将ChatGPT用在电力行业，会产生什么样的效果？9月7日，记者在南方电网深圳供电局（以下简称深圳供电局）见到，工作人员轻点鼠标，某施工工地上一张吊车吊臂与输电线路相邻的隐患画面随即出现；继续点击该图片，该系统就会像ChatGPT一样给出文字，描述隐患。

这是深圳供电局上线的电力行业首个多模态预训练大模型——“祝融2.0”，它让传统的电网AI技术拥有了类似ChatGPT的逻辑推理能力和文字表达能力，使电网安全隐患告警有效率提升了6倍。

使电力巡检系统会推理

“传统的电网AI技术通过颜色、形状、纹理等表征来识别物体，但很难判断该物体对电力设施的危险程度。对于形态相近的物体，传统的电网AI技术也很难对其准确区分。”深圳供电局技术专家张云翔介绍，“比如在传统模式下，系统虽然能筛选出线路附近有亮光的告警画面，但仍需要巡视人员进一步判断亮光到底是火灾造成的，还是路灯发出的。”如果亮光是路灯发出的，则该告警就是无效的。

针对存在的问题，深圳供电局于去年初发布了电力行业首个基于昇腾生态的AI预训练模型——“祝融”，为电网人工智能转型升级奠定基础。去年底，该局运用类似ChatGPT的新型人工智能模型，将“祝融”升级为2.0版本，使电力巡检系统不仅会看、会记录分析、会预警，而且能看得懂、会推理、会表达。

“祝融2.0”是一个图文双模态模型，它分别利用图像模型和语言模型，将图像特征和文字特征提取后进行融合，效果比传统图像单模态模型更好。语言模型的加入使图像模型有了逻辑推理能力，从而提高了判断的准确率。

以电网的山火监控场景为例，在夜间，灯光与火光的图像形态非常相似，仅靠图像模型难以将二者区分，这容易产生大量误报；如今有了语言模型的加持，系统就会对图片整体进行解读。比如当模型发现光亮是整齐排列且在道路一侧时，就能推测出这是灯光，而非山火。“现在巡检系统能通过图片和文字两种形式传递告警信息，并准确描述出隐患及其对电网设备的危险程度，不需要人工进一步排查。这大大提升了告警有效性，为电网的安全运行增添了一道有力的防线。”张云翔说。

AI对于新型电力系统的发展具有重要意义。根据《新型电力系统发展蓝皮书》，依托电力系统设备设施、运行控制等各类技术以及“云大物移智链边”等数字技术的创新升级，推动建设适应新能源发展的新型智慧化调度运行体系，推动电网向能源互联网升级，打造安全可靠的电力数字基础设施，构建能源数字化平台，助力构建高质量的新型电力系统。其中，具体的建设任务包括建设适应新能源发展的新型调度运行体系、推动电网智能升级、打造新型数字基础设施、构建能源电力数字经济平台等。

以新型电力系统建设中的典型场景虚拟电厂、电力现货交易为例：虚拟电厂和电力交易都需要对电力价格这一核心因素做出预判，具体来说，需要对天气、用电负荷等因素做出预测，同时光伏、风电等新能源上网带来更多不确定性，也同样需要预测。AI可以通过训练模型以及历史数据，对相关因素做出预测，进而在短、中、长期打造良好的电力运营、电力交易策略。

“大模型+大算力”

加速能源电力智能化

AI的发展最终是为了降低生产要素成本，惠及全人类。

伴随着技术的进步，大模型的广泛应用能够以较低成本解决好困扰电力能源行业多年的问题。大模型在认知智能上的突破，可以让AI比以前更好、更深度地掌握行业知识，成为行业专家，以更高效、更容易理解的方式辅助人类工作，在提高智能化水平的同时降低生产成本和难度。

早期商汤为头部电力企业提供了不少特定场景下的专属模型，如电力设备缺陷分析识别模型、配网线路可视化三维建模等。也由此建设了行业人工智能基础设施，并开始提供大模型的训练基础设施、算法、训练和微调服务，服务于电力的输发配变用等各个方面。

商汤科技数字能源总经理王贵珠表示：“大模型在电力行业的应用场景，商汤会围绕三大类展开，第一类，自然语言处理大模型可以服务于客服场景，帮助电力行业更好地提升用户体验；第二类，视觉大模型会更好地解决巡检难题，并为运维场景提高效率，商汤也已经陆续做了不少试点案例；第三类，决策大模型会助力整个电力系统数智化升级，帮助能源行业更好地应对新能源发展带来的行业转变，以前电力系统的输发配变用都是火力发电，具有非常强的计划性，现在能源结构调整后，大量的光伏、风电上网发电并网，给发电侧带来了一定的波动性、随机性，对调度提出极大的要求。”

