以 “AI+” 消除新能源 “成长的烦恼”

　　国家能源局数据显示，截至 7 月底，今年以来我国可再生能源发电新增装机 2.83 亿千瓦，总装机达到 21.71 亿千瓦，占全国电力总装机容量的近六成;可再生能源发电量 2.18 万亿千瓦时，同比增长 15.2%，接近全国总发电量的四成。

　　全球能源转型加速，绿电消纳成为可再生能源规模化发展的关键瓶颈。部分地区消纳与调节难题凸显，折射出绿电增长与消纳能力不匹配的矛盾，成为新能源产业 “成长的烦恼”。当前，产业亟须通过提升电力系统调节能力、优化绿电适配水平，构建新型电力系统。

　　在此背景下，9 月 8 日，国家发展改革委、国家能源局联合发布《关于推进 “人工智能 +” 能源高质量发展的实施意见》(以下简称《意见》)，提出能源领域人工智能发展的分阶段目标，明确到 2027 年，能源与人工智能融合创新体系初步构建。

　　笔者认为，《意见》的出台从技术与制度双维度为绿电消纳破题，既聚焦 AI 在风光出力预测、跨区域负荷调配等领域的技术落地，也明确建立产学研协同机制与技术标准体系。在技术路径上，AI 通过精准预测风光发电波动、实时优化绿电与传统电力配比，可有效缓解 “弃风弃光” 问题;在制度保障上，融合创新体系能打通技术研发与电力系统应用的壁垒，确保 AI 技术稳定服务于绿电消纳。具体而言，为破解 “成长的烦恼”，可从以下三方面发力。

　　提升 AI 精准预测能力，从源头破解新能源 “波动性” 困局

　　新能源发电的间歇性、随机性是消纳难题的核心症结 —— 在电源侧，风电、光伏等新能源发电 “靠天吃饭”，精准预测是破局第一道防线。《意见》明确要求发展 “新能源功率预测” 智能化应用，正是基于 AI 可显著降低预测误差的实践成效。

　　以往，新能源电站功率预测多依靠物理模型和统计方法，但面对复杂多变的气象条件和日益增长的新能源装机规模，这些传统方式逐渐暴露出局限性，难以满足精准预测的需求。而基于人工智能的气象和功率预测模型技术，可以更精准地捕捉气象变化与新能源发电功率之间的复杂关系。华为联合中国华电集团和玖天气象推出的 “基于 AI 大模型技术的新能源气象功率预测” 联合解决方案，利用 AI 大模型技术，使试点场站超短期 15 分钟预测准确度达到 97.24%，4 小时预测为 91.72%，24 小时内的中短期预测整体准确度超 90%，显著优于传统超算预测模式，同时有效削减了电站运营成本。

　　随着预测精度提升，可通过开展电力供需预测、电网智能诊断分析、规划方案智能生成等电网规划设计应用，在电力供需上实现智慧化调度，为绿电 “腾挪” 更多消纳空间，从源头减少弃电。通过精准的电力供需预测，电网可以提前知晓不同时段的电力需求情况，从而合理安排新能源发电与传统能源发电的比例，避免出现电力过剩或短缺的情况。电网智能诊断分析则能及时发现电网运行中的潜在问题，保障电网稳定运行，为绿电消纳提供可靠的网络基础。规划方案智能生成能够根据电网的实际情况和发展需求，制定出最优化的电网规划，提升电网对绿电的接纳能力。

　　加强 AI 在优化电网调度方面的作用，提升 “源网荷储” 协同水平

　　我国电网正从传统 “源随荷动” 模式向 “源网荷储互动” 新模式转型，AI 正是这一转型的 “智慧大脑”，它打破传统电力系统时空壁垒，通过多主体协同优化提升绿电消纳能力，这正好与《意见》中 “提升负荷侧群控优化和动态响应能力” 的要求相契合。

　　国网山东电力携手阿里云及南瑞集团打造的 “电网调度智慧大脑”，便是 AI 优化电网调度的典型案例。该系统基于国产算力和大模型，融合气象、电网运行等多源数据，实现了电力调度从自动化向智能化的跨越。在负荷预测方面，综合运用 “气象大模型 + 专业小模型技术”，接入阿里达摩院 “八观气象大模型”，将未来 48 小时气象预报的更新频率提升至 1 小时一次，为负荷预测提供更及时、准确的气象数据支持，在 2024 年迎峰度夏期间，针对 7 次极端天气开展负荷预测，平均准确率达 95.72%，中秋、国庆等节假日的预测准确率更是高达 99%。在调度操作防误方面，采用图(知识图谱)模(大语言模型)融合增强技术，实现调度操作票全要素智能审核，有效防范误操作事故的发生。

