1. 認知升級：掌握人工智能技術發展脈絡，理解大模型、多模態AI等前沿技術對電力行業的顛覆性影響；

2. 技術解碼：系統學習AI在電力系統的核心應用邏輯，包括機器學習、計算機視覺、數字孿生等技術原理；

3. 場景賦能：深度剖析15大應用場景的解決方案，覆蓋新能源、輸變電、虛擬電廠等關鍵領域；

4. 案例遷移：借鑒國網、中廣核、國家能源集團等頭部企業AI落地經驗，快速轉化實踐方法論；

5. 決策支撐：獲得AI驅動電力系統智能化轉型的評估框架，提升資源投入與技術選型的決策效率；

6. 趨勢前瞻：預判AI與電力融合的演進方向，把握AGI（通用人工智能）時代的戰略機遇與風險邊界。

第一講：理解人工智能——AI的過去、現在和未來

一、過去篇——人工智能的進化之路

第一階段：理論奠基期（1950-1990）：在紙上造夢的瘋子們

第二階段：基礎建設期（1990-2012）：當世界變成一塊硬盤

第三階段：深度學習產業化（2012-2022）：機器睜開眼睛的那天

第四階段：通用智能涌現（2022-至今）：當我們成為AI的零件

二、現在篇——技術與社會

1. 人工智能的技術

1）人工智能的底層技術：機器學習、神經網絡

2）人工智能的維度劃分：計算機視覺、自然語言處理、機器人技術、語音處理、推薦系統、自動駕駛；判別式AI、生成式AI（DeepSeek、Chatgpt）、交互式AI

