專訪北京清大科越副總裁郭夢婕：人工智能等新一代信息技術能平抑新能源為電網調度平衡帶來的波動

每經記者 周逸斐    每經編輯 陳星    

9月7日至10日，以“轉型發展 綠色未來”為主題的2024全球能源轉型大會召開。

《每日經濟新聞》記者注意到，能源領域尤其是電力領域的數字化變革，成為與會嘉賓的熱議話題之一，利用大數據技術實現綠色低碳高質量發展受到廣泛關注。在活動展臺，記者觀察發現，大數據賦能電力領域也成為多家企業關注的焦點。

數字化如何賦能發售電環節？以新能源為主的新型電力系統給電力調控帶來哪些挑戰？數字技術如何提高電力調度的精準度和效率？針對這些話題，《每日經濟新聞》（以下簡稱NBD）記者對北京清大科越副總裁、董事會秘書郭夢婕進行了專訪。

圖片來源：受訪者供圖

 

電力系統午間消納難、晚峰保供難、運行調節難矛盾愈發突出

NBD：國家發展改革委、國家能源局印發的《關于加強電網調峰儲能和智能化調度能力建設的指導意見》指出，推動智能化調度能力建設。在電力智能化調度系統中，大數據和人工智能技術是如何被應用的？它們如何提升調度的精準度和效率？

郭夢婕：大數據和人工智能技術是當下十分熱門的兩種技術，且已被應用到諸多場景和業務下。

對于大數據技術來說，其主要用途為管理、處理和分析大規模、高維度、復雜和快速變化的數據，而電力系統所產生的數據剛好符合這一特質。

具體體現在數據采集和存儲方面。電力系統在運行過程中會產生大量的數據，包括電壓、電流、功率、頻率等實時運行數據，以及設備狀態、保護信號等非電氣量數據，這些數據具有時間顆粒度細、實時且海量的特點。大數據技術能夠高效地收集并存儲這些海量數據，為后續的分析和處理提供基礎。

在數據分析環節，則可以通過對收集到的數據進行深度分析和挖掘，發現數據中的規律和關聯性，為電力系統的運行和維護提供決策支持。同時可以對設備狀態進行實時監測和預警，及時發現潛在故障并采取措施，防止故障擴大和事故發生。

除此以外，大數據技術在實時采集電力系統的各類數據后，能夠對電力系統運行的實時數據進行監控，確保數據的準確性和及時性，為基于人工智能、優化決策等技術的后續工作打下良好的基礎，提升相關業務的精度和效率。

而人工智能技術用途更加廣泛，如時序預測、分類決策、多模態大模型等。在電力系統中，時序預測的應用最廣泛，大模型與決策優化技術也在諸多場景下嶄露頭角。

具體來講，時序預測即新能源功率預測和負荷預測。二者是電力系統調度運行基礎工作的重中之重，一切決策優化以及電網穩定運行皆需要二者的精準預測。人工智能技術可以基于歷史數據和其他相關因素，如天氣、季節、消費者用電習慣等，建立時序預測模型，實現對未來功率、負荷變化的高精度預測。

在當下大家普遍關注的大模型與決策優化技術方面，由于電力系統中不同場景的業務規則和目標不完全一致，且模型各有差異，僅通過傳統的物理建模將花費大量人力物力，而利用生成式大模型可以有效預測和決策。業務人員可以通過語言描述完成輸入，AI大模型接收后，自動建立數學模型進行預測和決策，能夠有效降低模型的建設難度，實現“泛化”求解的全面推廣。

隨著人工智能技術的不斷完善和在電力系統的普及應用，其不但能夠輔助人進行負荷和功率預測，制定更加精準的數據邊界，實現調度計劃的供需平衡，有效保證電網的穩定運行，還能實現跨系統、跨區域的數據共享和協同調度，優化電力資源的配置和利用，提高整個電力系統的運行效率。未來，大模型將會讓電力系統的業務流程更加簡化，為整個行業帶來巨大便利。

NBD：新型電力系統的建設對電力調度提出了新要求，這給現行調度運行帶來哪些挑戰？新形勢下的電力調度需要哪些技術？

郭夢婕：我國新型電力系統正在加快構建，交直流混聯與主微網協同并存的新型電網建設全面推進，新能源保持高速發展，實現高水平消納。但與此同時，電源結構、電網形態、負荷特性都在發生廣泛而深刻的變化，電網調度運行面臨新形勢、新挑戰。

一方面是電源強隨機特性顯著。隨著新能源裝機快速增長，新能源出力在時間、空間維度上的隨機性、間歇性、波動性特征進一步凸顯，疊加“靜穩無風”“夜間無光”和易受雨雪冰凍影響的特性，電網運行調節面臨突出挑戰。同時，缺乏慣量與自主電壓參考的新能源發電裝置呈現明顯的低抗擾性和弱支撐性，給電網自身的安全及運行控制也帶來挑戰。

