周末荐读 | 大模型如何帮助能源人？

策划

赵俊华 香港中文大学（深圳）

李孜 腾讯研究院

吴海峰 深圳高等金融研究院

刘国龙 南洋理工大学

随着全球对可持续发展和减少环境影响的关注日益增加，能源行业正处于关键的转型期。而保障能源安全是实现转型目标的前提，这意味着能源系统不仅要能够应对供应风险、价格大幅波动等情况，还应当能够应对极端天气、重大事故、网络攻击等风险事件的冲击。

近年来AI（Artificial Intelligence）的高速发展，让我们看到了AGI（Artificial General Intelligence）实现的可能性。AGI所具备的认知多功能性、自主学习能力以及推理解决问题的能力，将进一步帮提高源转型过程中的风险识别和管控，增强能源安全。2024年10月1日，由香港中文大学（深圳）与腾讯研究院联合出品的《AI与可持续发展展望》报告（下称“报告”），深入探讨了人工智能机大模型技术革新对全球可持续发展的挑战与机遇。能源是其中最为重要的领域之一。

报告复盘了目前AI已广泛应用于能源生产、消费各环节。在生产环节，大家熟知的风电预测有了新的突破，一款基于AIoT技术的风机可以通过自我学习适应不同环境，随着数据厚度的加深，风场的发电量有了上升的可能。传统能源领域，AI技术通过分析大量地质和生产数据，一方面提高了储量评估的准确性，还能分析地震数据和其他地质信息。种类繁多的机器学习模型，有潜力将石油产量从6%提高到8%。在消费环节，电力需求预测及相应的能源管理，已成为AI大展拳脚的舞台。瑞士ABB公司开发了一个AI支持的能源需求预测应用，能够帮助客户做出更精确的能源管理决策，允许商业建筑经理通过利用时间使用率优惠避开高峰时段的电费。

基础应用之外，大语言模型在自然灾害、政府政策、重大社会事件（如大型体育赛事、政治活动或突发公共卫生事件）实时监控、解析方面，较传统AI模型有所改进，以此更好地辅助保障能源安全。在支持越来越复杂多变的系统运行方面，AI能够应用在事前、事中、事后三个阶段起到风险预测、实时响应和事故后分析全流程。

事前阶段，AI的应用包括智能成票和业务场景生产等。智能成票，指的是AI可根据实时系统状态和预定的工作任务，自动编制出符合要求的操作票，解放人力痛点。业务场景生成，指的是AI通过分析电力市场等系统的数据，可以识别运行状态或潜在问题，包括计划停复电、断面控制以及事故处理方法等。

事中阶段，AI的应用包括故障诊断和系统恢复等。以设备故障诊断为例，传统方法主要依赖感应数据进行故障类型识别，但大模型可凭借其泛化能力，在小样本环境下，通过特定任务微调，生成适用于不同设备的诊断模型，并基于诊断结果和系统状态自动生成故障诊断综合报告，减少后续决策时间。

事后阶段，AI的应用主要包括系统恢复和状态辨识和调控策略。例如，通过分析系统日志，AI可以检测到异常事件的发生和影响范围，评估调度员的反应和处理情况，判断系统状态。

在气候变化领域，AI正在突破传统统计模型和经验法来预测天气所受到的数据量、数据精度和计算能力的限制，推动气候模型的精细化和长期研究。另一方面，协助行业碳监测、协助企业级碳计量，优化能源使用，减少碳排放等领域，AI也有用武之地。

报告还回顾和展望了AI在推动工业转型、太空探索等方面的应用。比如，通过数据分析，优化供应链，提升生产效率，降低运营成本，减少资源浪费，生产更加精准高效，提升产品质量等。AI在航天领域的任务规划、飞行器控制和故障诊断等方面的应用，提高航天任务的安全性和效率。

eo记者姜黎摘自《AI与可持续发展展望》报告，点击链接，可获得完整版。

https://www.zhaojunhua.org/reports/AI_SUSTAINABLE_DEVELOPMENT_OUTLOOK_ZH.pdf