级阶段。
人工智能已在油气勘探开采、储运、炼化、销售等环节得到了慢慢的变多的应用。具体而言，基于地质大模型，人工智能助力油藏预测、开采、故障诊断和预警，促进油气增储上产。基于云服务，AI应用于油气储运的工地建设、智能调度和预报预警。依托强大的数据分析与智能研判能力，AI应用于油气炼化的过程管理与供应链优化、成品油销售等领域。经过智能化建设，15家油气企业入选第一批国家级卓越智能工厂。
电力行业是应用AI较多的领域，几乎覆盖了该行业的所有场景。AI在源荷两端开展多种形式的发电功率和电力负荷预测，支撑电力系统的规划建设、运行控制、经营决策和客户服务。通过无人机实现对电网和相关设备的智能巡检，提升设备管理效率和安全水平。电力调度也已实现智能成票、网络化收发令、智能监屏、智能抢修指挥等功能。电力行业在开展“人工智能+”行动中取得了突出成绩，驭电大模型获得2024年世界人工智能大会最高奖（SAIL奖）。
水能领域积极开展“人工智能+”行动，在水电站建设和运维中注重发挥人工智能的作用。目前，世界最大清洁能源走廊的“工业大脑”已在长江干流部署完成。
太阳能领域，基于机器学习实时调整光伏镜片与光照方向，提升发电效率。借助长短期记忆模型预测光伏系统输出功率。
风能领域，深度学习模型提升不确定性风速预测的鲁棒性（系统/算法在干扰、误差或异常条件下，仍能保持稳定运行、输出可靠结果的能力），运检机器人实现风电塔筒和叶片的无人化保养。
核能行业在铀矿勘察、热工水力设计、堆芯换料方案优化、人机一体化智能系统、瞬态工况识别、故障诊断维修等领域加快AI应用，推动核电高质量发展。
概括而言，“人工智能+”行动加快了能源行业的智能化进程，在践行能源安全新战略、构建新型能源体系和减少碳排放等方面发挥了重要作用。
能源行业开展“人工智能+”行动尚处于初期阶段，面临人才缺乏与模型技术可靠性不足、数据基础薄弱、应用场景不足、算电协同逆向分布、人工智能安全风险、应用效果评估缺乏等六大突出挑战。
能源行业缺乏一批既懂能源业务又懂人工智能技术的复合型人才，这是导致大模型与能源知识融合集成不够、模型透明度不高和可解释性不强、一些大模型核心算法没办法做到自主可控并存在泄密等问题的最终的原因，进而时人工智能技术在核电站安全决策、电网实时调度等核心领域尚不足以满足行业级可靠性要求。
因数据基础设施、数据标准、数据安全、专业术语等原因，能源行业存在严重的数据孤岛，数据基础较为薄弱。一是生产运行未能实现全数字化，推动多源数据融合和系统协同的数据平台建设不足，影响数据整合应用。二是各环节的数据标准不统一、互相不兼容，制约流通应用。三是能源数据具有战略属性，对安全性要求很高，在没有正真获得有效保护的情况下，数据分布呈现碎片化特征。四是专业术语体系复杂，不利于数据融合汇总。
受限成本支出较大、数据基础薄弱、模型可靠性和安全性不够、相关人才不足等因素，AI在能源行业的应用场景仍显不足。一是企业智能化升级要支付一大笔设备费用投入，还需支付电费、网络传输费和研发维护费，资金约束延缓了场景开拓。二是薄弱的数据基础不利于模型训练和推理，影响场景应用。三是能源行业对安全性要求很高，大模型的可解释性、可靠性和安全性不足限制了应用场景落地。四是缺乏既懂能源行业知识又懂人工智能的技术人才、管理人才和运维人才，制约了人工智能的应用。
算电协同逆向分布的根本原因是算力需求与电力资源的空间错配。东部地区算力需求很大但电力资源相对匮乏，西部地区电力富集但算力需求不足，这种空间错配必须依赖远距离的电力输送或高效的网络数据传输来优化，但目前远距离输电面临线损大、成本高等问题，跨区域数据传输存在时延、带宽和安全性等挑战，进而形成了算电协同逆向分布的格局，再加上算力和电力基础设施规划布局不协同、绿色电力的间歇性和算力设施与实时可靠电力的需求之间有结构性矛盾、算电协同发展的经济激励不足，进一步加剧了算电协同的逆向分布格局。
人工智能使能源行业面临愈加突出的伦理和网络安全等问题。大模型运算过程呈现黑箱形式，生成内容存在幻觉，给算法偏见、责任归属、透明度等方面带来伦理问题。人工智能带来的数据投毒、算法后门等攻击手段使能源系统面临网络瘫痪、系统拒绝服务等新型威胁，非常有可能诱发系统性风险。
因跨部门数据流通不畅等原因，当前能源行业尚未建立“人工智能+”的效果跟踪与评估机制。这不利于及时识别异常输出，带来系统安全风险；不利于评估投资效率，影响技术选型和应用部署；不利于不同模型系统来进行比较，造成重复布局和资源浪费，阻碍最佳实践的推广和行业整体水平的提升。
“十五五”时期能源行业开展“人工智能+”行动要聚焦自主可控、深度赋能、国际领先，着力推动能源领域人工智能专用技术实现体系化突破与规模化落地，增强能源系统的安全性、绿色化和高效率。
