大模型競(jìng)速賽，從通用領(lǐng)域來到了專用領(lǐng)域。

　　近日，多款能源大模型集中面世：中國(guó)石油上線昆侖大模型APP，朗新科技集團(tuán)發(fā)布“朗新九功”AI能源大模型，國(guó)家能源集團(tuán)發(fā)布首個(gè)千億級(jí)發(fā)電行業(yè)大模型“擎源”。

　　此前，市場(chǎng)一直有聲音認(rèn)為，工業(yè)場(chǎng)景具有數(shù)據(jù)高復(fù)雜度、結(jié)果低容錯(cuò)率、成本敏感性高等特點(diǎn)，因而在本輪AI大模型技術(shù)發(fā)展的浪潮中，應(yīng)用落地節(jié)奏相對(duì)較慢。

　　但在最早嘗試開展大模型應(yīng)用的行業(yè)之一——能源行業(yè)，大模型已在電網(wǎng)調(diào)度、煤電生產(chǎn)、核電運(yùn)行等場(chǎng)景落地。在新能源領(lǐng)域，大模型也逐步滲透至新能源的預(yù)測(cè)、消納、運(yùn)維等環(huán)節(jié)。

　　賦能新能源消納

　　在新能源領(lǐng)域，新能源發(fā)電功率預(yù)測(cè)是大模型技術(shù)成熟度最高、產(chǎn)業(yè)落地最廣的場(chǎng)景之一。

　　新能源功率預(yù)測(cè)是電力交易的基石。但隨著風(fēng)光新能源在電網(wǎng)中的占比不斷提高，新能源發(fā)電出力的隨機(jī)性、波動(dòng)性和間歇性，正在威脅功率預(yù)測(cè)的準(zhǔn)確性。

　　浙商證券研究指出，傳統(tǒng)上，電站主要根據(jù)物理模型和統(tǒng)計(jì)方法對(duì)新能源發(fā)電功率進(jìn)行預(yù)測(cè)，以提前應(yīng)對(duì)電網(wǎng)波動(dòng)。但面對(duì)復(fù)雜多變的氣候條件和不斷增長(zhǎng)的新能源裝機(jī)規(guī)模，傳統(tǒng)的預(yù)測(cè)方式逐難以滿足精準(zhǔn)預(yù)測(cè)的需求。

　　目前，谷歌DeepMind基于擴(kuò)散模型技術(shù)推出的氣象預(yù)測(cè)大模型能夠?qū)崿F(xiàn)長(zhǎng)達(dá)15天的全球天氣預(yù)報(bào)，華為、英偉達(dá)等公司也都對(duì)其發(fā)布的氣象大模型持續(xù)迭代升級(jí)，為新能源領(lǐng)域提供精準(zhǔn)高效的功率預(yù)測(cè)。

　　此外，業(yè)內(nèi)還衍生出細(xì)分新能源發(fā)電功率預(yù)測(cè)大模型，如協(xié)鑫集團(tuán)與北京大學(xué)、NVIDIA合作研發(fā)了光伏功率預(yù)測(cè)大模型，光伏發(fā)電量預(yù)測(cè)精度比單純依靠時(shí)間序列模型提升3至5個(gè)百分點(diǎn)。

　　精準(zhǔn)的新能源發(fā)電功率預(yù)測(cè)是解決新能源并網(wǎng)消納問題的關(guān)鍵所在。

　　通過智能調(diào)度算法，大模型可以實(shí)時(shí)分配新能源電力，減少棄風(fēng)棄光現(xiàn)象。如南方電網(wǎng)的新型電力系統(tǒng)智能電力平衡體系通過大幅提高新能源功率預(yù)測(cè)和用電負(fù)荷預(yù)測(cè)準(zhǔn)確度，實(shí)現(xiàn)新能源發(fā)電與負(fù)荷變化在百萬平方公里尺度上的秒級(jí)匹配，顯著提升新能源消納水平。

　　這也能夠輔助新能源并網(wǎng)：在新能源并網(wǎng)過程中，電網(wǎng)面臨波動(dòng)性和間歇性挑戰(zhàn)。大模型能夠基于新能源發(fā)電量的精準(zhǔn)預(yù)測(cè)，優(yōu)化并網(wǎng)策略;并通過實(shí)時(shí)監(jiān)測(cè)和動(dòng)態(tài)調(diào)整，抑制電力系統(tǒng)寬頻振蕩等問題。

　　在發(fā)電側(cè)，大模型的另一大應(yīng)用是設(shè)備運(yùn)維。如遠(yuǎn)景智能推出新一代風(fēng)機(jī)故障檢修支持虛擬專家，基于生成式大模型，并智能調(diào)用行業(yè)精調(diào)小模型，能夠迅速完成意圖解析，提升運(yùn)維效率。

