国家能源局发布《关于加快推进能源数字化智能化发展的若干意见》，电力领域主要提出以数字化智能化技术，支撑发电清洁低碳转型、新型电力系统建设、电力消费节能提效。

AI有望率先赋能的行业应用场景 :新能源发电功率预测：新能源发电间歇性和波动性大，功率预测难度高，对电力消纳与调度造成较大冲击，预测精度会直接影响电站运营和盈利。输变电智能运维与巡检：我国输电线回路与变电设备存量规模大，投运规模逐年增长，巡检需求强烈，而人工巡检存在诸多劣势，AI 替代是大势所趋。

一、ChatGPT催化AI+场景应用深化

过去制约AI发展的因素一直都是和场景的结合应用，业界一直在为没有找到收入足以覆盖研发、算力等成本的应用模式而苦恼；另一方面，市场也在期待一个更通用的AI模型的出现。ChatGPT的出现在应用侧展现了一条通用化的路径，完美解答了商业模式与通用大模型两个问题。在此基础上，AI+场景的应用或将迎来爆发。

相比传统AI算法，GPT模型的区别在于通过海量参数，进一步提升了模型的精确度。初代的GPT模型参数是1.17亿，而GPT2的模型有15亿个参数，参数增加了10倍之多。第三代的GPT3模型，参数达到了1750亿，是GPT2参数的100倍。正是由于参数的指数级提升，使得模型的使用效果大幅提升。而此类参数上亿的模型，通常称之为“大模型”。GPT模型能够生成连贯和语法正确的文本，已被用于广泛的自然语言处理任务，包括语言翻译、文本补全和文本生成。

AI在电力多个环节助力降本增效，稳定性与智能化是寻找电力AI场景的主线。对于整个电力体系来说，在发输变配用的多个环节均涉及到预测、调度、管理等软件需求，AI的接入有望帮助多个环节实现效率的提升。从另一个方面讲，电网是一个以稳定与安全为第一位的体系，AI在电力体系的落地是一个相对谨慎的过程，需要去找一些对于主网运行影响不大，同时智能化之后降本增效较为明显的领域。这主要涉及两大方向，和下游用电相关的虚拟电厂和电力交易，以及和检测相关的智能化巡检

二、AI助推电力IT加速发展，多个细分领域迎来变革机遇

人工智能赋能新型电力系统下新能源发电、变电、调度、配网、安监、营销、基建以及企业经营管理等领域业务智能化应用，将有效推进新型数字基础设施建设，助力新型电力系统智能化发展。基于云平台、深度学习框架以及图像识别、语音识别、自然语言处理等AI技术能力，电力企业可以进行专业化模型训练和智能化分析以及诊断服务，包括：提供精准的能源需求预测，帮助企业制定更加科学合理的能源调度方案，避免因能源短缺或过剩而造成的浪费和损失；对电力系统进行实时监测和优化，提高电力系统的稳定性和安全性，降低事故风险；提高电力设备的维护效率和准确性，降低设备故障率，从而降低维护成本和提高设备使用寿命。

大模型将电力领域作为重点垂直细分领域。以华为为例：大模型方面：盘古CV大模型在无人机智能电力巡检方面取得了较好成绩，模型开发维护成本降低90%；与中科院自动化所合作即将发布的智能决策大模型，在出力预测、电网智能调度方面也有突破。硬件及平台：华为基于昇腾AI为业界提供的人工智能基础软硬件平台，包括Atlas系列硬件、异构计算架构CANN、全场景AI框架昇思MindSpore、昇腾应用使能MindX以及一站式开发平台ModelArts等，打通从训练到推理的整个流程，构建云边端协同的电力智能平台。

阿里的“通义千问”大模型也将电力作为首批应用场景之一。2023年4月26日阿里云宣布启动“通义千问伙伴计划”，优先为千问伙伴提供大模型领域的技术、服务与产品支持。该计划首批将推动“通义千问”大模型在油气、电力、交通、金融、酒旅、企服、通信7个不同行业的落地应用，共同打造产业生态。因此，随着大模型的不断完善和成熟，“AI+电力”将迎来更长远的发展前景。

