1. 認知升級：掌握人工智能技術發(fā)展脈絡，理解大模型、多模態(tài)AI等前沿技術對電力行業(yè)的顛覆性影響；

2. 技術解碼：系統學習AI在電力系統的核心應用邏輯，包括機器學習、計算機視覺、數字孿生等技術原理；

3. 場景賦能：深度剖析15大應用場景的解決方案，覆蓋新能源、輸變電、虛擬電廠等關鍵領域；

4. 案例遷移：借鑒國網、中廣核、國家能源集團等頭部企業(yè)AI落地經驗，快速轉化實踐方法論；

5. 決策支撐：獲得AI驅動電力系統智能化轉型的評估框架，提升資源投入與技術選型的決策效率；

6. 趨勢前瞻：預判AI與電力融合的演進方向，把握AGI（通用人工智能）時代的戰(zhàn)略機遇與風險邊界。

第一講：理解人工智能——AI的過去、現在和未來

一、過去篇——人工智能的進化之路

第一階段：理論奠基期（1950-1990）：在紙上造夢的瘋子們

第二階段：基礎建設期（1990-2012）：當世界變成一塊硬盤

第三階段：深度學習產業(yè)化（2012-2022）：機器睜開眼睛的那天

第四階段：通用智能涌現（2022-至今）：當我們成為AI的零件

二、現在篇——技術與社會

1. 人工智能的技術

1）人工智能的底層技術：機器學習、神經網絡

2）人工智能的維度劃分：計算機視覺、自然語言處理、機器人技術、語音處理、推薦系統、自動駕駛；判別式AI、生成式AI（DeepSeek、Chatgpt）、交互式AI

