以 “AI+” 消除新能源 “成長的煩惱”

　　國家能源局數據顯示，截至 7 月底，今年以來我國可再生能源發電新增裝機 2.83 億千瓦，總裝機達到 21.71 億千瓦，占全國電力總裝機容量的近六成;可再生能源發電量 2.18 萬億千瓦時，同比增長 15.2%，接近全國總發電量的四成。

　　全球能源轉型加速，綠電消納成為可再生能源規模化發展的關鍵瓶頸。部分地區消納與調節難題凸顯，折射出綠電增長與消納能力不匹配的矛盾，成為新能源産業 “成長的煩惱”。當前，産業亟須通過提升電力系統調節能力、優化綠電适配水平，構建新型電力系統。

　　在此背景下，9 月 8 日，國家發展改革委、國家能源局聯合發布《關于推進 “人工智能 +” 能源高質量發展的實施意見》(以下簡稱《意見》)，提出能源領域人工智能發展的分階段目标，明确到 2027 年，能源與人工智能融合創新體系初步構建。

　　筆者認為，《意見》的出台從技術與制度雙維度為綠電消納破題，既聚焦 AI 在風光出力預測、跨區域負荷調配等領域的技術落地，也明确建立産學研協同機制與技術标準體系。在技術路徑上，AI 通過精準預測風光發電波動、實時優化綠電與傳統電力配比，可有效緩解 “棄風棄光” 問題;在制度保障上，融合創新體系能打通技術研發與電力系統應用的壁壘，确保 AI 技術穩定服務于綠電消納。具體而言，為破解 “成長的煩惱”，可從以下三方面發力。

　　提升 AI 精準預測能力，從源頭破解新能源 “波動性” 困局

　　新能源發電的間歇性、随機性是消納難題的核心症結 —— 在電源側，風電、光伏等新能源發電 “靠天吃飯”，精準預測是破局第一道防線。《意見》明确要求發展 “新能源功率預測” 智能化應用，正是基于 AI 可顯著降低預測誤差的實踐成效。

　　以往，新能源電站功率預測多依靠物理模型和統計方法，但面對複雜多變的氣象條件和日益增長的新能源裝機規模，這些傳統方式逐漸暴露出局限性，難以滿足精準預測的需求。而基于人工智能的氣象和功率預測模型技術，可以更精準地捕捉氣象變化與新能源發電功率之間的複雜關系。華為聯合中國華電集團和玖天氣象推出的 “基于 AI 大模型技術的新能源氣象功率預測” 聯合解決方案，利用 AI 大模型技術，使試點場站超短期 15 分鐘預測準确度達到 97.24%，4 小時預測為 91.72%，24 小時内的中短期預測整體準确度超 90%，顯著優于傳統超算預測模式，同時有效削減了電站運營成本。

　　随着預測精度提升，可通過開展電力供需預測、電網智能診斷分析、規劃方案智能生成等電網規劃設計應用，在電力供需上實現智慧化調度，為綠電 “騰挪” 更多消納空間，從源頭減少棄電。通過精準的電力供需預測，電網可以提前知曉不同時段的電力需求情況，從而合理安排新能源發電與傳統能源發電的比例，避免出現電力過剩或短缺的情況。電網智能診斷分析則能及時發現電網運行中的潛在問題，保障電網穩定運行，為綠電消納提供可靠的網絡基礎。規劃方案智能生成能夠根據電網的實際情況和發展需求，制定出最優化的電網規劃，提升電網對綠電的接納能力。

　　加強 AI 在優化電網調度方面的作用，提升 “源網荷儲” 協同水平

　　我國電網正從傳統 “源随荷動” 模式向 “源網荷儲互動” 新模式轉型，AI 正是這一轉型的 “智慧大腦”，它打破傳統電力系統時空壁壘，通過多主體協同優化提升綠電消納能力，這正好與《意見》中 “提升負荷側群控優化和動态響應能力” 的要求相契合。

　　國網山東電力攜手阿裡雲及南瑞集團打造的 “電網調度智慧大腦”，便是 AI 優化電網調度的典型案例。該系統基于國産算力和大模型，融合氣象、電網運行等多源數據，實現了電力調度從自動化向智能化的跨越。在負荷預測方面，綜合運用 “氣象大模型 + 專業小模型技術”，接入阿裡達摩院 “八觀氣象大模型”，将未來 48 小時氣象預報的更新頻率提升至 1 小時一次，為負荷預測提供更及時、準确的氣象數據支持，在 2024 年迎峰度夏期間，針對 7 次極端天氣開展負荷預測，平均準确率達 95.72%，中秋、國慶等節假日的預測準确率更是高達 99%。在調度操作防誤方面，采用圖(知識圖譜)模(大語言模型)融合增強技術，實現調度操作票全要素智能審核，有效防範誤操作事故的發生。

