每經(jing)(jing)記者｜周逸(yi)斐    每經(jing)(jing)編輯(ji)｜陳星    

上海電力(li)大學副校長張波，專注(zhu)新一代人工(gong)智能與深度(du)學(xue)(xue)習技術(shu)、大數(shu)據技術(shu)、社交網絡(luo)分析等(deng)領(ling)域研(yan)究，深入研(yan)究人工(gong)智能模型“如(ru)何表征復(fu)雜(za)數(shu)據的(de)結構(gou)特(te)(te)征”“如(ru)何將(jiang)空間(jian)、時間(jian)兩個(ge)維度(du)的(de)結構(gou)特(te)(te)征融合”等(deng)，曾和團隊推出“智能環保(bao)中空氣污染(ran)物預測”“基于人工(gong)智能的(de)STEM教育個(ge)性化學(xue)(xue)習技術(shu)”（STEM是科學(xue)(xue)、技術(shu)、工(gong)程和數(shu)學(xue)(xue)4門學(xue)(xue)科的(de)簡稱）等(deng)多個(ge)交叉學(xue)(xue)科人工(gong)智能模型、產(chan)品。

不僅如(ru)此，近年來，他的(de)研究(jiu)成果也獲得了多項(xiang)科技獎勵。張波(bo)作為負責人主持(chi)國家自然科學(xue)基金3項(xiang)，省部級項(xiang)目4項(xiang)，并作為主要研究(jiu)人員(yuan)參與(yu)完(wan)成多項(xiang)國家級理論研究(jiu)項(xiang)目。

張波帶領(ling)團(tuan)隊與相關企業(ye)共(gong)同合(he)作開發的系列模型還曾服務于(yu)北京冬奧會(hui)、上海進博會(hui)、西安全運會(hui)等多個大型賽事(shi)活動。

在9月7日至10日召開的2024全球能源(yuan)轉型大會上(shang)，張波接受(shou)了《每日經濟新(xin)聞》（以下簡稱NBD）記者采(cai)訪。

圖片來源：主辦方供圖

 

應探索多元化新能源消納途徑

NBD：當下人(ren)工智(zhi)能(neng)(neng)飛速發展，大模型的(de)訓練(lian)和(he)使用對電能(neng)(neng)的(de)消(xiao)耗很大，正好可以(yi)消(xiao)化面(mian)臨消(xiao)納(na)問題的(de)風光電。那么人(ren)工智(zhi)能(neng)(neng)數據中心(xin)是不是可以(yi)成為一個消(xiao)化多余的(de)可再生能(neng)(neng)源電力的(de)途徑？

張波：風電(dian)、太陽能等新(xin)能源的加入，的確給構建(jian)新(xin)型電(dian)力(li)系統帶來新(xin)的挑(tiao)戰。電(dian)力(li)系統傳統的“源-網(wang)-荷(he)”結構正在向“源-網(wang)-荷(he)-儲”一體化模式(shi)邁進。但(dan)實現科學消納是一個系統工程，而非僅僅面(mian)向滿足數據中心建(jian)設的。

當前(qian)數據中(zhong)心(xin)以及大(da)模型的(de)(de)訓練雖然都(dou)在耗(hao)費(fei)巨大(da)的(de)(de)電力能(neng)源，但我認為(wei)這是一(yi)(yi)個(ge)(ge)階段性的(de)(de)問題。隨著技術(shu)的(de)(de)飛速(su)(su)發(fa)(fa)(fa)展，我們會逐漸進入一(yi)(yi)個(ge)(ge)數據中(zhong)心(xin)發(fa)(fa)(fa)展與(yu)用(yong)戶需求(qiu)和技術(shu)需求(qiu)匹配發(fa)(fa)(fa)展的(de)(de)時代。從這個(ge)(ge)角(jiao)度來看，數據中(zhong)心(xin)的(de)(de)發(fa)(fa)(fa)展速(su)(su)度可能(neng)并(bing)非一(yi)(yi)味(wei)地(di)快速(su)(su)膨脹。屆時，數據中(zhong)心(xin)建設規模過快，如果超越(yue)了市場使用(yong)需求(qiu)，反而可能(neng)導致能(neng)源的(de)(de)浪費(fei)。

因此，我們應探索(suo)多元化的新(xin)(xin)能(neng)源消納(na)途徑，如推廣新(xin)(xin)能(neng)源汽車、發展新(xin)(xin)型儲能(neng)技術、部署分(fen)布式儲能(neng)網絡，同時(shi)考慮(lv)加強跨(kua)區域(yu)能(neng)源調度的優(you)化配置。

NBD：以AI大模型(xing)為代(dai)表的新(xin)(xin)一輪(lun)人工智能技(ji)術會(hui)對電力(li)行業培育(yu)發展新(xin)(xin)質生產力(li)產生哪些(xie)意義？