3）多模態(tài)AI Agent

2. 正當時的大預言模型

1）什么是大語言模型

2）大語言模型的訓練階段：預訓練、監(jiān)督微調、獎勵建模、強化學習

3）大語言模型的黃金三角：算力為骨、算法為脈、數據為血

4）大語言模型的開源與閉源：技術民主化的博弈

3. AI江湖風云錄

1）AI宏大敘事里的三類玩家

a基礎模型開發(fā)者：DeepSeek、阿里云、豆包、文心一言、Google、OpenAI

b算力硬件支撐者：英偉達、英特爾、AMD、華為

c行業(yè)應用落地者：微軟、TikTok、Google

2）當人類面對AI革命：四個陣營的角力與共生

a技術激進派+積極影響論者：楊立昆（Yann LeCun）、奧特曼（Sam Altman）

b技術激進派+消極影響論者：馬斯克（Elon Musk）

c技術保守派+消極影響論者：杰弗里·辛頓（Geoffrey Hinton）

d技術保守派+積極影響論者：約書亞·本吉奧（Yoshua Bengio）

三、未來篇：挑戰(zhàn)與機遇

1. 愿景：AI會如何改寫人類文明進程

1）人工智能的終局：通用人工智能（AGI）

2）AI改寫人類的三個階段：信息智能、物理智能、生物智能

2. 限制：AI的天花板在哪兒

1）實現AGI的資源限制：算力、數據和資源

2）AI能否產生自主意識？

3）AI能否進行因果推斷？

第二講：人工智能在電力系統中的15大應用場景

場景一：AI+新能源：新一代新能源功率預測系統

1. 新能源電站天氣預測

2. 分析地形、風光資源、發(fā)電特性

3. 基于風機和光伏陣列參數，結合安裝位置區(qū)域氣象數據，構建處理預測模型

4. 按照空間和時間兩個維度，預測風力和光伏發(fā)電功率變化趨勢，提高功率預測準確性

5. AI 可以智能地調整風力發(fā)電機的葉片角度和轉速，以及太陽能電池板的朝向和傾角確保發(fā)電設備始終處于最佳運行狀態(tài)，從而最大化地提高發(fā)電效率

案例：新疆電力調度中心：用AI預測功率，預測精度超過93%，大幅增加利用率

場景二：AI+光伏

1. 光伏系統設計與優(yōu)化：AI算法可模擬不同地形、光照條件和陰影遮擋，優(yōu)化光伏板空間布局，最大化能量輸出

案例：Googlel利用AI優(yōu)化太陽能農場布局，提升發(fā)電效率20%

2. 機器學習(ML)加速新型光伏材料（如鈣鈦礦、異質結電池）的研發(fā)，預測材料性能并篩選最優(yōu)組合

案例：MIT團隊通過AI篩選出高效鈣鈦礦材料，縮短研發(fā)周期

3. 生產制造與質量控制：利用計算機視覺（CV）結合深度學習，實時檢測光伏板生產中的微裂紋、隱裂或焊接缺陷，提升良品率

4. 發(fā)電預測與運維管理：基于氣象數據（輻照度、溫度、云層）和歷史發(fā)電數據，AI模型預測短期和長期發(fā)電量，輔助電網調度

5. 故障診斷與預警：AI分析光伏電站的實時數據（電流、電壓、溫度），識別組件老化、熱斑、逆變器故障等問題，提前預警

案例：華為FusionSolar系統利用AI實現光伏電站的智能診斷

6. 智能情節(jié)與運維機器人：AI驅動無人機或地面機器人自動巡檢光伏電站，通過紅外成像和視覺分析定位臟污，破損或者遮擋問題

7. 自動清潔調度：AI根據天氣（沙塵、降雨）和發(fā)電數據，優(yōu)化清潔機器人的工作頻率和路徑

8. 消納與儲能優(yōu)化：AI預測光伏發(fā)電波動，優(yōu)化儲能系統充放電策略，減少棄光率

9. 農光互補：AI平衡光伏發(fā)電與農作物生長的光照需求，優(yōu)化之家高度和版間距

10. BIPV：AI模擬建筑表面的光照條件，設計高效且美觀的光伏幕墻或者屋頂

場景三：AI+風電

1. 尾流效應建模與優(yōu)化：深度學習集合計算流體動力學模擬尾流效應，優(yōu)化風機布局，減少尾流損失，AI算法動態(tài)調整風機偏航角度，提升下游風機的風速和發(fā)電效率