能源企业要主动对接AI企业、高校等相关机构，构建人才联合培养基地，加大人才引进和培育力度，形成一批既懂能源业务又懂人工智能技术的复合型人才。在此基础上，构建开放创新生态体系，打造一批全球领先的研发创新平台，突破模型体系化技术，在模型可解释性、可信性和可靠性等方面实现自主可控，达到世界先进水平。
从数据安全、数据标准、数据质量、示范引领等方面加强全面部署，夯实数据基础。一要保障数据安全。加强数据脱敏、动态加密、联邦学习、合规性审查等，确保数据全流程安全可靠。二要规范数据标准。统一数据架构和数据标准，推动生产运行数智化进程，完善数据平台，确保不同系统和设备之间的数据兼容和流通畅通。三要提升数据质量。通过数据源头质量管控、数据清洗、智能标注、智能增强、数据合成等方式，形成高质量数据集。四要发挥引领作用。开展能源数据开放共享先行区试点，优化数据分享机制，激发头部企业承担数据开放共享“主力军”职责的热情，带动更多企业参与数据联通和共享，实现数据价值。
坚持分类分级原则，梯度开拓应用场景，形成以规模化应用反哺大模型技术提升、以大模型技术升级推动低成本应用的局面，实现场景规模化落地，增强能源系统的安全性、绿色化和高效率。为此，一要聚焦智能化转型需求急迫、数据基础完备、应用价值明确、规模化应用潜力大的方向，深化机器视觉、多模态、时序预测等人工智能关键技术的应用，总结建设路径，起到示范带动作用。二要选择一些条件较好的工业园区，将整个园区作为“人工智能+”行动的实验场，开展能源和交通融合、油气和新能源融合等跨领域、跨行业典型场景示范。条件成熟后，将其经验推广到更多区域更多场景。三要随着示范效应的增强和应用场景的增多，开发个性化的轻量模型，进一步开拓细分场景，带动一批企业组织“人工智能+”行动，推动场景规模化落地。
健全技术联合攻关机制、协同机制、市场机制等，加快算电深层次地融合。一是围绕电力和数据远距离传输、智能电网、可再次生产的能源技术和储能技术等建立联合攻关团队，加大研发力度，完善技术标准体系，夯实算电深层次地融合的技术支撑。二是建设源荷预测和智能调度平台，实现短期发电功率和算力负荷的高精度预测，便于电力前瞻性调度，推动算电协同，同时，引导非实时算力任务向绿电充裕时段和区域转移，加快算电深层次地融合。三是完善算力负荷资源的价值评估体系，激励算力中心发挥对电力的调峰作用。健全绿电与绿证交易市场体系，依托碳汇、碳税等经济杠杆，引导数据中心增加绿电使用量。
筑牢风险体系，推动能源行业建立安全、可靠和让人信服的AI系统。一是加强伦理规范和智能监管。按照人本、公正和责任原则，将人类社会的伦理规范和价值观念，尤其是中华优良历史传统文化，嵌入能源行业的大模型，让人工智能更好服务能源行业。提高训练数据质量，提高人工智能生成内容的准确性和可靠性。打造“以AI治理人工智能、以算法规制算法”的能源智能监督管理体系，形成智慧化监督管理模式。二是保障网络安全。借助AI在大数据分析和态势感知方面的强大能力，加强能源系统的安全态势感知，建立健全各类风险的预警与控制体系，增强网络与信息的安全保障能力。
由行业协会牵头，联合能源企业、人工智能厂商、科研机构及标准化组织成立工作组，选取多个典型场景开展试点示范，围绕经济效益、系统稳定性、运营安全、环境友好等维度构建指标体系，搭建AI应用效果的实时数据库与评估平台。通过场景应用、效果反馈和方案优化，形成“建设-评估-优化”的闭环机制，健全评估标准。通过横向的模型比较和纵向的时序比对，遴选优秀解决方案，制定分行业的标准化评估体系，推动“人工智能+”在能源领域落地推广。积极地推进评估体系的国际化，增强我国在能源领域的国际影响力和话语权。
能源和AI融合创新体系初步构建，算力与电力协同发展根基不断夯实，人工智能赋能能源核心技术取得显著突破，应用更广泛深入。推动五个以上专业大模型在电网、发电、煤炭、油气等行业深度应用，挖掘十个以上可复制、易推广、存在竞争力的重点示范项目，探索百个典型应用场景赋能路径，培育一批能源行业人工智能技术应用研发创新平台，制定完善百项技术标准，培养一批能源与人工智能复合型人才，探索建立能源领域人工智能研发技术应用金融支撑体系，形成符合我国国情的能源领域人工智能技术创新发展模式，能源领域智能化成效初显。
能源领域人工智能专用技术与应用总体达到世界领先水平。算力电力协同机制加强完善，建立绿色、经济、安全、高效的算力用能模式。能源与人工智能融合的理论与技术创新取得明显成效，能源领域人工智能技术实现跨领域、跨行业、跨业务场景赋能，在电力智能调控、能源资源智能勘探、新能源智能预测等方向取得突破，具身智能、科学智能等在关键场景实现落地应用。形成一批全球领先的“人工智能+”能源相关研发创新平台和复合人才教育培训基地，建成更完善的政策体系，持续引导“人工智能+”能源高效、健康、有序创新，为能源高水平质量的发展奠定坚实基础。
来源：国家发展改革委、国家能源局关于推进“人工智能+”能源高水平发展的实施建议
