电力AI双向赋能，引领能源体系变革
Source：中国电力企业管理
在近日召开的“电力低碳保供研讨会”上，国家电网能源研究院原副院长胡兆光提出，人工智能与电力之间形成了一种闭环反馈、相互依存的关系。他指出，作为新质生产力的代表，AI将深刻改变未来电力系统的形态。电力系统具备持续生成的数据流和内在反馈机制，这些特点与AI的强化学习能力及高速运算优势相融合，有望孕育出电力行业专用的通用人工智能。
厦门大学中国能源政策研究院院长林伯强也表达了相近观点。他提到，行业常言“AI的尽头是能源与电力”，而在他看来，“能源与电力的未来也可能在于AI”。林伯强强调，AI与电力并非单向服务关系：AI的高速发展依赖坚实的能源电力基础，同时AI技术也能为电力行业赋能，特别是在低碳转型与电力保供方面发挥关键作用，从而构建可持续的协同发展模式。
目前，电力系统在新能源接入、供需匹配、负荷波动及调度优化等方面面临诸多挑战，而AI技术为应对这些难题提供了新的路径。
胡兆光认为，应构建自下而上的安全稳定调控体系，利用智能体技术将风电、光伏等新能源的波动性在低压层级进行平抑，从而弥补电源侧调节能力的不足。他指出，新能源广泛接入配电网是未来趋势，智能体在优化电网运行方面潜力巨大。以零碳园区为例，可通过智能体统筹调度配电网、微网及园区内的储能设施、充电桩等资源，实现源、网、荷、储协同互动，将新能源发电的随机性和波动性限制在园区内部，降低对主配网的冲击，并提升新能源消纳水平。
面对短时电力短缺和新型负荷快速增长的问题，北京理工大学管理学院教授王博提出，新增负荷中蕴藏着巨大的调节潜力。她指出，通过技术手段可将新增负荷从系统负担转变为可控资源。以新能源汽车为例，预计到2040年，我国新能源汽车保有量将达3亿辆，其车载储能总容量将超过2000亿千瓦时，接近全国日均用电总量。若结合AI技术推动交通与能源系统融合，交通领域将从单一用电方转变为支撑电网灵活调节的重要资源。
在具体实施层面，王博建议构建全国统一的需求侧响应AI模型。通过顶层规划与系统仿真，首先评估区域响应能力需求，再设计响应设施的布局方案，并优化响应时间与调用规模。借助网格级需求响应与时空预测技术，实现多目标实时优化调度，并持续迭代完善。
建筑领域同样是能源转型的关键环节。中国建筑科学研究院热泵与蓄能研究中心主任李骥指出，建筑运行碳排放占全社会总量的22%，其用能负荷大、时空波动显著，叠加可再生能源出力的不稳定性，进一步加剧了电力系统的峰谷差与调节压力。对此，他提出构建以电力为核心，融合光伏、储能、热泵、充电与柔性调控的新型建筑能源系统。该系统以AI为技术中枢，通过光伏建筑一体化、多元储能、高效热泵及柔性用能等手段，推动建筑用能向智能化、协同化方向转型。
此外，胡兆光还指出AI在电价机制优化与负荷预测方面具有重要价值。他建议利用AI分析区域负荷特性，因地制宜调整低谷时段，通过价格信号引导用户调整用电行为。同时，他提出实现“分钟级精准预测”的目标。目前半小时至一小时的预测已较为成熟，理论上，前一分钟预测后一分钟的超短期预测也具备技术条件。如能实现分钟级预测，将极大提升电网调度精度，增强系统运行可靠性。
尽管AI为电力系统带来诸多增益，但其自身能耗问题也日益凸显。根据国际能源署年初发布的《能源与人工智能》报告，在AI应用快速推广的推动下，全球数据中心耗电量年均增长达12%。按此趋势，到2030年，全球数据中心年用电量将翻倍，达到约9450亿千瓦时。
国内形势同样不容乐观。有行业数据显示，2024年我国算力中心用电量约为1600亿千瓦时，预计到2030年将增至4800亿千瓦时。我国已明确提出，到2030年新增能源需求将主要依靠清洁能源满足，上述用电预期对国家清洁能源供应能力提出了更高要求。
林伯强特别指出，需审慎处理AI快速发展带来的短期用电激增与能源转型长期目标之间的平衡。若不能妥善协调，可能对能源系统造成反向压力。
尽管面临挑战，AI与电力系统的深度融合仍在持续推进。AI不仅在电网调度、负荷预测和设备运维等环节发挥关键作用，还在促进新能源高效接入、提升系统韧性方面展现出广阔前景。依托深度学习、大数据分析和智能控制等先进技术，AI正助力构建更加高效、清洁、智慧的现代能源体系。