　　劍維軟件副總裁及中國(guó)區(qū)總經(jīng)理崔靜怡告訴21世紀(jì)經(jīng)濟(jì)報(bào)道記者，AI模型還能夠深度分析海量能源數(shù)據(jù)，如設(shè)備運(yùn)行數(shù)據(jù)、電網(wǎng)負(fù)荷、天氣預(yù)報(bào)，實(shí)現(xiàn)設(shè)備的預(yù)測(cè)性維護(hù)，大幅減少非計(jì)劃停機(jī)時(shí)間，降低運(yùn)維成本。

　　此外，通過與無人機(jī)、攝像頭、機(jī)器人、機(jī)器狗等設(shè)備聯(lián)動(dòng)，結(jié)合視覺大模型，大模型也能應(yīng)用于新能源設(shè)備巡檢等領(lǐng)域。

　　避免“大材小用”

　　在大模型出現(xiàn)之前，人工智能在能源領(lǐng)域的應(yīng)用以專用小模型為主。這些小模型參數(shù)規(guī)模較小、數(shù)據(jù)需求有限，專注于解決特定場(chǎng)景下的具體問題，如能源需求預(yù)測(cè)、智能電網(wǎng)管理或可再生能源優(yōu)化利用等。

　　大模型出現(xiàn)后，因其出色的上下文理解、指令遵循、內(nèi)容生成、數(shù)據(jù)處理、場(chǎng)景泛化等能力，逐步覆蓋更廣泛的能源場(chǎng)景，如新能源并網(wǎng)優(yōu)化、電網(wǎng)穩(wěn)定性提升等。

　　有業(yè)內(nèi)人士指出，大模型在某些場(chǎng)景下具有必要性，但有些問題使用小模型就能低成本解決。如寬頻振蕩風(fēng)險(xiǎn)分析、溯源這類業(yè)務(wù)的特點(diǎn)是機(jī)理相對(duì)明確、數(shù)據(jù)量不大，專業(yè)小模型便能有效解決，既能避免大模型的高額投資，也能規(guī)避大模型幻覺對(duì)分析結(jié)果可靠性的影響。

　　大模型存在多種技術(shù)路線，包括時(shí)序大模型、大語言模型、多模態(tài)大模型、仿真/科學(xué)計(jì)算模型等。

　　其中，時(shí)序大模型在新能源發(fā)電功率預(yù)測(cè)中想象空間較大。

　　“新能源預(yù)測(cè)是未來短期內(nèi)有望看到顯著成效的大模型典型應(yīng)用場(chǎng)景。”前述業(yè)內(nèi)人士指出，利用時(shí)序大模型，可以在現(xiàn)有水平基礎(chǔ)上，融合更多氣象數(shù)據(jù)，構(gòu)建端對(duì)端的架構(gòu)體系，更加充分挖掘氣象數(shù)據(jù)和新能源出力的特征和匹配關(guān)系，有望進(jìn)一步提升預(yù)測(cè)精度，助力調(diào)度生產(chǎn)。

　　相對(duì)而言，語言大模型的訓(xùn)練和應(yīng)用依賴數(shù)據(jù)儲(chǔ)備，目前在新能源領(lǐng)域成熟度較低。

　　不同于通用大語言模型可以使用互聯(lián)網(wǎng)海量信息作為訓(xùn)練數(shù)據(jù)，能源行業(yè)的AI模型沒有現(xiàn)成數(shù)據(jù)可以使用。崔靜怡告訴記者，能源行業(yè)的IT(信息技術(shù))和OT(運(yùn)營(yíng)技術(shù))系統(tǒng)長(zhǎng)期各自發(fā)展，導(dǎo)致數(shù)據(jù)分散、標(biāo)準(zhǔn)不一。有效整合這些異構(gòu)數(shù)據(jù)，建立統(tǒng)一的數(shù)據(jù)底座是AI應(yīng)用的基礎(chǔ)，但也是一大難點(diǎn)。

　　她還指出，工業(yè)場(chǎng)景的復(fù)雜性要求AI模型不僅能識(shí)別數(shù)據(jù)模式，更要結(jié)合深厚的工業(yè)機(jī)理知識(shí)。“如何將行業(yè)專家經(jīng)驗(yàn)與AI算法有效結(jié)合，開發(fā)出真正可靠、可解釋的工業(yè)AI模型，尤其是對(duì)于波動(dòng)條件下的新能源電力與化工的聯(lián)合動(dòng)態(tài)運(yùn)行，仍是行業(yè)空白，還需要持續(xù)投入研發(fā)以突破技術(shù)難關(guān)。”

　　來源：21世紀(jì)經(jīng)濟(jì)報(bào)道記者孫燕