能源数智化正驶上快车道。2025年以来，随着《关于推进“人工智能+”能源高质量发展的实施意见》等多个重磅文件出台，人工智能成为驱动我国新型电力系统建设的关键支撑。

太原能源低碳发展论坛数智能源发展论坛旨在探讨数智赋能能源高质量发展，重点围绕煤矿智能化、数智新型电网、能源综合服务、能源与人工智能双向赋能等领域展开讨论。

主旨报告环节，华南理工大学教授、能源交叉学科研究院副院长、风电控制与并网技术国家地方联合工程实验室主任杨苹以《面向新型电力系统的能源AI垂类大模型》为题，正式对外介绍了全球首创的能源AI垂类大模型的架构设计、技术逻辑与落地实践。她特别强调，这并非市面上常见的通用大模型，也不是简单调用通用大模型的应用工具，而是一套经过全面重构混合架构的能源电力行业垂类大模型，属于面向电力场景的“全新物种”。

杨苹教授指出，以新能源为主体的新型电力系统，正在遭遇多重现实挑战。发电、用电两侧随机波动性同步放大，电力系统惯量与阻尼显著下降，系统失稳风险上升，国内已经出现数据中心、独立储能负荷区引发次/超同步振荡的工程案例；传统“源随荷动”调度模式正向“源荷互动”转型，海量源荷主体带来双边随机动态匹配难题，系统安全稳定与经济运行之间的矛盾愈发突出。

“新型电力系统已经演进为融合物理系统、信息系统、社会系统的复杂巨系统，复杂性呈指数级增长，亟待人工智能给出兼顾安全稳定与经济运行的最优解。”杨苹表示。

会后，杨苹接受山西晚报·山河+记者专访时直言：“通用大模型本质是输出最大概率结果，不会判断输出结果是否符合客观现实。但电力系统完全容忍不了错误，很多保护动作需要毫秒级响应，必须严格符合潮流方程、电力系统三大稳定定律，通用大模型这套最大概率输出的逻辑，并不适合直接用在电力场景。”

在她看来，通用大模型既难以读懂电力系统物理公式、拓扑结构、行业技术规范，也无法吃透电力市场交易规则与领域专家经验，概率化输出的底层逻辑和电力行业“零容错”的刚性要求存在本质冲突。

随着风电、光伏等新能源装机占比持续走高，发电侧随机性显著增强；与此同时，电动汽车无序充电、智算中心负荷波动，又进一步放大用电侧的不确定性。“发电、用电两端都在波动，就要大量新增储能、抽水蓄能这类调节资源，调节能力跟不上，就容易出现弃风弃光，大规模建设调节资源也会抬高全社会用电成本。”杨苹向记者表示，这也是新型电力系统建设过程中，电网调度面临的现实难题。

为破解通用大模型的适配短板，华南理工大学能源交叉学科研究院提出全球首创的能源AI垂类大模型混合架构，完整覆盖公式推理、专家规则推理、数据驱动推理三大板块，对应人类三类知识学习模式。

第一为公式推理大模型，基于电力系统物理规律、定律公式，实现任意场景下的电力系统符号化公式推理；第二为专家规则推理大模型，依托能源电力海量专家经验库，完成行业规则的自动推演；第三是数据驱动推理大模型，在对通用大模型裁剪改造基础上，使用电力行业高质量数据集完成训练，并配套独立安全校核机制。

该模型融合了通信、人工智能控制、电力三大领域的交叉学科知识。“我本科学习通信，毕业后有大型通信工程一线从业经历；硕博深耕控制理论与人工智能控制；博士阶段赴海外开展大数据挖掘研究；回到高校之后长期扎根可再生能源并网与新型电力系统产业化工作。”杨苹介绍，横跨通信、控制、大数据、电力的30年科研与产业实践，为这套混合架构的创新奠定了坚实基础。

杨苹教授特别指出，要支撑能源AI垂类大模型的训练与验证，必须打造能源电力领域高质量数据集及其全链路专用生产平台，形成能够自我演进的能源电力领域高质量数据的自动化生产线。

这条自动化生产线包含采集、汇聚、清洗、标注、生成、对齐、评测与质检、封装八大工具链，评测与质检贯穿全部流程。不合格的数据会回炉重新处理，依托电力物理规律完成自我迭代，保障数据集满足完整、正确、时效等行业六性原则。晚一秒送达的数据，即便内容准确，也无法参与电网调度与电力市场统一出清。

目前，在山西省能源局、山西省数据局以及长治市政府支持下，华南理工大学能源交叉学科研究院团队已在长治市打造了全国首个城市级源网荷储一体化平台，对各类能源生产单元、能源消费单元、能源储存单元，进行高精度的实时数据采集、分层级数据分析、优化调度控制。

谈及为何选择长治作为落地试点，杨苹告诉山西晚报·山河+记者：“要找到一个完整的城市级应用场景并不容易。一方面长治市政府创新意识强，全力支持我们把发电、用电、储能、充电桩等各类单元全部接入平台；另一方面山西电力市场政策在全国处于领先水平，为试点落地创造了很好的土壤。”

这一城市级能源底座搭建起泛在的能源网络，打通能量流、数据流、资金流，真正实现安全稳定、经济运行、绿色低碳的源荷互动。平台沉淀从毫秒级到年度级多时间尺度海量时序数据，为高质量数据集生产、垂类大模型训练验证源源不断输送真实样本。

依托长治平台沉淀的真实数据，团队完成屋顶光伏功率预测、聚合调控、虚拟电厂、电力市场交易智能体等多个场景测试。其中面向山西电力现货市场搭建的交易智能体，完整验证混合架构三大板块能力，既可以读懂功率约束条件，吃透市场交易规则，也能研判供需博弈关系，目前已经常态化运行，稳定胜率超过85%，实际表现优于专业人工交易团队。

“所有模型离开真实数据，都无法完成训练与验证。”杨苹说，“交易智能体的实际运行效果甚至优于人类专家的传统处置方式，更加坚定了我们沿着混合架构研发能源垂类大模型的方向。”

“我们的垂类大模型和通用大模型不一样，它有两大记忆板块保存公式与专家经验，记住的是物理公式与行业规则，而不是单纯记住训练数据，只有数据驱动板块需要持续迭代更新，这也让这套架构具备很强的可复制能力。”杨苹表示，模型整体思路可以向外输出复制，但落地其他城市仍需要本地真实能源数据做支撑。

在杨苹看来，完整的产业链、海量行业运行数据，是我国发展能源垂类大模型得天独厚的优势。“我国风电、光伏、火电、水电装机规模均位居世界第一，电网规模同样全球领先。依托行业沉淀的海量真实数据发展行业垂类大模型，是中国人工智能实现突围的重要路径，能够实实在在提升能源行业运行效率与可靠性。”

作为投身新能源行业近三十年的科研工作者，杨苹感慨，虽然国内通用大模型领域和海外顶尖水平仍存在差距，但在能源垂类大模型赛道，我们拥有得天独厚的场景与产业条件。中国有条件从局部场景验证起步，逐步建成完整的能源AI垂类大模型，赋能新型电力系统建设。