“人工智能+能源”迈向国际协同 绿能科创拓展绿色能源数智应用
近日,国家能源局发布通知,拟在“一带一路”能源合作伙伴关系框架下成立“人工智能+能源”工作组,围绕政策交流、技术合作、标准协同和能力建设开展合作。根据通知,工作组将聚焦新能源功率预测、电力系统优化运行、新型储能调控、多能协同优化以及绿色能源支撑算力设施建设等重点方向,推动联合研究、技术交流与示范合作。 上述部署与绿能科创的产业方向形成呼应。作为由国家电投发起实施的专项工程,绿能科创将能源数字化与人工智能纳入重点布局,计划依托国家电投产业需求和工程场景,推进任务筛选、技术攻关、场景验证与成果转化,探索人工智能在绿色能源生产运行中的应用路径。 对接国家部署 明确数智技术重点方向 围绕能源系统数字化、智能化发展需求,绿能科创重点关注新能源功率预测、设备智能运维、储能优化调控、虚拟电厂运行、电力市场交易和能碳一体化管理等场景。 在新能源发电侧,利用气象、设备和历史运行数据提高风电、光伏出力预测能力;在储能与调节侧,结合电源出力、电网需求和市场信号优化充放电策略;在综合能源场景中,推动风、光、储、氢与负荷资源协同运行;在园区和算力设施中,探索绿电供应、负荷调节和能碳管理之间的联动。 这些内容构成绿能科创能源数字化与人工智能方向的主要应用范围,也为后续筛选具备工程价值的技术任务提供基础。 坚持需求牵引 推进数智任务分级论证 能源人工智能应用不能从模型和算法出发寻找场景,而需要从生产运行中的实际问题形成任务。按照绿能科创的建设思路,相关工作将面向新能源基地、储能电站、综合能源园区及生产运营单位,梳理功率预测不准、设备异常识别不及时、调节资源协同不足和能碳数据连接不畅等问题。 在任务形成后,还需对技术基础、数据条件、工程环境和实施可行性进行综合论证。对于技术相对成熟、场景条件完备的任务,可优先进入现场验证;对于已有技术基础但工程适应性不足的任务,可开展专项测试和迭代优化;对于仍处于前期探索阶段的方向,则纳入储备体系持续跟踪。 通过分层分类论证,绿能科创着力把真正有需求、有基础、有场景的数智技术筛选出来,避免人工智能应用停留在概念展示和单点试用层面。 依托重大工程 开展技术测试与场景验证 能源系统对安全性、稳定性和连续性要求较高。人工智能模型进入生产环节前,需要在复杂气象、设备故障、负荷波动和通信异常等条件下接受检验。 依托国家电投不同类型的能源工程场景,绿能科创计划推动相关技术经过历史数据训练、仿真环境测试、现场试运行和持续迭代等环节,重点检验预测精度、异常识别能力、运行稳定性、系统兼容性和实际业务成效。 在验证过程中,技术团队、生产运营单位、设计机构和装备企业将围绕同一场景协同推进,根据现场数据和运行反馈调整模型参数与控制策略。通过持续测试,进一步明确技术适用条件、运行边界和安全要求,为后续工程应用提供依据。 强化协同转化 沉淀产品标准与解决方案 数智技术经过工程验证后,还需要从单个场景应用转化为能够重复部署的产业成果。绿能科创将围绕验证结果,进一步梳理数据要求、模型接口、系统架构、实施流程和评价指标,推动成熟成果逐步形成算法模型、技术平台、应用产品和系统解决方案。 此次“人工智能+能源”工作组将数字能源标准、技术认证、绿色算力评价和能源数据治理列为合作内容,也为相关企业观察国际技术趋势、研究规则衔接提供了新的窗口。 对于具备推广条件的成果,绿能科创可结合不同地区的资源条件、能源结构和工程需求开展适配,逐步形成可复用的数据规范、技术方案和实施标准,为后续跨工程、跨区域应用夯实基础。 完善实施安排 加快形成项目储备梯队 按照绿能科创阶段安排,2026—2027年将重点推进任务梳理、技术成熟度评估、实施条件论证和验证方案设计,建立能源数字化与人工智能任务储备体系。 下一步,相关工作将从国家电投生产经营和产业发展需求中持续识别实际问题,分类形成技术攻关、测试验证和工程示范任务。具备数据基础和应用条件的成果,将加快进入真实场景验证;尚需完善的技术,将围绕模型性能、安全边界和工程适应性开展优化;经过验证的成熟成果,则进一步推进产品化、标准化和规模化应用。 通过“需求识别—任务论证—技术攻关—场景验证—成果转化”的连续推进,绿能科创将逐步形成分层分类的数智任务储备梯队,为绿色能源领域人工智能技术从单点应用走向工程实践提供支撑。 图文来源:读者投稿 仅为资讯分享!不代表华闻之声CNS的认同、推荐和建议 自行分辨 谨慎选择 责任编辑:胡宇春