三、发电功率预测、输变电智能运维巡检，有望成为 AI 率先赋能方向

1 发电功率预测：基于 AI 的预测模型为当前研究主线，旨在提高预测精度

发电功率可靠预测是新能源大规模有序并网的关键。新能源发电对天气依赖较强，具有间 歇性和波动性特征，因此发电电量较难预测，大规模集中并网会对电网的稳定运行产生较 大的冲击。因此新能源发电的准确预测可帮助电网调度部门提前做好传统电力与新能源电 力的调控计划，改善电力系统调峰能力，增加新能源并网容量。

功率预测相关政策趋于严格，“双细则”加强考核。2018 年 3 月，国家能源局印发《关于 提升电力系统调节能力的指导意见》，要实施风光功率预测考核，将风电、光伏等发电机 组纳入电力辅助服务管理。各地区能源局随后纷纷发布了本区域《发电厂并网运行管理实 施细则》和《并网发电厂辅助服务管理实施细则》（“双细则”），加强对新能源发电功率预 测的考核，明确和加强考核罚款机制，发电功率预测精度直接影响到电站的运营与盈利。

新能源功率预测分类：（1）按照时间尺度：分为超短期、短期、中长期预测；（2）按照空 间尺度：分为单机预测、单场站预测、区域预测；（3）按照建模方法：分为物理建模方法、 时间序列建模方法、基于机器学习和深度学习等的人工智能建模方法。超短期和短期预测均用于电网调度。根据各能源局《发电厂并网运行管理实施细则》：（1） 电站必须于每天早上 9 点前向电网调度部门报送短期功率预测数据，用于电网调度做未来 1 天或数天的发电计划；（2）每 15 分钟向电网调度部门报送超短期功率预测数据，用于 电网调度做不同电能发电量的实时调控。

基于人工智能的预测模型具有诸多优点，为当前主流研究领域。相比物理建模、时间序列 建模等传统方法，基于 AI 的预测模型对于高维非线性样本空间具有良好的拟合能力；模 型参数基于数据训练得到，更容易获取；模型的输入特征亦可灵活构建；结合智能优化算 法还可进行参数自动寻优，进一步省去了人工调参的工作量。

当前 AI 在功率预测领域的应用主要包括：模型输入、模型构建和参数优化。（1）模型输 入：包括数据预处理、数据增强和特征构建；（2）模型构建：包括 ANN、SVM、决策树模 型为代表的传统机器学习算法，基于深度学习的新一代 AI 技术，以及融合多种模型的组 合预测技术；（3）参数优化算法：包括进化算法、群智能优化算法等静态优化算法和强化 学习等动态优化算法，主要用于模型训练和组合参数优化。

功率预测技术路线主要包含数据计算、传输及模型优化。以国能日新为例，公司基本实现 功率预测算法模型的自动匹配及预测数据的自动计算发送，因此在项目日常营运端，人力 投入较少，仅在少数场站模型远程匹配失败的情况下，由业务人员前往现场完成模型修正。在模型优化方面，一般会按照设定的周期，由智控平台中的模型算法程序自动重新选取最 优功率预测模型，并将其自动匹配至站场服务器。

新能源功率产品每日工作流程（以国能日新产品为例）：①获得原始气象预报数据、②通 过建模计算后得到更高精度的气象预测数据、③进行短期功率预测数据计算、④传输短期 功率数据到所服务电站、⑤在电站软件中进行超短功率预测、⑥报送数据至电网调度部门。

当前线性回归模型和树模型实际应用效果好，深度学习类模型表现亮眼。全球能源预测大 赛（GEFCOM）至今已经举办过三届，有超过 60 个国家的数百只队伍参赛，在历届优胜算 法中，线性回归模型和树模型实际应用效果最好。此外，在 2021 年国家电网调控 AI 创新 大赛，新能源发电预测赛道中，基于决策树的同质集成算法在实际应用中效果较好，还有 优胜队伍使用了深度学习类模型，表明深度学习模型逐渐在实际应用中崭露头角。

业内成熟的功率预测系统主要采用组合建模方法。实际功率预测系统采用的技术路线由早 期的物理建模方法，过渡到以数据驱动方法为主，且几乎全部为组合建模方法。组合建模 可通过串行和并行两种方式分别减少模型的偏差和方差，从而提高预测精度。

