电力AI遇极端天气易失算

从预测风光到巡检设备，AI已进入电力链条

经济参考网报道显示，人工智能正在重塑电力“发、输、配、售”流程。今年7月，甘肃电投集团发布“紫金驭能”大模型，汇集53家风、光、水、火发电厂站20多年全链条全场景数据，覆盖风光功率预测、负荷与电价预测、电力交易智能决策等环节。同月，雅砻江流域水电开发有限公司发布面向水、风、光一体化清洁能源基地的智慧运营大模型，据其集控中心水情室人员介绍，来水分析与运行方案编制由1至2小时缩短至10分钟，来水预测精度提升约5%。

电网侧，国家电网用AI比较不同运行方案，仿真分析效率提升10倍以上；南方电网推出负荷预测系统“大瓦特·天衍”和电力市场求解器“天权”。设备侧，安徽平圩电厂6号机组上线AI智能环保岛生态系统，烟气治理实现全流程智控，自控率最高可达99%；河北华电石家庄热电有限公司用四轮足机器人搭载可见光摄像机与红外热成像仪，自动读表、测温并识别漏油、螺栓松动等异常。

样本稀少的情形，正是模型容易失准之处

报道中多位专业人士提示了同一处薄弱环节。清华大学地球系统科学系教授陈德亮表示，持续高温、长期干旱、大范围低风低光等极端情况历史样本较少，是能源系统面临的最危险情况，也是AI技术最容易出错的地方。常规条件下表现较好，并不等于在寒潮、强对流天气下同样可靠；不同模型的预测对象、时间尺度和计算方法不同，单看一个“准确率”并不具有简单可比性。

四川大学电气工程学院教授刘友波提到，办公场景里AI答错一段文字可以重新生成，电力系统容错率低，模型给出的方案必须经过专业计算、仿真验证和人工复核，不能把“说得通”当成“做得到”。国网四川省电力公司调度控制中心相关负责人介绍，AI给出预测结果后，工作人员要结合不同算法、模型近期表现和历史相似天气进行校核，涉及电力交易和运行调度的核心计算结果还须经独立系统交叉验证。

哪些人需要多留一分心

受影响面并不均等。发电企业中使用功率预测与交易决策模型安排机组启停、申报电量的运行人员，在极端天气窗口期对模型输出的依赖需要收一收；参与虚拟电厂聚合、按调度指令调整负荷的工商业用户，宜先弄清响应触发条件与结算口径；在成都石羊充电站等地尝试新能源汽车反向放电的车主，报道提到今年迎峰度夏期间高峰、尖峰时段每度电可获2元、3元放电收入，这类收益与时段、电量设定直接相关，动手前值得核对规则。至于居民日常用电，报道未显示AI应用带来供电中断或电价异常，无需过度联想。

几条可以自己落实的动作

一是把模型结论当参考而非结论，涉及启停、申报、检修安排的关键决策，保留人工复核环节并留痕。二是为极端天气单独设一道校验，寒潮、强对流、持续高温来临前，用历史相似天气的实际结果回测模型近期表现。三是跨系统交叉验证，同一组调度或交易数据至少用两套独立算法比对，差异明显时以保守方案为先。四是数据使用前先看口径，能源行业数据存在分散、标准不一、共享不畅的情况，跨企业取数宜先小范围试用验证价值，再谈合作。五是参与车网互动、虚拟电厂等新业态前，逐条阅读准入、计量结算与收益分配条款，对收益预期留出余量。

整体仍在可控区间

需要看到，上述应用多在特定电站和场站取得成效，一套模型换个地方未必能直接照搬，这本身说明行业对边界有清醒认识。今年8月，《人工智能 电力行业大模型评测指标和方法》《人工智能 电力大模型系统技术要求》等国家标准化指导性技术文件发布，为模型建设与评价提供依据；北京的电力具身智能机器人中试验证平台已对外服务，据北京市经济和信息化局今年7月公布的信息，已有7个品牌、8款机器人进驻开展场景验证。国家能源局数据显示，截至2025年底全国虚拟电厂项目470个，最多可同时调节1685万千瓦负荷。对绝大多数用户而言，这是一条处于发展初期的技术路径，风险总体处于低概率区间，通过复核机制与规则核对可以防可控。