　　AI 技术能够实时收集和分析 “源网荷储” 各个环节的数据，包括电源的发电能力、电网的传输状况、负荷的变化情况以及储能的充放电状态等。通过对这些数据的深度挖掘和分析，AI 可以制定出最优的调度策略，实现电源、电网、负荷和储能之间的协同运作。在用电高峰时期，AI 可以智能调度储能系统释放电能，同时合理安排新能源发电和传统能源发电的出力，满足负荷需求;在用电低谷时期，则控制储能系统进行充电，储存多余的电能，避免能源浪费。

　　国网杭州供电公司的源网荷储 AI 智慧保供平台也是一个成功实践。该平台深度融入基于国家电网公司光明大模型研发的 “光擎” 智脑大模型，在迎峰度夏期间，可智能分析未来一周供电形势，精准预判具体时段的供电裕度。一旦发现电网设备重载等异常情况，即可通过 AI 智能分析，联动虚拟电厂自动生成多时间尺度优化的保供策略并一键下发执行，大幅提升系统调节能力和效率。

　　推动 AI 技术与储能运维进一步融合

　　储能是平抑新能源波动的核心支撑，AI 则推动储能设施从 “被动储电” 转向 “主动增效”。据中关村储能产业技术联盟全球储能数据库不完全统计，截至 2025 年 6 月底，中国电力储能累计装机规模 164.3GW，同比增长 59%。随着 AI 技术的深度应用，市场潜力将进一步释放。

　　在储能运维中，AI 技术可以实现智能预警、运行分析、电站体检和智慧运维等功能。宁德时代发布的智慧储能管理平台 ——“天恒・智储”，通过 “大数据平台 + AI 大模型与先进机理算法融合 + AI 助手工具” 等创新集合，实现故障提前 7 天预警，算法准确率≥99.99%。通过电池虚拟 CT 产品，可帮助电站运维人员 5 分钟完成故障问题分析与定位，依托 7×24 小时支持 AI 助手小恒和宁德时代全球运维人员支持，可将储能电站非计划停机损失降低 75%。同时，平台还能提供整站级别专业的运营数据分析，通过引入优化充放电策略和全面均衡调控功能，延长设备使用寿命与提升电站运营经济性，典型案例可实现电站综合效率平均提升 3%、可用损耗平均下降 25% 。

　　冠盖科技推出的行业首款面向新型储能系统的全生命周期运维智能体 “小蓝星™”，基于 “电化学机理 + AI 大模型” 技术路线，具备自学习、自诊断、自修复、自优化的 “四自能力”。自学习方面，基于 4.6GWh 储能数据训练的深林™大模型，自动更新故障知识库，对新型缺陷识别准确率达 92% 以上;自诊断采用 “大小模型融合” 策略，故障定位时间较传统方案缩短 70%;自修复覆盖所有电芯失效模式，支持 188 类故障的自动处置，某示范项目实测显示 MTTR(平均修复时间)降低至 15 分钟;自优化通过强化学习持续迭代调度策略，使设备综合效率提升 18%，年运维成本降低 35%。

　　AI 技术还能助力储能参与电力交易，提升收益。某头部储能企业基于强化学习的交易策略系统，在山东电力市场中将储能套利空间从 0.25 元 /kWh 提升至 0.38 元 /kWh，相当于将 20 年运营期的项目 IRR 提高 4.2 个百分点。清华大学张强教授团队相关研究显示，清华四川院助力江苏首座 AI 智慧调控光储充换一体化站建设，率先应用基于大模型的微电网协同控制技术，成功将光伏消纳率从 96.0% 提升至 99.7%，储能日均放电量提升 48.12 千瓦时，套利能力提高 25.1%，综合收益增长 14.07% 。

　　从技术优化到模式创新，“AI + 能源” 的深度融合有望推动绿电消纳实现 “三重跃迁”。人工智能不仅是破解绿电消纳难题的技术方案，更是推动能源结构转型、培育新质生产力的战略支点。在 AI 技术驱动下，我国绿电消纳必将迈上新台阶，为实现 “双碳” 目标与能源高质量发展注入动力。