2024 年新能源功率预测市场规模 13.4 亿元，国能日新为行业龙头。根据沙利文报告，2019 年我国发电功率预测市场的市场规模约 6.3 亿元，到 2024 年市场规模将增长至约 13.4 亿元，2019 至 2024 年均复合增长率将达 16.2%，其中光伏发电功率预测市场规模预计为 6.5 亿元，风力发电功率预测市场规模预计为 6.9 亿元。市场格局方面，国能日新为行业龙头，2019 年公司在光伏和风能发电功率预测市场的占有率分别为 22.3%和 18.8%。

华为盘古气象大模型精度首次超过传统数值方法，速度提升 10000 倍以上。华为云发布 的盘古气象大模型 1 小时-7 天预测精度均高于传统数值方法，同时预测速度提升 10000 倍，能够提供秒级的全球气象预报（传统数值预测方法无法做到），包括位势、湿度、风 速、温度、海平面气压等。同时，盘古气象大模型在一张 V100 显卡上，只需要 1.4 秒就 能完成 24 小时的全球气象预报。

2 智能运维与巡检：AI 有望全面升级巡检产品，行业空间预计突破百亿

我国输电线回路与变电设备存量规模大，投运总规模平稳增长。根据中电联数据，截止 2022 年，全国电网 220 千伏及以上变电设备容量共 51.98 亿千伏安，同比增长 5.2%；220 千伏及以上输电线路回路长度共 88.2 万千米，同比增长 4.6%。从新增量看，2022 年全国 新增 220 千伏及以上变电设备容量 25839 万千伏安，同比增长 6.3%；新增 220 千伏及以 上输电线路长度 38967 千米，同比增长 21.2%。2021 年、2022 年，220 千伏及以上变电设 备容量增速维持在 5%左右，220 千伏及以上输电线路回路长度增速维持在 4%。新增规模 中，变电设备容量增量位于近十年次高点，输电线路回路长度增量为近十年第三高点。

电力系统运维管理分为：“被动”-“主动”-“ 状态检修”三个阶段，“状态检修”策略 及时性和可靠性高。由于输变电线路架设在各种自然环境中，常年经受日晒雨淋，难免会 造成电力设备缺失或损坏，应当及时发现各种劣化过程的发展状况，并在可能出现故障或 性能下降前，进行维修更换。电力系统运维管理主要包括“被动”运维、“主动”运维、 “状态检修”策略三个发展阶段，其中“状态检修”策略提高了故障发现的及时性和电网 运行的可靠性。

人工巡检诸多劣势，AI 替代是大势所趋。电力行业有大量巡检工作条件恶劣，传统人工 巡检的工作难度大、危险指数高、及时性低、工作量大；采用智能巡检，既具有人工巡检 的灵活性和智能性，同时响应更加及时、效率更高、成本更低，随着技术的发展，智能机 器人技术具有广阔的应用前景，未来电气行业无人化巡检将成为行业常态。AI 替代人工性价比更高。以 500kv 变电站为例，人工巡检模式下需要 4 个工人耗费一个 礼拜的工时才能进行一次全面检查，假设每位工人年薪约 8 万，而同样的工作量，一台巡 检机器人能在更短的时间内完成，其平均成本为 65 万/台，计提折旧后约 16 万/年，使 用巡检机器人比人工巡检能节约 16 万/年。

输电线路智能运维与巡检主要分为可视化状态监测、无人机巡检、及机器人巡检等方式。1）可视化状态监测：能够全天候全时段在线自动运行监测的方式，能够及时发现安全隐 患及对本体整体运行状态进行评估；2）无人机巡检：作为线路特巡的一种手段，对线路 进行巡视，可用于发现线路较为细节的缺陷，通常需要专业人员在现场操控才能完成对线 路的巡视；3）机器人巡检主要用于变电站、配电房、电缆隧道等场景应用，可按照设定 的线路或铺设的导轨对重点点位进行巡视。

电力巡检机器人行业规模测算：输电线巡检、变电站巡检、配电站巡检及隧道巡检是电力 智能巡检的核心应用场景，其中主流巡检场景为室外和室内。假设：1）变电站及配电房 数量 2020 年后保持年增速 3%；2）依据国家能源局智能电网的规划覆盖目标，假设渗透 率未来四年保持年增速 2%；3）随产品技术升级与竞争加剧，预计机器人单机价格持续小 幅下滑；4）变电站/配电房配置机器人比例分别为一机一站/一机两房。综上，预计 2025 年我国室外/室内巡检机器人市场规模分别为 54/118 亿元，市场空间广阔。

文章来源： 牛股王，国金证券，基少成多-似曾相识