近日,国家能源局发布通知,拟在“一带一路”能源合作伙伴关系框架下成立“人工智能+能源”工作组,围绕政策交流、技术合作、标准协同和能力建设开展合作。根据通知,工作组将聚焦新能源功率预测、电力系统优化运行、新型储能调控、多能协同优化以及绿色能源支撑算力设施建设等重点方向,推动联合研究、技术交流与示范合作。 上述部署与绿能科创的产业方向形成呼应。作为由国家电投发起实施的专项工程,绿能科创将能源数字化与人工智能纳入重点布局,计划依托国家电投产业需求和工程场景,推进任务筛选、技术攻关、场景验证与成果转化,探索人工智能在绿色能源生产运行中的应用路径。 对接国家部署 明确数智技术重点方向 围绕能源系统数字化、智能化发展需求,绿能科创重点关注新能源功率预测、设备智能运维、储能优化调控、虚拟电厂运行、电力市场交易和能碳一体化管理等场景。 在新能源发电侧,利用气象、设备和历史运行数据提高风电、光伏出力预测能力;在储能与调节侧,结合电源出力、电网需求和市场信号优化充放电策略;在综合能源场景中,推动风、光、储、氢与负荷资源协同运行;在园区和算力设施中,探索绿电供应、负荷调节和能碳管理之间的联动。 这些内容构成绿能科创能源数字化与人工智能方向的主要应用范围,也为后续筛选具备工程价值的技术任务提供基础。 坚持需求牵引 推进数智任务分级论证 能源人工智能应用不能从模型和算法出发寻找场景,而需要从生产运行中的实际问题形成任务。按照绿能科创的建设思路,相关工作将面向新能源基地、储能电站、综合能源园区及生产运营单位,梳理功率预测不准、设备异常识别不及时、调节资源协同不足和能碳数据连接不畅等问题。 在任务形成后,还需对技术基础、数据条件、工程环境和实施可行性进行综合论证。对于技术相对成熟、场景条件完备的任务,可优先进入现场验证;对于已有技术基础但工程适应性不足的任务,可开展专项测试和迭代优化;对于仍处于前期探索阶段的方向,则纳入储备体系持续跟踪。 通过分层分类论证,绿能科创着力把真正有需求、有基础、有场景的数智技术筛选出来,避免人工智能应用停留在概念展示和单点试用层面。 依托重大工程 开展技术测试与场景验证 能源系统对安全性、稳定性和连续性要求较高。人工智能模型进入生产环节前,需要在复杂气象、设备故障、负荷波动和通信异常等条件下接受检验。 依托国家电投不同类型的能源工程场景,绿能科创计划推动相关技术经过历史数据训练、仿真环境测试、现场试运行和持续迭代等环节,重点检验预测精度、异常识别能力、运行稳定性、系统兼容性和实际业务成效。 在验证过程中,技术团队、生产运营单位、设计机构和装备企业将围绕同一场景协同推进,根据现场数据和运行反馈调整模型参数与控制策略。通过持续测试,进一步明确技术适用条件、运行边界和安全要求,为后续工程应用提供依据。 强化协同转化 沉淀产品标准与解决方案 数智技术经过工程验证后,还需要从单个场景应用转化为能够重复部署的产业成果。绿能科创将围绕验证结果,进一步梳理数据要求、模型接口、系统架构、实施流程和评价指标,推动成熟成果逐步形成算法模型、技术平台、应用产品和系统解决方案。 此次“人工智能+能源”工作组将数字能源标准、技术认证、绿色算力评价和能源数据治理列为合作内容,也为相关企业观察国际技术趋势、研究规则衔接提供了新的窗口。 对于具备推广条件的成果,绿能科创可结合不同地区的资源条件、能源结构和工程需求开展适配,逐步形成可复用的数据规范、技术方案和实施标准,为后续跨工程、跨区域应用夯实基础。 完善实施安排 加快形成项目储备梯队 按照绿能科创阶段安排,2026—2027年将重点推进任务梳理、技术成熟度评估、实施条件论证和验证方案设计,建立能源数字化与人工智能任务储备体系。 下一步,相关工作将从国家电投生产经营和产业发展需求中持续识别实际问题,分类形成技术攻关、测试验证和工程示范任务。具备数据基础和应用条件的成果,将加快进入真实场景验证;尚需完善的技术,将围绕模型性能、安全边界和工程适应性开展优化;经过验证的成熟成果,则进一步推进产品化、标准化和规模化应用。 通过“需求识别—任务论证—技术攻关—场景验证—成果转化”的连续推进,绿能科创将逐步形成分层分类的数智任务储备梯队,为绿色能源领域人工智能技术从单点应用走向工程实践提供支撑。 图文来源:读者投稿 仅为资讯分享!不代表华闻之声CNS的认同、推荐和建议 自行分辨 谨慎选择 责任编辑:胡宇春
环球视角


JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图