　　AI 技術能夠實時收集和分析 “源網荷儲” 各個環節的數據，包括電源的發電能力、電網的傳輸狀況、負荷的變化情況以及儲能的充放電狀态等。通過對這些數據的深度挖掘和分析，AI 可以制定出最優的調度策略，實現電源、電網、負荷和儲能之間的協同運作。在用電高峰時期，AI 可以智能調度儲能系統釋放電能，同時合理安排新能源發電和傳統能源發電的出力，滿足負荷需求;在用電低谷時期，則控制儲能系統進行充電，儲存多餘的電能，避免能源浪費。

　　國網杭州供電公司的源網荷儲 AI 智慧保供平台也是一個成功實踐。該平台深度融入基于國家電網公司光明大模型研發的 “光擎” 智腦大模型，在迎峰度夏期間，可智能分析未來一周供電形勢，精準預判具體時段的供電裕度。一旦發現電網設備重載等異常情況，即可通過 AI 智能分析，聯動虛拟電廠自動生成多時間尺度優化的保供策略并一鍵下發執行，大幅提升系統調節能力和效率。

　　推動 AI 技術與儲能運維進一步融合

　　儲能是平抑新能源波動的核心支撐，AI 則推動儲能設施從 “被動儲電” 轉向 “主動增效”。據中關村儲能産業技術聯盟全球儲能數據庫不完全統計，截至 2025 年 6 月底，中國電力儲能累計裝機規模 164.3GW，同比增長 59%。随着 AI 技術的深度應用，市場潛力将進一步釋放。

　　在儲能運維中，AI 技術可以實現智能預警、運行分析、電站體檢和智慧運維等功能。甯德時代發布的智慧儲能管理平台 ——“天恒・智儲”，通過 “大數據平台 + AI 大模型與先進機理算法融合 + AI 助手工具” 等創新集合，實現故障提前 7 天預警，算法準确率≥99.99%。通過電池虛拟 CT 産品，可幫助電站運維人員 5 分鐘完成故障問題分析與定位，依托 7×24 小時支持 AI 助手小恒和甯德時代全球運維人員支持，可将儲能電站非計劃停機損失降低 75%。同時，平台還能提供整站級别專業的運營數據分析，通過引入優化充放電策略和全面均衡調控功能，延長設備使用壽命與提升電站運營經濟性，典型案例可實現電站綜合效率平均提升 3%、可用損耗平均下降 25% 。

　　冠蓋科技推出的行業首款面向新型儲能系統的全生命周期運維智能體 “小藍星™”，基于 “電化學機理 + AI 大模型” 技術路線，具備自學習、自診斷、自修複、自優化的 “四自能力”。自學習方面，基于 4.6GWh 儲能數據訓練的深林™大模型，自動更新故障知識庫，對新型缺陷識别準确率達 92% 以上;自診斷采用 “大小模型融合” 策略，故障定位時間較傳統方案縮短 70%;自修複覆蓋所有電芯失效模式，支持 188 類故障的自動處置，某示範項目實測顯示 MTTR(平均修複時間)降低至 15 分鐘;自優化通過強化學習持續疊代調度策略，使設備綜合效率提升 18%，年運維成本降低 35%。

　　AI 技術還能助力儲能參與電力交易，提升收益。某頭部儲能企業基于強化學習的交易策略系統，在山東電力市場中将儲能套利空間從 0.25 元 /kWh 提升至 0.38 元 /kWh，相當于将 20 年運營期的項目 IRR 提高 4.2 個百分點。清華大學張強教授團隊相關研究顯示，清華四川院助力江蘇首座 AI 智慧調控光儲充換一體化站建設，率先應用基于大模型的微電網協同控制技術，成功将光伏消納率從 96.0% 提升至 99.7%，儲能日均放電量提升 48.12 千瓦時，套利能力提高 25.1%，綜合收益增長 14.07% 。

　　從技術優化到模式創新，“AI + 能源” 的深度融合有望推動綠電消納實現 “三重躍遷”。人工智能不僅是破解綠電消納難題的技術方案，更是推動能源結構轉型、培育新質生産力的戰略支點。在 AI 技術驅動下，我國綠電消納必将邁上新台階，為實現 “雙碳” 目标與能源高質量發展注入動力。