一、針對 AI 在電力領(lǐng)域的應(yīng)用場景、我們提出“應(yīng)用可行性分析框架”
3 月 31 號，國家能源局發(fā)布《關(guān)于加快推進(jìn)能源數(shù)字化智能化發(fā)展的若干意見》，針對電 力、煤炭、油氣等行業(yè)數(shù)字化智能化轉(zhuǎn)型發(fā)展需求，提出若干建議，以把握新一輪科技革 命和產(chǎn)業(yè)變革新機(jī)遇。 其中電力行業(yè)方面，主要提出利用數(shù)字化智能化技術(shù)支撐：發(fā)電清潔低碳轉(zhuǎn)型、新型電力 系統(tǒng)建設(shè)、電力消費(fèi)節(jié)能提效。我們由此梳理出以下 5 項(xiàng) AI+電力應(yīng)用場景： 1)發(fā)電側(cè)---發(fā)電清潔化智慧化轉(zhuǎn)型：①新能源發(fā)電功率預(yù)測;②電廠 BIM 智能化設(shè)計(jì) 2)電網(wǎng)側(cè)---新型電力系統(tǒng)建設(shè)：③電網(wǎng)智能調(diào)控和輔助決策;④輸電線路智能巡檢、變 電站智能運(yùn)檢、配電智能運(yùn)維 3)用電側(cè)---電力消費(fèi)節(jié)能提效：⑤虛擬電廠、微電網(wǎng)。
《意見》提出的四項(xiàng)基本要求包括需求牽引、數(shù)字賦能、協(xié)同高效、融合創(chuàng)新。推動數(shù)字化智能化技術(shù)與能源產(chǎn)業(yè)發(fā)展深度融合，加快人工智能、數(shù)字孿生、物聯(lián)網(wǎng)、區(qū)塊鏈等數(shù) 字技術(shù)在能源領(lǐng)域的創(chuàng)新應(yīng)用，最終為構(gòu)建清潔低碳、安全高效的能源體系，為積極穩(wěn)妥 推進(jìn)碳達(dá)峰碳中和提供有力支撐。
19 年后 AI 大模型持續(xù)推進(jìn)，賦能千行百業(yè)，22 年市場規(guī)模近 2000 億元。近十年來，包 括機(jī)器學(xué)習(xí)(ML)、自然語言處理(NLP)、計(jì)算機(jī)視覺(CV)等技術(shù)快速發(fā)展，在企業(yè)設(shè) 計(jì)、生產(chǎn)、管理、運(yùn)營多個環(huán)節(jié)中均有滲透程度不斷提升，同時(shí)在礦業(yè)、電力、交通、農(nóng) 業(yè)、氣象等領(lǐng)域的應(yīng)用逐步落地。AI 應(yīng)用已從消費(fèi)、互聯(lián)網(wǎng)等泛 C 端領(lǐng)域，向 B 端傳統(tǒng) 行業(yè)輻射，AI 大模型在基礎(chǔ)層、技術(shù)層、應(yīng)用層均持續(xù)突破，AI 正加速賦能千行百業(yè)。 22 年市場規(guī)模近 2000 億元,2022-2027 年 CAGR 為 25.6%。據(jù)艾瑞咨詢數(shù)據(jù)，2022 年中國 AI 產(chǎn)業(yè)規(guī)模達(dá) 1958 億元，年增長率 7.8%。2022 年業(yè)務(wù)增長主要依靠：1)智算中心建設(shè) 及大模型訓(xùn)練等應(yīng)用拉動需求的 AI 芯片市場、2)智能機(jī)器人及對話式 AI 市場。 在 AI 成為數(shù)字經(jīng)濟(jì)時(shí)代核心生產(chǎn)力的背景下，AI 芯片、自動駕駛及車聯(lián)網(wǎng)視覺解決方案、 智能機(jī)器人、智能制造、決策智能應(yīng)用等細(xì)分領(lǐng)域增長強(qiáng)勁。2027 年人工智能產(chǎn)業(yè)整體 規(guī)?？蛇_(dá) 6122 億元，2022-2027 年的年復(fù)合增長率為 25.6%。
針對電力行業(yè)屬性，我們提出 AI+電力“應(yīng)用可行性分析框架”，以多維度的視角，分析 判斷 AI 有望最先在哪些細(xì)分行業(yè)和公司落地。
面向行業(yè)主要衡量的維度有： 1) 能否解決長期痛點(diǎn)問題：電網(wǎng)承擔(dān)最主要的功能是維持用電側(cè)與電網(wǎng)側(cè)動態(tài)平衡，而 新能源裝機(jī)比例上升無疑加大了電力調(diào)度與消納的難度，因此若 AI 加持能有效解決 消納相關(guān)細(xì)分環(huán)節(jié)的痛點(diǎn)問題，相關(guān)政策導(dǎo)向和資金投入將有望向此環(huán)節(jié)傾斜。 