2. 風機性能預測與運維優(yōu)化：基于AI故障預測與健康管理系統，提前識別風機關鍵部件（如齒輪箱、葉片）的潛在故障，優(yōu)化維護周期，降低運維成本

3. 利用無人機巡檢和AI圖像識別技術，檢測葉片損傷，減少人工巡檢成本

4. 土地利用優(yōu)化：AI結合地理信息系統，分析地形、風速分布等數據，優(yōu)化風電場選址

5. AI模型評估不同布局方案的土地占用與發(fā)電效率，實現經濟效益與生態(tài)的平衡

6. 采用平準化度電成本模型，評估AI優(yōu)化后的風電場經濟性，可降低度電成本10-15%

7. 通過AI優(yōu)化電力市場交易策略，提高風電場的手電收益，減少棄風率

場景四：AI+電力項目選址

1. 利用地理信息數據結合GIS空間分析等技術手段，為電站和輸電線路選址

2. 結合無人機+AI技術，較好的規(guī)避潛在的障礙物和風險點

3. 能快速識別出規(guī)劃區(qū)域內需要拆遷的建筑物

4. 初步估算其拆遷所需的補償成本

5. 提高規(guī)劃效率，為成本控制和預算制定提供有力支持

場景五：AI+電力現貨交易

1. 通過分析歷史交易數據和市場趨勢，預測未來的市場走勢

2. 使用機器學習算法對電力市場需求進行預測，可以幫助電力公司優(yōu)化發(fā)電和輸電計劃

3. 可以在實時市場中自動調整交易策略以規(guī)避風險，如在負電價情況下自動減少電力輸出

4. 可以在市場發(fā)生極端事件時提前預警，幫助機構進行跨區(qū)域電力置換交易

5. 交易系統可以在毫秒級響應市場變化，執(zhí)行大量的交易指令

場景六：AI+微電網

案例：中能建北京設備公司“源網荷儲”一體化微電網

1. 園區(qū)用能高度依賴傳統能源

2. 創(chuàng)新性建設分布式光伏發(fā)電、智能配電系統、光儲充一體化微電網

3. 支持光伏和儲能系統可靠接入，有效增加可再生能源的比例

4. 提升工業(yè)企業(yè)綠電使用占比，減少對傳統能源的依賴

5. 采用數字孿生的三維建模實現檢測控制可視化

6. 通過AI大數據模型計算，智能優(yōu)化能源配置

7. 實現用電量最低、成本最優(yōu)、能耗最低的方案

8. 大幅降低用電成本，提高園區(qū)、源網荷儲綠電使用占比

場景七：AI+虛擬電廠

1. 推動虛擬電廠本地化精準響應

2. 虛擬電廠與電力交易是AI在電力領域的最佳落地場景

3. VPP解決電網負荷最具經濟性的選項之一

案例：2023年深圳虛擬電廠管理中心，實時可調節(jié)能力超過50萬千瓦

場景八：AI+抽水蓄能電站

1. 傳統線下人工管理轉向線上智能管理

2. 經驗決策向數據決策轉變

3. 設備的數據智能巡檢、設備狀態(tài)的智能診斷、設備運維模式變革

4. 基于海量多維數據產出準確的設備狀態(tài)評價

5. 提前預判設備缺陷隱患

6. 將設備數據分析與檢修策略相結合

7. 明確告知運維人員：設備現在好不好，設備將來修不修

8. 依托云端快速掌握設備運行狀態(tài)和性能指標，參考發(fā)電機、水輪機、勵磁、調速器等系統設置的分析評價結論，靈活調整設備檢修策略

案例：2023年，XS-100D平臺實現了90%以上的人工巡檢由機器替代，一年創(chuàng)造1760W經濟效益

場景九：AI+火電①

案例：國家能源集團——全國首個燃煤電廠專屬“智能大腦”AI助手

1. “智能大腦”與現有管理平臺體系、歷史數據進行對接

2. 實現AI助手智能問答、智能檢索、知識生成等功能

3. 輔助生產和管理人員科學決策

4. 分析記錄消缺記錄、缺陷分析、檢修記錄等內容

5. 在消缺決策、安措危險提示、設備智能檢索方面提供直接幫助

場景十：AI+火電②

案例：國能臺州電廠——智能巡檢管控系統

1. 核心技術：人工智能+物聯網+大數據結合賦能火電巡檢業(yè)務

2. 高清攝像頭+油泄露監(jiān)測+聲/振/溫/水傳感器，全天候盯防

3. 電力物聯網+AI視頻分析，構建智能巡檢數字基座

4. 多源信息+數模混合驅動=設備健康評分+故障自診斷

5. 黑科技：多源感知矩陣、AI診斷引擎、數據融合與智能診斷、3D數字孿生駕駛艙

6. 優(yōu)點總結

1）提升巡檢效率，降低人工成本

2）提高巡檢質量，保障設備安全

3）實現數據化管理，輔助決策分析

4）推動火電廠智能化轉型，提升企業(yè)競爭力

場景十一：AI+核電

案例：中廣核：核工業(yè)首個企業(yè)級大規(guī)模智能知識管理系統——錦書，轉為核工業(yè)打造，其參數規(guī)模達到720億

