能源资讯 | AI在新能源领域落地还面临哪些挑战

近日，我国“人工智能+”能源高价值场景清单正式发布，虚拟电厂多时空尺度智能协同运营、大规模车网互动智能运营优化等新能源领域高价值场景入选。

从虚拟电厂的“统筹者”，到车网互动的“调度员”，AI正在重塑能源生态。在新能源领域，AI的应用还面临哪些挑战？科技日报记者进行了深入采访。

尽管在AI能源调度管理领域已取得诸多技术突破与试点成果，但受访专家直言，要让“AI+新能源”大面积落地，还需提升AI算法的专业性、可靠性。

“AI存在的‘幻觉’问题，在办公场景尚可容忍，但在电力调度等敏感领域，一旦数据错误或趋势误判，将引起严重后果。”高岩峰说，大模型迭代快，安全性难以完全保证。

针对新能源领域的算法安全问题，国内相关企业已开始寻找解决之道。比如，南方电网公司打造气象与时序预测、潮流计算、暂态稳定分析模型矩阵，研发出全球首款电力系统智能仿真专业大模型“大瓦特·驭电”，自主研制我国首款全国产化电力专用主控芯片“伏羲”并实现量产，降低对外部模型的依赖，提升算法安全性与可靠性。

高质量数据供给是“AI+能源”规模化落地要面对的另一难题。“AI的可靠运行高度依赖海量、高质量、标准化的数据支撑，但目前数据供应严重不足，导致AI应用无从谈起。”暨南大学新能源技术研究院院长麦耀华分析，“企业出于商业机密、数据安全等顾虑，难以共享生产运行数据，导致高质量行业数据缺乏，AI模型无法得到有效训练。这种情况不仅出现在车网互动场景，也发生在其他新能源场景中。”

为此他建议，构建安全可控的数据协同体系。“可借鉴密码学原理，实现数据‘可用但不可见’——数据需求方可以使用数据进行计算和模型训练，但无法查看原始数据的具体内容，消除数据提供方的安全顾虑。同时，应建立统一的数据共享底座，制定统一的采集、存储标准，从源头规范数据治理。”麦耀华说。他还特别提到，建立数据共享激励机制、数据贡献的收益分配机制，让数据提供方获得实际回报。

AI在新能源领域的推广应用过程中，市场机制与商业模式的不完善同样是一道绕不开的坎。

以车网互动为例，其核心价值在于提供“容量”服务，如调频、备用。然而目前电力辅助服务市场中，尚未针对分散的车网互动开发合适产品，容量价值未得到充分释放。“目前的获利空间极其有限，国内电价差较小，且制造业对电价敏感，价差不会过大，单纯依靠电能量价差难以获利。”高岩峰说。

此外，车网互动的商业模式闭环尚未打通，谁为调节服务买单仍是关键问题。

“推动AI和新能源结合，关键还是要先解决资源分配、数据贡献、商业模式存在的问题，让更多人愿意参与进来，进而推动技术发展。”麦耀华认为，解决之道在于继续理顺并稳定峰谷电价机制，拓展虚拟电厂、车网互动参与现货市场的渠道；构建可持续的商业闭环，让参与各方都能有利可图；通过合理的经济补偿覆盖电池损耗成本，提升用户参与热情。

高岩峰进一步建议，充电运营商应跳出“拼低价”的同质化竞争，基于AI的智能运营优化，从单纯收取充电服务费，转变为“服务费+市场化购电降本+辅助服务”多轮驱动。

“高价值场景是牵引AI技术创新，驱动AI与能源产业深度融合与双向赋能的关键路径。”南方电网公司总经济师陈晔说。

据悉，南方电网公司围绕电网规划、智能巡检等重点领域打造超340个应用场景，依托AI技术显著提升新能源预测精度，日前超短期预测准确率（国标）达98%。

“AI深度赋能新能源，不仅是实现‘双碳’目标的必由之路，更是能源转型的全面共识。”麦耀华预测，短期内，AI更多扮演着示范工具的角色；而长远来看，它必将成为支撑新能源发展的核心载体。