傅成程和王智敏在《中国能源报》（2025 年 7 月 15 日第 11 版）上有相关内容。

电力工业实现绿色发展，新能源风电和光伏等波动性、间歇式可再生能源大规模并入电网。用电负荷需求在不断增长，并且变得更加复杂和多样。同时，电力市场化改革也在不断深化。这些因素使得电力系统的不确定性和非线性特征日益显著，电力系统发生了基础性的变化，给电力系统的安全稳定运行带来了严峻的挑战。

传统技术在处理大电网复杂问题时，逐渐暴露出了自身的局限性。尤其是在解决电力系统调度、规划以及交易方式等核心问题时，基于模型驱动的分析方法正遭遇着一系列的挑战。复杂的电力系统需要人工智能将其解决不确定性复杂系统的优势充分发挥出来。在新能源消纳方面，以电力生产全过程海量数据为基础；在配网调控方面，以电力传输全过程海量数据为基础；在负荷预测方面，以电力运行全过程海量数据为基础；在故障检测与诊断方面，以电力控制全过程海量数据为基础；在客户服务方面，以电力生产、传输、运行、控制全过程海量数据为基础；在数据治理方面，以电力生产、传输、运行、控制全过程海量数据为基础。融合外部系统相关信息，结合生成式大模型，在电力系统的新能源消纳、配网调控、负荷预测、故障检测与诊断、客户服务、数据治理等多个重点技术领域实现智能化、高效化的应用和发展。

在新能源消纳领域，能够更利于对风能和太阳能的出力特性进行预测与调节。借助计算机视觉以及长短期神经网络分析，能够对屋顶光伏资源及其实时出力进行预测，以此实现新能源的精准消纳，进而提升能源管理与使用的效率。

在配网调控方面，能够帮助分析配微网的影响因素以实现优化调度。通过生成式大模型来学习并量化用户行为以及天气状况等不确定因素所产生的影响，这样可以增强配网抵御随机波动的能力，也能提升研判潜在运行风险的能力，从而为调度人员结合潮流分布来动态优化有源配网的运行方式提供支撑。

在负荷预测领域，能够提升负荷预测的准确性。人工智能凭借深度学习算法，能够对历史负荷数据、气象条件以及时间序列等信息进行分析，进而提高负荷预测的准确性。同时，它还能够处理电力系统负荷的非线性与动态特性，通过学习数据中的复杂模式和趋势，以实现更精准的预测。

在故障检测与诊断领域，能够迅速地辨别出电网里的异常情况和故障。给出精确的故障定位以及对故障类型的判断，借此能够加快故障的恢复进程并且降低停电的时间。

在智能客户服务领域，能够提升用户的用能体验。利用语言大模型的多轮对话以及智能推送等面向用户的服务能力，有效地提高了公司客服机器人的智能化水平。同时，对用户的用电行为特性进行智能化分析，进而推送定制化的用电方案。

在数据智能治理方面，能够提升源端数据质量。它可以分析已有的智能巡检图片以及智能客服语音等非结构化数据，并且对这些数据进行融合治理。同时，还能利用生成式人工智能技术来补齐或校正采集数据，以此提升数据质量。

总体来看，人工智能已进入生成式大模型阶段。人工智能等技术实现了规模化应用，并且进行了优化布局。这些推动了未来人工智能在电力系统中发挥更加重要的作用，能为电力系统的安全、高效、稳定运行提供有力的支撑。

（作者均供职于国网能源研究院有限公司能源数字经济研究所）