另一方面是主配網協同管控難度大。電力系統逐步向“高比例可再生能源”和“高比例電力電子設備”的“雙高”方向發展，系統特性深刻變化。交直流、源網荷相互耦合，常規電源開機規模下降，電網頻率電壓支撐能力減弱，電網故障形態更為復雜，穩定控制更為困難。

分布式光伏、儲能和有源配電網加快發展，與主網深度協調運行的模式有待完善，地、縣級電網調度業務需求顯著增加，管理難度提升。新能源出力波動導致電網潮流日內“潮汐式”波動，電力系統午間消納難、晚峰保供難、運行調節難矛盾愈發突出，正在逐漸成為常態。

針對此情況，我們認為新形勢下，作為保障電網安全穩定運行的調度部門，需要更精準的源荷預測技術。同時，人們越來越依賴基于人工智能等新一代信息技術的源網荷儲協同優化技術來平抑新能源為電網調度平衡帶來的波動。

基于虛擬電廠的新業態新模式，以及聚合調節挖掘與靈活互動技術，充分挖掘推動用戶負荷、電源、儲能等靈活資源參與電網的調節中，通過市場的價格機制引導其主動與調度部門互動，共同維護電網的安全穩定運行。

電碳協同需要從國家層面完善市場機制設計

NBD：未來可再生能源大規模接入電網，智能發售電技術如何助力實現電力供需的精準匹配？和傳統發售電技術有什么區別？

郭夢婕：電網的安全依靠“發電、輸電、配電、用電”各個環節的協同運行，而不僅僅是“發電”。隨著可再生能源大規模接入，特別是風力發電及光伏發電具有的隨機性和波動性，使得電力系統的調峰、調頻、后備容量難以精確計算，容易引起棄風、棄光、切負荷等問題，給電網的安全穩定帶來挑戰。

傳統發電廠難以滿足新型電力系統和電力市場背景下發電機組靈活運行、智能交易以及“雙碳”目標超低排放的要求。

智能發售電技術是將智能化技術手段應用到發電、售電（交易）過程中。智能發售電以數字化信號作為載體，將電子信息、智能控制、云計算、大數據技術以及經濟學、運籌學等融合到電力生產與經營中，全面提升發電運行智能化和交易決策水平。

特別是新一代人工智能（AI）技術、大數據技術等在負荷預測、功率預測方面的應用，能夠進一步提升新能源發電、負荷預測精準度，有助于提升電網供需平衡，促進電網穩定運行。

此外，售電及電力營銷的智能化技術，可以構建出更多的營銷模式，真正滿足多樣化電力需求，調動“源網荷儲”的協同發展，進而促進電力系統的持續、穩定發展。

NBD：電碳協同也是能源領域一直討論的話題，您認為該如何推動兩個市場的有效銜接，打通電碳協同“最后一公里”？電碳協同能否降低用電成本？

郭夢婕：我國的電力市場與碳市場在這幾年均有顯著發展。部分試點區域，綠色電力與碳排放之間已初步構建起有效的轉換機制。企業通過購買綠色電力，不僅能夠滿足能源需求，還能有效抵消部分碳排放指標。但鮮有用戶可以準確闡述碳市場和綠電市場的協同關系，這正是因為同步性與互通性仍然有所欠缺。

我們認為，首先，電力市場與碳市場在市場設計與市場機制建設上需要協同推進。由國家層面統籌制定電碳市場融合總體目標和發展思路，完善市場機制設計，確保電力市場和碳市場在目標任務、建設時序等方面保持一致性。同時，應加強政策調整，避免政策沖突和重復激勵，為市場融合提供堅實的政策基礎。

其次，市場信息互通是實現融合的關鍵。進一步提升市場的透明度，暢通市場信息交互通道，強化電碳市場間的公共數據信息共享，實現電力市場和碳市場在環境權益數據上的互聯互通與統一認證，加強數據信息、信用信息和監管信息的互信共享，這些都能夠幫助市場主體在考慮環境權益時更好地進行自主決策判斷。

至于電碳協同能否降低用電成本，短期看可能沒有直接顯著的效果，畢竟額外的環境權益需求無論在綠電交易還是碳交易中，都會帶來購買方額外的成本。

但從長期來看，隨著可再生能源技術的不斷成熟和成本的進一步降低，綠電在電力市場中的份額將逐步增加。同時，碳市場的有效運行將促使高碳排機組的發電成本上升，從而推動電價結構向低碳化轉變。這種轉變也將激勵用戶增加對可再生能源的利用。所以長期來講，電碳協同不僅有助于推動能源結構轉型，還將為用戶帶來用電成本的降低。