来源：中国电力报
在“双碳”目标的引领与新型电力系统建设的强力驱动下，我国能源电力行业的数字化转型已实现从“方向探索”到“系统实践”的历史性跨越。然而，从技术落地到生态构建，其发展仍面临数据、算法、算力、人才、标准等多重挑战。
如何答好这道关乎安全、效率与绿色发展的能源“必答题”？记者在第四届能源电力数字化交流会上了解到，业内专家一致认为，单打独斗无法破解深水区难题，需凝聚政、产、学、研、用各方力量，在数据、算力、算法、场景、标准、人才上形成合力，方可为能源产业的高质量发展注入强劲而持久的数智动能。
数智融合升级加速
“我国之所以能建成全球供电能力最强、可靠性最高的电网，除了坚强的物理电网做基础，数字化技术的保驾护航功不可没。”中国能源研究会副理事长兼秘书长孙正运指出。
从智慧园区用能的精细化管理，到电力负荷的精准化预测，从智能调度对资源的高效配置，到智慧巡检实现无人化全域覆盖，数字化技术已深刻融入能源行业的每个环节。
这一进程不仅推动能源行业从依赖“人海战术”向依托“数据智能”转型，更实现了运营模式从被动响应、事后处置到主动预警、事前干预的根本性变革。
在发电侧，以中国华电、三峡集团为代表的能源企业，已构建起从工程建设、智慧流域调度到设备智能运维的全生命周期数字化体系。
三峡集团副总工程师金和平介绍称，三峡集团利用“数字大坝”与“智慧大坝”技术，实现了白鹤滩、乌东德水坝的毫米级监测与无裂缝建造，其发布的“大禹”大模型，正深入水文预报、设备运维等核心场景。
“华电集团通过打造新能源智慧管控平台，实现了对近700个场站、超8300万千瓦装机的集约化、少人化运维，风电、光伏设备可利用率显著提升，并大幅节约了人力资源成本。”华电集团科技与数智化部总监严新荣告诉记者。
在电网侧，人工智能的应用从无人机巡检、图像识别缺陷等传统的状态感知向更复杂的分析决策演进。
记者了解到，南瑞集团通过构建“专业大模型+场景小模型”协同的智能体体系，实现从薄弱点诊断、故障精准定位到复电方案优化的全流程智慧决策，用AI赋能配网可靠性管理。
另外，AI在新能源功率预测这一关键痛点领域展现出了巨大潜力。华电电科院高级工程师张哲介绍，华电电科院通过多源气象数据融合、AI降尺度处理及多模型动态选优，将短期预测准确率提升至90%以上，有效支撑了电力市场交易与电网平衡。
发展“阵痛”亟需破局
在应用广度与深度不断拓展的同时，AI与能源电力深度融合仍面临一系列结构性、基础性挑战，制约其迈向更高水平。
首要挑战在于数据基础尚不牢固。“数据的共享机制尚不健全，技术标准有待统一，模型的可解释性不足与可靠性问题，仍是制约转型推向纵深的关键瓶颈。”孙正运说。
国网能源研究院能源数字经济研究所所长郭磊也指出，高质量数据集的建设目标正从数据汇集向业务赋能延伸，但跨领域、跨主体的数据融合仍有待突破。
“数据质量参差不齐。”南瑞智能配电技术有限公司副总经理杜红卫告诉记者，特别是反映设备异常、极端工况的高价值数据相对稀缺，且标注成本高昂。
除数据基础与质量层面的挑战，在资源统筹与配置方面同样存在短板。随着千亿参数级别的行业大模型陆续涌现，算力需求呈现爆发式增长。“尽管各类企业已开展人工智能技术的开发与应用，但由于缺乏协同，造成了行业资源的冗余和系统的壁垒。”电力规划设计总院能源科技创新研究院院长助理李振杰说，从长远来看，这种碎片化的发展模式将制约人工智能产业整体效能的提升，不利于其健康、可持续的发展。
技术落地与业务融合的深度同样存在着不足。李振杰表示，不少AI应用仍处于“点状分散”的示范阶段，可复制、可推广的成熟模式较少。在电网调度、安全控制等对可靠性与可解释性要求极高的核心业务中，AI模型的“黑箱”特性使其难以承担最终决策责任，更多扮演辅助角色。
数字化领域标准体系尚不健全。目前AI在能源领域的创新多呈“各自为政”之势，导致技术路线分散、资源重复投入。中国电力企业联合会副秘书长俞学豪指出，覆盖技术研发、数据治理、应用评估、安全伦理的全链条标准体系尚未健全，影响了技术成果的规模化推广与产业生态的健康有序发展。
系统落地为径 生态动能成势
面对现状与挑战，推动人工智能在能源电力领域实现从“赋能”到“使能”、从“融合”到“重塑”的跃迁，需要系统性谋划与全局性行动。未来发展的核心方向，在于以场景为牵引、以创新为动力、以生态为支撑、以安全为底线，构建贯穿“技术—数据—算力—应用—人才”的良性循环体系。
国家发展改革委、国家能源局出台的《关于推进“人工智能+”能源高质量发展的实施意见》提出，到2027年推动5个以上专业大模型深度应用、挖掘10个以上重点示范项目、探索百个赋能场景的“五十百”目标，标志着“人工智能+”能源从概念走向规模化落地。
对此，李振杰提出，需以试点示范激发创新活力，以场景为依托，围绕八大重点场景挖掘高价值示范项目，技术上应聚焦攻关数据技术、算力技术和算法技术三大方向，包括隐私计算、可解释性算法、轻量化推理、多智能体协同等。
另外，还需同步构建开放协同的产业生态与标准体系，以支撑技术落地与推广。
俞学豪指出，要充分发挥标准引领和保障作用，加强标准宣贯和实施监督，推动形成技术研发、标准制定、产业应用的良性循环，促进数字化技术在各企业、各环节规范应用。
数字化转型不仅需要技术与模式的创新，更离不开人才的支撑。工信部发布的《制造业人才发展规划指南》显示，节能与新能源汽车产业人才需求总量将达到120万人，但实际缺口有103万人，新能源领域人才缺口超过100万，储能行业人才缺口已经超过10万人。
加快培育既懂能源电力又精通数字技术的复合型人才刻不容缓。李振杰提出，应该通过校企合作、设立实训基地、引进高端人才等方式弥补缺口。另外，在政策层面，也需进一步完善鼓励创新、规范发展的制度环境，明确人工智能在能源领域应用的安全边界、责任归属与伦理规范，建立适应新型电力系统发展的市场机制与监管模式，为人工智能的深度应用提供稳定预期。