3）多模態AI Agent

2. 正當時的大預言模型

1）什么是大語言模型

2）大語言模型的訓練階段：預訓練、監督微調、獎勵建模、強化學習

3）大語言模型的黃金三角：算力為骨、算法為脈、數據為血

4）大語言模型的開源與閉源：技術民主化的博弈

3. AI江湖風云錄

1）AI宏大敘事里的三類玩家

a基礎模型開發者：DeepSeek、阿里云、豆包、文心一言、Google、OpenAI

b算力硬件支撐者：英偉達、英特爾、AMD、華為

c行業應用落地者：微軟、TikTok、Google

2）當人類面對AI革命：四個陣營的角力與共生

a技術激進派+積極影響論者：楊立昆（Yann LeCun）、奧特曼（Sam Altman）

b技術激進派+消極影響論者：馬斯克（Elon Musk）

c技術保守派+消極影響論者：杰弗里·辛頓（Geoffrey Hinton）

d技術保守派+積極影響論者：約書亞·本吉奧（Yoshua Bengio）

三、未來篇：挑戰與機遇

1. 愿景：AI會如何改寫人類文明進程

1）人工智能的終局：通用人工智能（AGI）

2）AI改寫人類的三個階段：信息智能、物理智能、生物智能

2. 限制：AI的天花板在哪兒

1）實現AGI的資源限制：算力、數據和資源

2）AI能否產生自主意識？

3）AI能否進行因果推斷？

第二講：人工智能在電力系統中的15大應用場景

場景一：AI+新能源：新一代新能源功率預測系統

1. 新能源電站天氣預測

2. 分析地形、風光資源、發電特性

3. 基于風機和光伏陣列參數，結合安裝位置區域氣象數據，構建處理預測模型

4. 按照空間和時間兩個維度，預測風力和光伏發電功率變化趨勢，提高功率預測準確性

5. AI 可以智能地調整風力發電機的葉片角度和轉速，以及太陽能電池板的朝向和傾角確保發電設備始終處于最佳運行狀態，從而最大化地提高發電效率

案例：新疆電力調度中心：用AI預測功率，預測精度超過93%，大幅增加利用率

場景二：AI+光伏

1. 光伏系統設計與優化：AI算法可模擬不同地形、光照條件和陰影遮擋，優化光伏板空間布局，最大化能量輸出

案例：Googlel利用AI優化太陽能農場布局，提升發電效率20%

2. 機器學習(ML)加速新型光伏材料（如鈣鈦礦、異質結電池）的研發，預測材料性能并篩選最優組合

案例：MIT團隊通過AI篩選出高效鈣鈦礦材料，縮短研發周期

3. 生產制造與質量控制：利用計算機視覺（CV）結合深度學習，實時檢測光伏板生產中的微裂紋、隱裂或焊接缺陷，提升良品率

4. 發電預測與運維管理：基于氣象數據（輻照度、溫度、云層）和歷史發電數據，AI模型預測短期和長期發電量，輔助電網調度

5. 故障診斷與預警：AI分析光伏電站的實時數據（電流、電壓、溫度），識別組件老化、熱斑、逆變器故障等問題，提前預警

案例：華為FusionSolar系統利用AI實現光伏電站的智能診斷

6. 智能情節與運維機器人：AI驅動無人機或地面機器人自動巡檢光伏電站，通過紅外成像和視覺分析定位臟污，破損或者遮擋問題

7. 自動清潔調度：AI根據天氣（沙塵、降雨）和發電數據，優化清潔機器人的工作頻率和路徑

8. 消納與儲能優化：AI預測光伏發電波動，優化儲能系統充放電策略，減少棄光率

9. 農光互補：AI平衡光伏發電與農作物生長的光照需求，優化之家高度和版間距

10. BIPV：AI模擬建筑表面的光照條件，設計高效且美觀的光伏幕墻或者屋頂

場景三：AI+風電

1. 尾流效應建模與優化：深度學習集合計算流體動力學模擬尾流效應，優化風機布局，減少尾流損失，AI算法動態調整風機偏航角度，提升下游風機的風速和發電效率

2. 風機性能預測與運維優化：基于AI故障預測與健康管理系統，提前識別風機關鍵部件（如齒輪箱、葉片）的潛在故障，優化維護周期，降低運維成本

3. 利用無人機巡檢和AI圖像識別技術，檢測葉片損傷，減少人工巡檢成本

4. 土地利用優化：AI結合地理信息系統，分析地形、風速分布等數據，優化風電場選址

5. AI模型評估不同布局方案的土地占用與發電效率，實現經濟效益與生態的平衡

6. 采用平準化度電成本模型，評估AI優化后的風電場經濟性，可降低度電成本10-15%

7. 通過AI優化電力市場交易策略，提高風電場的手電收益，減少棄風率

場景四：AI+電力項目選址

1. 利用地理信息數據結合GIS空間分析等技術手段，為電站和輸電線路選址

2. 結合無人機+AI技術，較好的規避潛在的障礙物和風險點

3. 能快速識別出規劃區域內需要拆遷的建筑物

4. 初步估算其拆遷所需的補償成本

5. 提高規劃效率，為成本控制和預算制定提供有力支持

場景五：AI+電力現貨交易

1. 通過分析歷史交易數據和市場趨勢，預測未來的市場走勢

2. 使用機器學習算法對電力市場需求進行預測，可以幫助電力公司優化發電和輸電計劃

3. 可以在實時市場中自動調整交易策略以規避風險，如在負電價情況下自動減少電力輸出

4. 可以在市場發生極端事件時提前預警，幫助機構進行跨區域電力置換交易

5. 交易系統可以在毫秒級響應市場變化，執行大量的交易指令

場景六：AI+微電網

案例：中能建北京設備公司“源網荷儲”一體化微電網

1. 園區用能高度依賴傳統能源

2. 創新性建設分布式光伏發電、智能配電系統、光儲充一體化微電網

3. 支持光伏和儲能系統可靠接入，有效增加可再生能源的比例

4. 提升工業企業綠電使用占比，減少對傳統能源的依賴

5. 采用數字孿生的三維建模實現檢測控制可視化

6. 通過AI大數據模型計算，智能優化能源配置

7. 實現用電量最低、成本最優、能耗最低的方案

8. 大幅降低用電成本，提高園區、源網荷儲綠電使用占比

場景七：AI+虛擬電廠

1. 推動虛擬電廠本地化精準響應

2. 虛擬電廠與電力交易是AI在電力領域的最佳落地場景

3. VPP解決電網負荷最具經濟性的選項之一

案例：2023年深圳虛擬電廠管理中心，實時可調節能力超過50萬千瓦

場景八：AI+抽水蓄能電站

1. 傳統線下人工管理轉向線上智能管理