一位电力专家在结合了大模型技术的系统中输入指令：“帮我看一下这张图片有哪些部件，以及存在哪些缺陷。”大模型就会自动检测图片，并得出一个结论：一块非常不起眼的地方，缺失了一块玻璃绝缘子。

在电网巡检中，电线上忽然有一个不明状况的东西，只需通过少量数据的预先训练，多模态模型就能够识别出，原来这是一条高压线上出现了鸟巢，大模型可以给出鸟巢可能引发风险的预判。

在以前，AI模型往往需要重复大量枯燥的数据标注工作，而采用视觉大模型后，可实现自动化标注，让员工有时间做更有价值的工作。传统的AI模型到达一定程度后，准确率很难继续提高，而使用大模型相关技术后，模型的准确率比以往提升了10%，能够更好地识别电线、电房、电站的缺陷。

大模型在电力系统的另一大应用是电力调度。在防误操作中，如果遇上线路停电，传统的流程机制要先断开中开关，再拉开边开关，这个过程中程序员将代码“锁定”，适用于日常已形成流程化的工作。大模型的不同之处在于，它会针对操作指令做语义分析，结合知识图谱，找到相应任务和设备的操作，因此可以针对一些新的突发状况做出灵活处理。

在商汤看来，技术应该帮助提高人的技能并实现降本增效，正如工业场景中的缺陷检测，首先应该是帮助员工，而不是取代员工。

电力AI已经在电力发展的多个环节产生重要作用

根据南方电网技术情报中心官方公众号，电力与AI的结合范围较广，潜力较大。

1）在电网调控领域，AI能够提高电网运行特性认知水平、提高调度控制效率、提高计划交易自动化水平、提高运行管理智能化、提高人工智能应用基础支撑能力，包括交易辅助决策、数据分析提升电网调度管理水平等。

2）电力设备管理领域，AI能够设备缺陷识别、设备运行状态预测、设备运行状态预测、设备健康知识管理等。

3）新型电力系统新能源功率预测领域，在线自适应学习、小样本机器学习等技术对预测产生重要作用，其中包括将晴空模型、光电转换模型、风功率转换模型等物理机理模型和人工智能模型进行融合，小样本机器学习等工作

4）新型电力系统大数据领域，电网大数据整合、电网大数据智能搜索、数据标注等发挥重要作用。

5）电网智能营销领域，AI赋能用电数据分析、智能客服等领域。

6）电网智能供应链领域，AI可以助力物资采购、智能仓储、智能物流等环节。

根据对电力IT公司AI布局的梳理，我们梳理出几个重要方向：

第一，布局垂类AI大模型。电力行业场景具有较高专业度，因此模型的训练和推理也需要专业的场景、数据来进行培育，电力IT公司较其他领域公司在这个方面具有天然的先发优势。

第二，顺应新型电力系统发展大趋势，AI全面赋能新型电力系统的各个方面的建设。新型电力系统建设有几个特点：一是光伏、风电等新能源装机量不断提升，对整个电网的冲击越来越大，因此对天气等因素的预测必不可少，AI凭借自身深度学习等能力，能够将海量的历史数据进行有效分析，提升预测精准度，对电网调度、新能源消纳等起到重要作用；二是虚拟电厂、电力现货交易不仅是新型电力系统的必要建设环节，也是政策指明的重点方向，AI同样可以凭借深度学习能力，不仅对天气，而且对发电侧、用电侧的海量历史数据进行在线自适应学习、小样本机器学习，进而提出更加精准的发电、售电等预测及最优方案。

第三，AI与RPA等技术融合，打造电力物联网端的应用。过去电力巡检等工作以人工为主，未来电力巡检将更多以设备为主，不仅节省了人力，而且分析范围、计算能力都将有所提升。值得注意的是，AI大潮下RPA技术将快速发展，在电力机器人、流程自动化等方面都将发挥重要作用。

第四，AI与低代码平台结合，进一步赋能电网及电力企业信息化开发。NLP、知识图谱等技术，能够将低代码开发平台内部的历史操作、开发模式、组件、模板、服务等海量知识归类整理，借助实体识别、属性抽取、关系抽取、特征表示和标签生成技术，实现软件开发知识图谱的自动构建，从而进一步提升软件开发效率，助力电力企业和电网提升开发效率，提高响应速度的同时降低成本。

第五，电力新基建中AI技术的应用。目前储能等建设是大势所趋，“BIM+AI”、视觉等技术与AI的结合也将打开更大的想象空间。

文章来源： 科技日报，行业报告研究院，南方+客户端