By Shuo QI 戚硕
11 Feb 2024
天苏能源，面向未来的自然能源管理者。我们专注于为能源行业提供更可靠的数字化支持，助力能源决策者优化管理模式、加速创新进程。
一、人工智能提高电网安全性
二、盘古矿山大模型发布
三、广东电网高频查询业务“机器代人”达85%
四、中国石油与华为联合打造认知计算平台
五、人工智能与煤炭行业加速融合
六、ZeroAvia与Flyv达成合作打造氢能航空
七、智能配电优化系统能耗效率
八、欧洲电力市场交易65%+由自动化程序完成
九、人工智能赋能碳捕集技术
十、预测分析成为能源领域重要补充
“天苏十条”通过提前阻止网络攻击，人工智能可以显著提高电力系统的安全性。例如，数据分析将被用于在能源使用数据中寻找网络攻击的指标。一旦检测到网络攻击，人工智能和机器学习就可以用来对抗网络攻击。
深圳市曾在2023年9月推出“电力版GPT”——“祝融2.0”，这是深圳供电局上线的电力行业首个多模态预训练大模型，它让传统的电网AI技术拥有了类似ChatGPT的逻辑推理能力和文字表达能力，使电网安全隐患告警有效率提升了6倍。以电网的山火监控场景为例，在夜间，灯光与火光的图像形态非常相似，仅靠图像模型难以将二者区分，这容易产生大量误报；如今有了语言模型的加持，系统就会对图片整体进行解读。比如当模型发现光亮是整齐排列且在道路一侧时，就能推测出这是灯光，而非山火。
石油和天然气行业正在使用机器学习算法，来优化对油井位置判断。公司通过分析从地震调查和其他来源收集的数据，对在哪里钻探石油和天然气做出更明智的判断。这将提高能源效率，同时使电网更简单、更高效。
2023年7月，据人民日报报道，山东能源集团、华为、云鼎科技联合发布全球首个商用于能源领域的AI大模型——盘古矿山大模型。 该模型涵盖采煤、掘进、主运、辅运、提升、安监、防冲、洗选、焦化9个专业21个场景应用，将推动解决人工智能在矿山领域落地难的问题，引领矿山AI开发模式从作坊式向工厂式转变，为AI大规模进入矿山打下坚实基础。
广东电网公司人工智能创新中心从运行机制与技术标准规范两大方向建章立制，从人工智能平台工具建设优化、样本数据集归集、模型算法归集、算力整合归集四方面持续开展中心能力建设；中心创立以来，研发算法组件450余个，算力规模达到10P，通过“1+4+3”制度框架，赋能生产、营销、安监、综合、基建、供应链等业务域。
广东电网公司人工智能创新中心通过采用多模态语音语义大模型、智能态势感知、情绪识别、语音多轮交互等技术，打造智能机器人、智能客服助手、智能质检、智能外呼、智能知识库等五大模块，构建“五位一体”智能客服体系，打造南网ChatGPT-智能客服“小赫兹”。客户服务全业务流程Al赋能，实现自助服务能力提升、人机协同能力提升以及高频咨询查询类业务的“机器代人”达到85%。
勘探是油气开采的第一个关键环节。目前，国内油气勘探开发的对象正在从常规油气田向非常规油气田、浅层浅水油气田向深层深水油气田进行转变。
随着勘探进程的推进，优质资源越来越少，并且许多主力老油田开发进入特高含水期的中后期开发阶段，剩余油藏分散，产量递减严重。要实现油气开发的提质增效、突破高质量发展的难题，关键要从勘探开发的技术更新迭代上下功夫。
为此，中国石油携手华为共同打造认知计算平台——E8，利用知识图谱、自然语言处理和机器学习等人工智能技术进行知识体系的构建、计算和应用，为油气勘探开发科研、生产管理提供智能化分析手段，支撑油气勘探开发增储上产和降本增效，帮助决策者从海量数据中洞悉规律，提高决策效率、提升管理水平。