2) 行業(yè)數(shù)據(jù)是否具有較低敏感性和安全性風(fēng)險(xiǎn)：大模型需要通過海量數(shù)據(jù)訓(xùn)練，而電網(wǎng) 行業(yè)本身涉及到民生用電與數(shù)據(jù)安全性問題，部分信息不便用于大規(guī)模公開訓(xùn)練，因 此若某一細(xì)分環(huán)節(jié)數(shù)據(jù)敏感性較低或用戶已授權(quán)使用，則大模型將更快接入落地。 3) 行業(yè)是否已較早應(yīng)用布局 AI/技術(shù)實(shí)踐：電網(wǎng)多個應(yīng)用場景較早地應(yīng)用了 AI 技術(shù)，例 如輸變電線路運(yùn)維和巡檢方面，2011 年開始，部分企業(yè)就已開展了通過 AI 對電力設(shè) 備外表缺陷進(jìn)行識別、預(yù)測、跟蹤運(yùn)行等研究探索。 4) 已有華為等廠商開發(fā)出行業(yè)相關(guān)大模型：例如華為盤古 CV 視覺大模型，已在 L2 級 細(xì)分場景上，推出基于電力大模型的無人機(jī)電力巡檢、電力缺陷識別等場景模型。
面向公司主要衡量的維度有： 1)擁抱 AI 的積極性：公司的主觀能動性如何?是否排斥應(yīng)用大模型? 2)積累的數(shù)據(jù)規(guī)模與數(shù)據(jù)質(zhì)量：公司所積累的數(shù)據(jù)壁壘是否深厚?積累的數(shù)據(jù)能否直接 用于模型訓(xùn)練?是否會涉及到客戶數(shù)據(jù)泄密? 3)享有某些數(shù)據(jù)的優(yōu)先使用權(quán)：公司是否為兩網(wǎng)核心子公司?未來是否會優(yōu)先享有某些 重要數(shù)據(jù)使用權(quán)? 4)重視信息化建設(shè)基礎(chǔ)：公司性質(zhì)是否偏軟件?是否早就重視信息化基礎(chǔ)建設(shè)?是否擁 有較高信息化建設(shè)水平，以配合 AI 落地? 5)具備自主開發(fā)訓(xùn)練能力、或和大模型廠商有深入合作關(guān)系：公司是否具備開發(fā)實(shí)力/ 是否和大模型廠商深度合作?
新能源發(fā)電功率預(yù)測，輸變電線路智能運(yùn)維與巡檢是我們最看好的兩個方向。
新能源發(fā)電功率預(yù)測： 1)痛點(diǎn)問題：對于電網(wǎng)調(diào)度部門，由于新能源發(fā)電間歇性和波動性的特點(diǎn)，功率預(yù) 測難度較大，新能源大規(guī)模集中并網(wǎng)會對電網(wǎng)穩(wěn)定運(yùn)行造成沖擊;對于電站運(yùn)營商， 各地“雙細(xì)則”考核罰款標(biāo)準(zhǔn)趨于嚴(yán)格，預(yù)測精度可直接影響電站運(yùn)營和盈利。 2)數(shù)據(jù)敏感性：氣象數(shù)據(jù)的可獲得性較高，數(shù)據(jù)敏感性較低，公開信息可以直接用 于大規(guī)模模型訓(xùn)練。 3)AI 布局/技術(shù)實(shí)踐：自 2012 年起，全球能源預(yù)測大賽(GEFCOM)已舉辦過三屆， 有超 60 個國家的數(shù)百只隊(duì)伍參賽;2021 年國網(wǎng)調(diào)控 AI 創(chuàng)新大賽--新能源發(fā)電預(yù)測 賽道中，已有深度學(xué)習(xí)模型在實(shí)際應(yīng)用中脫穎而出;產(chǎn)業(yè)中已有國能日新、國電南瑞 等超過 10 家研究中心與企業(yè)推出了成熟的組合建模功率預(yù)測系統(tǒng)。 4)廠商相關(guān)大模型：華為云發(fā)布了盤古氣象大模型，預(yù)測精度首次超過傳統(tǒng)數(shù)值方 法，速度提升 10000 倍。
輸變電線路智能運(yùn)維與巡檢： 1)痛點(diǎn)問題：我國輸電線回路與變電設(shè)備存量規(guī)模大，投運(yùn)規(guī)模逐年增長，巡檢需 求強(qiáng)烈，而人工巡檢存在諸多劣勢，AI 替代是大勢所趨。 2)數(shù)據(jù)敏感性：相較于用電側(cè)數(shù)據(jù)，設(shè)備故障缺陷相關(guān)數(shù)據(jù)敏感性較低，數(shù)據(jù)質(zhì)量 與規(guī)模取決于企業(yè)自身積累情況。 3)AI 布局/技術(shù)實(shí)踐：自 2013 年起東方電子、億嘉和、澤宇智能等諸多企業(yè)已經(jīng)布 局輸變電線路智能運(yùn)維、智能巡檢機(jī)器人、巡檢無人機(jī)業(yè)務(wù)，參與者眾多、產(chǎn)品多樣。 4)廠商相關(guān)大模型：華為在 L2 級細(xì)分場景模型上，已經(jīng)推出基于電力大模型的無 人機(jī)電力巡檢、電力缺陷識別等場景模型，例如電力缺陷識別模型可以替代原有的 20 多個小模型，做到平均精度提升 18.4%、模型開發(fā)成本降低 90%。
評論