以大模型为代表的人工智能技术在对世界知识的理解能力、生成能力方面取得了瞩目进展，各行业纷纷布局推进人工智能技术在各自业务领域的应用，主要关注算法模型等技术解决方案，但对人工智能底层逻辑、优势能力、作用边界以及配套机制的研究仍不充分。明晰其底层逻辑是从认识论与方法论层面推动人工智能在能源电力领域高质量高水平应用的关键。
一、数字化智能化技术与能源电力企业的生产经营全环节融合日益加深
当前，能源电力企业数字化转型进入了“业数融合”的新阶段。在新形势下，能源电力企业已经不仅仅是简单地应用数字技术来优化业务流程，而是将数字化深入到企业的核心业务和管理之中，实现业务与数据的无缝对接和高效互动。基于大数据、云计算、物联网、人工智能等数字技术，能源电力企业能够实时获取、分析和应用海量数据，优化能源调度、提升设备效率、改善客户体验，实现更精细化的管理和决策。此外，能源电力企业还基于数字技术积极开发新的能源产品和服务，如智能用电方案、定制化能源解决方案等，以满足市场多样化的需求。同时，通过与其他行业的跨界合作，能源电力企业不断开拓新的业务领域，实现业务的多元化发展。通过深化“业数融合”，能源电力企业持续提升自身的竞争力，为能源行业的高质量发展贡献更大力量。
数字技术在能源电力企业经营全环节的融合应用日益加深。数字技术是科技革命和产业革命的先导技术，全面引领生产力和生产关系的深刻变革。能源电力企业遵循数字经济发展趋势和规律，推动数字技术与自身业务的深度融合，发挥融合应用作用，充分利用数字技术对企业经营战略、治理体系、生产方式、业务形态、运营模式的优化作用，开展全方位、全环节、全链条、高水平的融合创新。进一步深化“大云物移智区”等技术在电力领域的大规模、大范围应用，加速实现电源侧、电网侧、负荷侧及储能侧各类可控资源与信息的数据接入与处理，全面提升我国电力产业的数字化、网络化和智能化水平。
能源电力企业将进一步发挥数字技术对业务环节的支撑作用，加强数字化技术与“电、气、热、信”等多网的横向紧密耦合，与“源网荷储”的纵向高效深度融合。有助于多终端、跨地域、跨业务的电网建设，实现万物互联及人机交互。
二、电力人工智能的深化应用要以解决以下四类基本问题为核心
一是异常检测，要从历史积累数据中识别极少发生的异常数据。从海量数据中“找不同”，与人为规则融合较好，既能应用于规律明确的已知异常检测场景，又能应用于突发性异常检测。当前主要数据类型均适用，主要应用于动态时序数据、静态状态数据、图像数据等。
二是模式归纳，从历史积累数据中识别不易发现、经常发生的数据共现、关联等规律。从海量数据中“找规律”，支撑人类发现难以直接观察到的深层关联模式。当前主要数据类型均适用，主要应用于动态时序数据、静态状态数据、图像数据、文本数据、音视频数据等。
三是趋势预测，基于历史积累数据在时间序列上的发展态势，推演未来数据变化趋势。根据历史发展趋势推测“下一步”，在未来发展环境与历史已有环境相似情况下，可以得到较准确的预测结果，但难以应对突发或全新情况。主要应用于动态时序数据。
四是策略选择，利用数据量化表示所处环境、目标与备选策略，在环境限制下，以目标最优为导向，选择最优策略。从备选行动方案中“找最优”，选择结果的有效性依赖于对外部环境的合理假设和精准描述，由于现实情况复杂度高，难以完全由数据量化表示，因此策略选择存在一定局限性。当前主要数据类型均适用，其中，输入数据依据分析任务分为两类，一类描述任务所处外部环境与目标，另一类描述可供选择的行动方案。
三、电力人工智能应用还需要重视对能源电力领域底层逻辑的刻画
以大模型为代表的人工智能技术在对世界知识的理解能力、生成能力方面取得了瞩目进展，各行业纷纷布局推进人工智能技术在各自业务领域的应用，主要关注算法模型等技术解决方案，但对人工智能底层逻辑、优势能力、作用边界以及配套机制的研究仍不充分。
能源电力企业需要从数字化智能化的底层逻辑和认识论着眼，促进人工智能与生产经营的深度融合。人工智能本质是对海量数据的高效处理，可以解决异常检测、规律归纳、趋势预测和策略选择四类基本问题，并形成相应基本方法，当前先进人工智能技术是四类基本方法组合作用的综合体现，并且四类方法的应用成熟水平存在差异。电网业务分析需求均可以转化为这四类问题，并按照成熟水平分类采取“加快技术攻关”“同步推进技术方案与配套机制建立”两大类策略推进人工智能应用体系建设。在推进过程中还需要注意明确人工智能辅助支撑定位、加强业务与技术专家交叉合作、大模型辅助高质量样本治理三方面问题。
四、电力人工智能的深化应用需要根据场景成熟度差异化推进
电力人工智能的应用场景可按照成熟水平和人类参与需求差异，分“加快技术攻关”和“同步推进技术方案与配套机制建立”两类策略推进人工智能在电网业务中的应用。
一是对于人工智能应用成熟水平较高、人类参与需求较低的异常检测类场景，加快技术攻关。选取此类业务需求丰富和技术能力优秀的地区或企业，分类逐步攻关建立起高质量的样本基础和模型体系。
二是对于人工智能应用成熟水平较低、人类参与需求较高的模式归纳、趋势推演、策略选择类场景，同步推进技术方案与配套机制建立。针对每类场景各选取一项典型迫切分析需求，按照“研发与应用同步推进”的原则，由优势地区企业与科研单位组成三个专项攻关小组，融合业务与技术优势，同步开展人工智能解决方案及其配套管理机制研究，确保模型真正发挥对人类决策的支撑作用。（国网能源院能源数字经济研究所中级研究员 高晓楠贾雪枫）