今年以ChatGPT为代表的通用大模型异军突起，为人工智能产业发展注入新的动力。我国以实体经济为根基的经济结构和产业特点，决定了人工智能必须走中国特色道路，那就是以“做实”为核心功能渗透到实体经济各行各业，开创千行百业的规模化和单个行业深入场景的精细化发展局面。
当前人工智能在煤炭行业应用率仍然很低，主要有三个原因：门槛较高，人工智能作为新兴技术，对人才、设备、环境要求高，难以与煤炭行业科研和工程技术深度融合。场景复杂，不同地区、不同企业的煤矿生产条件差异较大，采掘机运通洗等场景复杂多样，智能应用成本高、复制难度大。整合不足，行业规模大、场景多是我国煤炭行业的优势，同时也是智能化的难点。
唯有高效整合场景和能力的碎片，沉淀行业的数据、经验、能力，并广泛流通、共享，才能使人工智能技术加快与行业融合，将碎片化的劣势转变成规模的优势。山东能源集团通过积极探索，寻找到一套行之有效的方法，可以将自身的场景优势、装备优势与人工智能技术结合起来，通过三者互相融合，加快实现人工智能大规模“下井”。
2月1日，英美初创氢能发动机企业——ZeroAvia官宣与德国小型飞机企业Flyv达成合作，后者将在低成本、按需飞行的小客机上搭载ZeroAvia的氢动力系统，实现兼具零碳排和高性价比的飞行服务。
撇开政策对零碳转型的强烈要求外，欧洲成熟的区域型航空市场、分布众多的小型机场，更是给氢动力飞机创造了更多起飞的可能。
一直以来，飞行器都被看作是氢能应用的完美领域。航空器对高能量密度和节能减排的双重需求，适配着氢能的能源特点。在技术不断演进的今天，Flyv对成本的控制，更是进一步打开氢能飞机的商业可能。
智能负载控制开关在使用点智能地开启和关闭配电，以优化整个系统的配电和能耗效率。
美国俄亥俄州沃兹沃思市使用的是1916年建设的配电系统，通过与智能负载控制开关(SLCS)制造商Itron合作，在住宅安装SLCS，在用电高峰期循环使用空调压缩机，从而将系统用电量减少5,300兆瓦时。最后，通过智能电网技术实现电力系统自动化，采用最先进的IT基础设施控制配电链的每个环节。
目前，欧洲电力市场的交易已有65%+由自动化交易程序完成。这背后的原因在于，欧洲电力系统中可再生能源发电的比例增加，带来了更多的稳定性考验。
例如光伏电量受到云层覆盖率影响，风电受到风力影响，而这些变量对电力交易市场来说格外复杂。随着欧洲继续加大对可再生能源的依赖，电力市场的交易量还将进一步扩大，不稳定意味着交易员们需要更加警惕。
丹麦能源交易商MFT就是采用人工智能交易的一家贸易公司，其每天处理约3000万个数据点，以预测西班牙的云层覆盖和德国的气温，从而分析电力市场各地区电价如何波动。
英国萨里大学（University of Surrey）学者的最新研究指出，人工智能可能有助于碳捕集技术迎来突破性创新。
根据萨里大学教授Jin Xuan的研究显示，AI模型可透过减少能源消耗，同时增加二氧化碳的捕捉量，来优化碳捕集的效能。
碳捕集工厂设有风力发电机，但在无风的时候，会从国家电网获取能源。研究员利用AI训练了一个模型系统，预测可能发生的状况，当捕集的CO2量或可用的再生能源较少时，就可抽出更少的水。研究人员声称，在AI模型的帮助下，可能将燃煤发电厂碳捕集设施的能源消耗减少1/3以上，而且可多捕集16.7%的二氧化碳。
人工智能使用预测分析，是能源管理领域的重要补充。预测能源消耗模式、天气条件和设备性能都是人工智能系统通过分析大量历史和实时数据而蓬勃发展的领域。
在预测分析的日益采用的推动下，到2025年，全球能源领域的人工智能预计将达到77.8亿美元。
例如，电网公司可以通过使用人工智能算法，来预测峰值能源需求，从而改善发电和配电。除了省钱外，这还提高了电网的可靠性。人工智能通过精确预测能源使用情况，帮助能源供应商做出明智的选择并优化资源分配。