張波：新一輪人工(gong)智能技(ji)術對(dui)電(dian)力行業的影(ying)響可(ke)以分(fen)為以下三方面。

首先是電(dian)力(li)(li)(li)領域生產(chan)資料(liao)的變化。例如(ru)，隨著(zhu)鈣鈦礦(kuang)太陽能(neng)電(dian)池(chi)(chi)等新型電(dian)力(li)(li)(li)材料(liao)的涌現，在人工(gong)智能(neng)的助(zhu)力(li)(li)(li)下，科研人員(yuan)可以利用AI技術預測鈣鈦礦(kuang)電(dian)池(chi)(chi)的材料(liao)結構與物性，探索出更為優化的材料(liao)設計方法。

其次是(shi)電(dian)(dian)(dian)力(li)(li)(li)領域(yu)生產工(gong)具的變(bian)化。我(wo)們(men)(men)可以把AI看成(cheng)一個(ge)非常(chang)重要的生產工(gong)具，并由(you)AI衍(yan)生制造(zao)出全(quan)新(xin)(xin)的生產工(gong)具。例如大模型有(you)非常(chang)卓越的生成(cheng)能(neng)力(li)(li)(li)、預(yu)測能(neng)力(li)(li)(li)和流程(cheng)設計能(neng)力(li)(li)(li)，在“源網荷儲”的很多場(chang)合下都可以賦(fu)能(neng)到(dao)傳(chuan)統電(dian)(dian)(dian)力(li)(li)(li)場(chang)景中去。我(wo)們(men)(men)完全(quan)有(you)可能(neng)精(jing)準預(yu)測未來一段時間風電(dian)(dian)(dian)、光伏等新(xin)(xin)能(neng)源的發電(dian)(dian)(dian)量，并且(qie)基于歷史(shi)數據分析用戶側電(dian)(dian)(dian)力(li)(li)(li)需(xu)求，實現供需(xu)兩(liang)側電(dian)(dian)(dian)力(li)(li)(li)配置的精(jing)準平(ping)衡。

再(zai)次是電(dian)(dian)(dian)力(li)領域生產(chan)(chan)關系的變革(ge)。AI作為全新的“元(yuan)”進入(ru)電(dian)(dian)(dian)力(li)生產(chan)(chan)鏈，讓電(dian)(dian)(dian)力(li)行業生產(chan)(chan)關系發生根本性(xing)轉(zhuan)變。它打破了(le)傳統上人類(lei)單一主導(dao)電(dian)(dian)(dian)力(li)系統的格局，從而進入(ru)“人、AI”二(er)元(yuan)電(dian)(dian)(dian)力(li)生產(chan)(chan)管理時(shi)(shi)代(dai)，引領我們步(bu)入(ru)“人機協同(tong)”的新型電(dian)(dian)(dian)力(li)系統時(shi)(shi)代(dai)。

加強能夠用于大模型訓練、帶有豐富語義標簽的數據積累

NBD：當(dang)下電力行業有沒有出現成熟的大(da)模型？和其他(ta)領域的大(da)模型有何區別(bie)？

張波：目(mu)前，大模(mo)型在電(dian)力行業已經有一些比較(jiao)成功(gong)的案例(li)，例(li)如南方電(dian)網公司的“馭電(dian)”智能仿真大模(mo)型。

當然(ran)，目前(qian)很多大(da)(da)型企(qi)業(ye)也(ye)在自主研制(zhi)電力(li)大(da)(da)模(mo)型。這些(xie)大(da)(da)模(mo)型與市面上(shang)的(de)通(tong)用大(da)(da)模(mo)型最(zui)大(da)(da)的(de)區別在于，以整(zheng)合大(da)(da)量(liang)的(de)電力(li)生產和電網運行數據為支撐，更(geng)加關注電力(li)行業(ye)垂直領域應用場景(jing)的(de)個性化需求。

我非常(chang)期待未來(lai)電力大模型能夠解決垂直領域中特定場景(jing)的應用需(xu)求和個(ge)性(xing)化問題，特別是在“源網荷(he)儲”等關鍵環節，希望大模型能夠集中解決行業(ye)共性(xing)難點。

為(wei)了實(shi)現這一(yi)目標，我(wo)們(men)必須(xu)重視在日(ri)常生產(chan)過程中的數據(ju)積累，尤其是那些能夠用于(yu)大(da)模型訓練的、帶(dai)有豐(feng)富語義(yi)標簽(qian)的數據(ju)。

目前，盡管(guan)企業內部已有(you)一些生產、運維等各類數(shu)(shu)據的(de)(de)積(ji)累，但行業共性數(shu)(shu)據的(de)(de)清洗、規范化、開放共享等仍處于起步階段。從數(shu)(shu)據這個角度，我(wo)們可能還(huan)要(yao)更加注重(zhong)數(shu)(shu)據科學與數(shu)(shu)據治理在電(dian)力行業中(zhong)的(de)(de)交叉應(ying)用(yong)，為AI在電(dian)力領域中(zhong)的(de)(de)大(da)規模應(ying)用(yong)夯實數(shu)(shu)據基(ji)建的(de)(de)基(ji)礎。