1. 機遇系統化培訓理念的智能培訓系統

2. 個人崗位晉升系統、PPT生成等多個應用

3. 打破了各工種之間的數據孤島

4. 實現“技術平權”，一人即N人

5. 現場工程師可以通過知識庫之間的排列組合構建數字工程師

6. 開發(fā)經驗反饋數字工程師

場景十二：AI+變電

案例：國網新疆——站式AI平臺

1. 全面收集變電站一次主設備的基本信息、運行數據、檢修數據

2. 掌握設備曾發(fā)生故障的事件、原因、處理方法和結果

3. 將各項數據匯集，實現一站式AI平臺全景展示功能

4. 為每一臺設備精準“畫像”推動設備全壽命周期管理

5. AI平臺可以監(jiān)測變壓器絕緣油中溶解氣體含量

6. AI平臺可以監(jiān)測變壓器套管和電流互感器油壓、避雷器絕緣性能等數據

場景十三：AI+輸電①

案例：國網：超/特 高壓輸電線路紅外缺陷智能識別系統

案例：華北電力大學聯合國網電力空間技術公司研發(fā)——輸電線路紅外缺陷智能識別系統

案例：國內首次將人工智能（AI）技術規(guī)模化應用于輸電線路發(fā)熱檢測

1. 過去痛點

1）人工智能識別紅外影響數據的流程比較復雜

2）由人工現場判別，易受檢修人員經驗、注意力等因素影響造成遺漏

3）紅外視頻數據量龐大，福建工作難度極大且效率低下，易造成絕緣子掉串

2. 新系統上線后

1）僅需一鍵上傳巡檢紅外視頻就能快速抽幀并智能識別發(fā)熱缺陷

2）可輔助線路運維單位及時消除線路跳閘停電的隱患

3）以240基桿塔的紅外視頻為例，傳統人工數據復合需要5h，新系統只需要2h，并且無需人工干預

場景十四：AI+輸電②

案例：國網山東電力——無人機跨越黃河巡檢輸電線路

案例：中科院自動化研究所與山東電力合作研發(fā)——基于單線激光雷達的仿線飛行智能巡檢技術無人機

案例：成功對1000千伏泉樂I線和II線23-24號塔跨黃河輸電導線精細化巡檢

1. 過去痛點

1）兩個塔橫跨黃河兩岸，相距1315米，容易出現導線斷股等隱患

2）沿途塔位多位于山區(qū)、丘陵等地理條件復雜地帶

3）輸電線路導線巡檢工作挑戰(zhàn)大，傳統無人機巡檢無法解決

2. 新技術融合后

1）仿線飛行智能巡檢技術無人機

2）自研激光雷達設備，結合雙目視覺識別技術，部署深度卷積神經網絡算法

） 可實現基于仿線飛行的輸電線路巡檢、間隔棒巡檢、樹線矛盾巡檢、導線異物檢測、垂弧/相線距離測量、支持對輸電線路導線的精細化巡檢

4）加入前端人工智能輔助拍照，實時識別、智能聚焦、智能補光等技術進行精準抓拍

5) 前端部署AI識別算法，無人機檢測到異常時，可懸停并進行多角度拍攝

6)對于導線銹蝕、磨損、異物懸掛、散股、斷股、斷裂等可見光缺陷無人機智能識別

7)成果：缺陷整體發(fā)現率約為80%

場景十五：AI+配電

案例：國網上海電力——電力AI輔助決策系統

案例：上海電力完成進博會全景智能供電保障系統6.0版迭代升級

案例：將上海電力30余套源端系統集成于“一張屏”

1. 實現保電區(qū)域“設備智能化、業(yè)務工單化、管理數字化”

2. 系統建立了以設備靜態(tài)參數、運行動態(tài)數據以及站房重要性為主的綜合評價體系

3. 對房站內或線路上的每一臺主設備進行評價，為站房巡視及運維策略進行智能決策

4. 在多種智慧寶典手段的護航下，進博會核心區(qū)域電網供電可靠性達到99.999%以上

場景十六：AI+儲能

1. 電池管理系統(BMS)：

1）荷電狀態(tài)估計：通過AI算法，結合電池的電壓、電流、溫度等數據，實時估計電池的SOC

2）健康狀態(tài)評估：通過算法，分析電池的充放電循環(huán)數據，預測電池的SOH，提前發(fā)現電池老化，提供維護建議

3）功率狀態(tài)評估：通過強化算法，結合電池實時狀態(tài)和環(huán)境條件，動態(tài)調整電池的充放電功率，確保電池在安全范圍內運行

2. 能量管理系統（EMS）：

1）電力需求預測：通過AI深度學習算法，通過大量的歷史數據訓練出高精度的預測模型

2）電價預測：AI結合歷史電價數據、市場供需關系、天氣等因素，預測未來電價波動

3）充放電策略優(yōu)化：通過強化學習算法，結合電力需求、電價、電池狀態(tài)等數據，動態(tài)調整儲能系統充放電策略，最大化經濟效益

3. 電力電子變換器

1）故障診斷與預測性維護：通過AI對變換器的電壓、電流、溫度等數據進行監(jiān)控

2）控制策略優(yōu)化：通過AI算法優(yōu)化變換器控制策略，提高效率和可靠性