2. 經驗決策向數據決策轉變

3. 設備的數據智能巡檢、設備狀態的智能診斷、設備運維模式變革

4. 基于海量多維數據產出準確的設備狀態評價

5. 提前預判設備缺陷隱患

6. 將設備數據分析與檢修策略相結合

7. 明確告知運維人員：設備現在好不好，設備將來修不修

8. 依托云端快速掌握設備運行狀態和性能指標，參考發電機、水輪機、勵磁、調速器等系統設置的分析評價結論，靈活調整設備檢修策略

案例：2023年，XS-100D平臺實現了90%以上的人工巡檢由機器替代，一年創造1760W經濟效益

場景九：AI+火電①

案例：國家能源集團——全國首個燃煤電廠專屬“智能大腦”AI助手

1. “智能大腦”與現有管理平臺體系、歷史數據進行對接

2. 實現AI助手智能問答、智能檢索、知識生成等功能

3. 輔助生產和管理人員科學決策

4. 分析記錄消缺記錄、缺陷分析、檢修記錄等內容

5. 在消缺決策、安措危險提示、設備智能檢索方面提供直接幫助

場景十：AI+火電②

案例：國能臺州電廠——智能巡檢管控系統

1. 核心技術：人工智能+物聯網+大數據結合賦能火電巡檢業務

2. 高清攝像頭+油泄露監測+聲/振/溫/水傳感器，全天候盯防

3. 電力物聯網+AI視頻分析，構建智能巡檢數字基座

4. 多源信息+數模混合驅動=設備健康評分+故障自診斷

5. 黑科技：多源感知矩陣、AI診斷引擎、數據融合與智能診斷、3D數字孿生駕駛艙

6. 優點總結

1）提升巡檢效率，降低人工成本

2）提高巡檢質量，保障設備安全

3）實現數據化管理，輔助決策分析

4）推動火電廠智能化轉型，提升企業競爭力

場景十一：AI+核電

案例：中廣核：核工業首個企業級大規模智能知識管理系統——錦書，轉為核工業打造，其參數規模達到720億

1. 機遇系統化培訓理念的智能培訓系統

2. 個人崗位晉升系統、PPT生成等多個應用

3. 打破了各工種之間的數據孤島

4. 實現“技術平權”，一人即N人

5. 現場工程師可以通過知識庫之間的排列組合構建數字工程師

6. 開發經驗反饋數字工程師

場景十二：AI+變電

案例：國網新疆——站式AI平臺

1. 全面收集變電站一次主設備的基本信息、運行數據、檢修數據

2. 掌握設備曾發生故障的事件、原因、處理方法和結果

3. 將各項數據匯集，實現一站式AI平臺全景展示功能

4. 為每一臺設備精準“畫像”推動設備全壽命周期管理

5. AI平臺可以監測變壓器絕緣油中溶解氣體含量

6. AI平臺可以監測變壓器套管和電流互感器油壓、避雷器絕緣性能等數據

場景十三：AI+輸電①

案例：國網：超/特 高壓輸電線路紅外缺陷智能識別系統

案例：華北電力大學聯合國網電力空間技術公司研發——輸電線路紅外缺陷智能識別系統

案例：國內首次將人工智能（AI）技術規模化應用于輸電線路發熱檢測

1. 過去痛點

1）人工智能識別紅外影響數據的流程比較復雜

2）由人工現場判別，易受檢修人員經驗、注意力等因素影響造成遺漏

3）紅外視頻數據量龐大，福建工作難度極大且效率低下，易造成絕緣子掉串

2. 新系統上線后

1）僅需一鍵上傳巡檢紅外視頻就能快速抽幀并智能識別發熱缺陷

2）可輔助線路運維單位及時消除線路跳閘停電的隱患

3）以240基桿塔的紅外視頻為例，傳統人工數據復合需要5h，新系統只需要2h，并且無需人工干預

場景十四：AI+輸電②

案例：國網山東電力——無人機跨越黃河巡檢輸電線路

案例：中科院自動化研究所與山東電力合作研發——基于單線激光雷達的仿線飛行智能巡檢技術無人機

案例：成功對1000千伏泉樂I線和II線23-24號塔跨黃河輸電導線精細化巡檢

1. 過去痛點

1）兩個塔橫跨黃河兩岸，相距1315米，容易出現導線斷股等隱患

2）沿途塔位多位于山區、丘陵等地理條件復雜地帶

3）輸電線路導線巡檢工作挑戰大，傳統無人機巡檢無法解決

2. 新技術融合后

1）仿線飛行智能巡檢技術無人機

2）自研激光雷達設備，結合雙目視覺識別技術，部署深度卷積神經網絡算法

） 可實現基于仿線飛行的輸電線路巡檢、間隔棒巡檢、樹線矛盾巡檢、導線異物檢測、垂弧/相線距離測量、支持對輸電線路導線的精細化巡檢

4）加入前端人工智能輔助拍照，實時識別、智能聚焦、智能補光等技術進行精準抓拍

5) 前端部署AI識別算法，無人機檢測到異常時，可懸停并進行多角度拍攝

6)對于導線銹蝕、磨損、異物懸掛、散股、斷股、斷裂等可見光缺陷無人機智能識別

7)成果：缺陷整體發現率約為80%

場景十五：AI+配電

案例：國網上海電力——電力AI輔助決策系統

案例：上海電力完成進博會全景智能供電保障系統6.0版迭代升級

案例：將上海電力30余套源端系統集成于“一張屏”

1. 實現保電區域“設備智能化、業務工單化、管理數字化”

2. 系統建立了以設備靜態參數、運行動態數據以及站房重要性為主的綜合評價體系

3. 對房站內或線路上的每一臺主設備進行評價，為站房巡視及運維策略進行智能決策

4. 在多種智慧寶典手段的護航下，進博會核心區域電網供電可靠性達到99.999%以上

場景十六：AI+儲能

1. 電池管理系統(BMS)：

1）荷電狀態估計：通過AI算法，結合電池的電壓、電流、溫度等數據，實時估計電池的SOC

2）健康狀態評估：通過算法，分析電池的充放電循環數據，預測電池的SOH，提前發現電池老化，提供維護建議

3）功率狀態評估：通過強化算法，結合電池實時狀態和環境條件，動態調整電池的充放電功率，確保電池在安全范圍內運行

2. 能量管理系統（EMS）：

1）電力需求預測：通過AI深度學習算法，通過大量的歷史數據訓練出高精度的預測模型

2）電價預測：AI結合歷史電價數據、市場供需關系、天氣等因素，預測未來電價波動

3）充放電策略優化：通過強化學習算法，結合電力需求、電價、電池狀態等數據，動態調整儲能系統充放電策略，最大化經濟效益

3. 電力電子變換器

1）故障診斷與預測性維護：通過AI對變換器的電壓、電流、溫度等數據進行監控

2）控制策略優化：通過AI算法優化變換器控制策略，提高效率和可靠性