以大模型為代表的人工智能技術在對世界知識的理解能力、生成能力方面取得了矚目進展，各行業紛紛布局推進人工智能技術在各自業務領域的應用，主要關注算法模型等技術解決方案，但對人工智能底層邏輯、優勢能力、作用邊界以及配套機制的研究仍不充分。明晰其底層邏輯是從認識論與方法論層面推動人工智能在能源電力領域高質量高水平應用的關鍵。

一、數字化智能化技術與能源電力企業的生產經營全環節融合日益加深

當前，能源電力企業數字化轉型進入了“業數融合”的新階段。在新形勢下，能源電力企業已經不僅僅是簡單地應用數字技術來優化業務流程，而是將數字化深入到企業的核心業務和管理之中，實現業務與數據的無縫對接和高效互動。基于大數據、云計算、物聯網、人工智能等數字技術，能源電力企業能夠實時獲取、分析和應用海量數據，優化能源調度、提升設備效率、改善客戶體驗，實現更精細化的管理和決策。此外，能源電力企業還基于數字技術積極開發新的能源產品和服務，如智能用電方案、定制化能源解決方案等，以滿足市場多樣化的需求。同時，通過與其他行業的跨界合作，能源電力企業不斷開拓新的業務領域，實現業務的多元化發展。通過深化“業數融合”，能源電力企業持續提升自身的競爭力，為能源行業的高質量發展貢獻更大力量。

數字技術在能源電力企業經營全環節的融合應用日益加深。數字技術是科技革命和產業革命的先導技術，全面引領生產力和生產關系的深刻變革。能源電力企業遵循數字經濟發展趨勢和規律，推動數字技術與自身業務的深度融合，發揮融合應用作用，充分利用數字技術對企業經營戰略、治理體系、生產方式、業務形態、運營模式的優化作用，開展全方位、全環節、全鏈條、高水平的融合創新。進一步深化“大云物移智區”等技術在電力領域的大規模、大范圍應用，加速實現電源側、電網側、負荷側及儲能側各類可控資源與信息的數據接入與處理，全面提升我國電力產業的數字化、網絡化和智能化水平。

能源電力企業將進一步發揮數字技術對業務環節的支撐作用，加強數字化技術與“電、氣、熱、信”等多網的橫向緊密耦合，與“源網荷儲”的縱向高效深度融合。有助于多終端、跨地域、跨業務的電網建設，實現萬物互聯及人機交互。

二、電力人工智能的深化應用要以解決以下四類基本問題為核心

一是異常檢測，要從歷史積累數據中識別極少發生的異常數據。從海量數據中“找不同”，與人為規則融合較好，既能應用于規律明確的已知異常檢測場景，又能應用于突發性異常檢測。當前主要數據類型均適用，主要應用于動態時序數據、靜態狀態數據、圖像數據等。

二是模式歸納，從歷史積累數據中識別不易發現、經常發生的數據共現、關聯等規律。從海量數據中“找規律”，支撐人類發現難以直接觀察到的深層關聯模式。當前主要數據類型均適用，主要應用于動態時序數據、靜態狀態數據、圖像數據、文本數據、音視頻數據等。

三是趨勢預測，基于歷史積累數據在時間序列上的發展態勢，推演未來數據變化趨勢。根據歷史發展趨勢推測“下一步”，在未來發展環境與歷史已有環境相似情況下，可以得到較準確的預測結果，但難以應對突發或全新情況。主要應用于動態時序數據。

四是策略選擇，利用數據量化表示所處環境、目標與備選策略，在環境限制下，以目標最優為導向，選擇最優策略。從備選行動方案中“找最優”，選擇結果的有效性依賴于對外部環境的合理假設和精準描述，由于現實情況復雜度高，難以完全由數據量化表示，因此策略選擇存在一定局限性。當前主要數據類型均適用，其中，輸入數據依據分析任務分為兩類，一類描述任務所處外部環境與目標，另一類描述可供選擇的行動方案。

三、電力人工智能應用還需要重視對能源電力領域底層邏輯的刻畫

以大模型為代表的人工智能技術在對世界知識的理解能力、生成能力方面取得了矚目進展，各行業紛紛布局推進人工智能技術在各自業務領域的應用，主要關注算法模型等技術解決方案，但對人工智能底層邏輯、優勢能力、作用邊界以及配套機制的研究仍不充分。

能源電力企業需要從數字化智能化的底層邏輯和認識論著眼，促進人工智能與生產經營的深度融合。人工智能本質是對海量數據的高效處理，可以解決異常檢測、規律歸納、趨勢預測和策略選擇四類基本問題，并形成相應基本方法，當前先進人工智能技術是四類基本方法組合作用的綜合體現，并且四類方法的應用成熟水平存在差異。電網業務分析需求均可以轉化為這四類問題，并按照成熟水平分類采取“加快技術攻關”“同步推進技術方案與配套機制建立”兩大類策略推進人工智能應用體系建設。在推進過程中還需要注意明確人工智能輔助支撐定位、加強業務與技術專家交叉合作、大模型輔助高質量樣本治理三方面問題。

四、電力人工智能的深化應用需要根據場景成熟度差異化推進

電力人工智能的應用場景可按照成熟水平和人類參與需求差異，分“加快技術攻關”和“同步推進技術方案與配套機制建立”兩類策略推進人工智能在電網業務中的應用。

一是對于人工智能應用成熟水平較高、人類參與需求較低的異常檢測類場景，加快技術攻關。選取此類業務需求豐富和技術能力優秀的地區或企業，分類逐步攻關建立起高質量的樣本基礎和模型體系。

二是對于人工智能應用成熟水平較低、人類參與需求較高的模式歸納、趨勢推演、策略選擇類場景，同步推進技術方案與配套機制建立。針對每類場景各選取一項典型迫切分析需求，按照“研發與應用同步推進”的原則，由優勢地區企業與科研單位組成三個專項攻關小組，融合業務與技術優勢，同步開展人工智能解決方案及其配套管理機制研究，確保模型真正發揮對人類決策的支撐作用。（國網能源院能源數字經濟研究所中級研究員 高曉楠賈雪楓）