NBD：在您看來(lai)，人工智能在電力行(xing)業的應用現狀如(ru)何(he)？電力行(xing)業應用人工智能所(suo)面臨的挑戰是什么？

張波：在電(dian)力領域中，電(dian)源管理、電(dian)網優化預測、儲(chu)能(neng)分析等多個(ge)垂直(zhi)領域已經(jing)有非常多的人工智(zhi)能(neng)技(ji)術介入，但(dan)也面臨(lin)多方(fang)面的挑戰。

第一是數據問題。當下，電力行(xing)業的數據質量需要提升，這直接影(ying)響(xiang)人工(gong)智能(neng)大模型的訓練效果與準確(que)性。

第二是模(mo)型設(she)計的泛化(hua)能力不足(zu)，即(ji)當下的很(hen)多模(mo)型設(she)計主要在單一(yi)區域或場景中(zhong)應(ying)用(yong)，無法適用(yong)于(yu)更加廣泛的區域條(tiao)件和差異化(hua)場景。

第三，新型電(dian)力系統的(de)構建是一個(ge)復雜而龐(pang)大的(de)系統工程，我們目前仍主(zhu)要(yao)著眼于局(ju)部或小(xiao)范(fan)圍的(de)應(ying)用和(he)優(you)化。如(ru)何(he)在“源網荷(he)儲”四個(ge)維度(du)(du)以及(ji)新型電(dian)力系統的(de)整(zheng)體系統角度(du)(du)上，實現與人工智能(neng)的(de)全(quan)面(mian)協同乃至全(quan)局(ju)優(you)化提升仍是一個(ge)巨大難題，目前很多模型還無法解(jie)決。

最后是(shi)人(ren)工智能在電力行(xing)業應(ying)用(yong)中(zhong)的安全性與可靠性問(wen)題(ti)。

NBD：如何讓人工智能技術在電(dian)力(li)行業產業化落地(di)、實現規(gui)模化供給，進一步(bu)推動電(dian)力(li)行業高質量發展？

張波：總(zong)的(de)來說，當前新(xin)型電力系(xi)統(tong)與新(xin)能源體系(xi)建設過程中(zhong)，非常值得我們(men)關(guan)注的(de)難(nan)題(ti)之一，就是電力供給(gei)側的(de)不穩定性與用戶需求側的(de)不確定性之間的(de)矛盾，并(bing)由此所引發的(de)“源網荷儲”四維結構中(zhong)一系(xi)列(lie)系(xi)統(tong)性難(nan)題(ti)。而人工智能無疑是解決上述矛盾及由此引發的(de)系(xi)統(tong)性難(nan)題(ti)的(de)一把(ba)利刃(ren)。

因此，推動人(ren)工智(zhi)能在電力行業(ye)的(de)(de)(de)(de)產業(ye)化(hua)落地，要(yao)發揮(hui)多方面的(de)(de)(de)(de)作(zuo)用，包括國(guo)有企業(ye)、高(gao)等院校以及領先(xian)的(de)(de)(de)(de)人(ren)工智(zhi)能企業(ye)等，這些多元主體之間(jian)存在巨大的(de)(de)(de)(de)協同可能和共贏潛力。但(dan)如(ru)何將這種潛在的(de)(de)(de)(de)協同轉化(hua)為強烈的(de)(de)(de)(de)合(he)作(zuo)需求和緊密的(de)(de)(de)(de)合(he)作(zuo)關系是亟待(dai)解決(jue)的(de)(de)(de)(de)問(wen)題(ti)。

目前(qian)，人工智能與(yu)電力行(xing)業融(rong)合(he)所產(chan)生的研究機構、研發平臺、產(chan)教融(rong)合(he)學院和聯(lian)合(he)攻(gong)關主體等創新(xin)模式不(bu)斷(duan)涌(yong)現(xian)(xian)，這些(xie)都是對合(he)作模式的有益探索。為了(le)實現(xian)(xian)這一(yi)目標，需要(yao)在政策引導、要(yao)素配置、創新(xin)機制、評價改革和市場驗證等方面做好工作。

從技(ji)術角度看(kan)，“AI+電(dian)力(li)”是一個典型(xing)的跨學(xue)科(ke)組合，是利(li)用新技(ji)術推動(dong)傳(chuan)統(tong)行(xing)業轉型(xing)升級的創(chuang)新實踐。有AI賦能(neng)(neng)，能(neng)(neng)源電(dian)力(li)行(xing)業不論(lun)在宏觀(guan)層面上對新型(xing)電(dian)力(li)系統(tong)整體轉型(xing)升級，還是微(wei)觀(guan)層面，諸如微(wei)電(dian)網甚至電(dian)氣零部件(jian)生產、運維的性能(neng)(neng)預測分析和故障診(zhen)斷(duan)等不同細小(xiao)環節優化，都(dou)會獲得更(geng)大的創(chuang)新突破(po)。

封面圖片來源：視(shi)覺中(zhong)國-VCG41N1472123004