隨著全球能源轉型步伐的加快，構建安全、高效、清潔、低碳的新一代能源系統已成為國際社會的共識。在這一進程中，人工智能技術正扮演著日益關鍵的角色。中國電力科學研究院的馬士聰博士指出，將人工智能與能源系統深度融合，特別是發展人工智能通用應用系統，是推動能源革命、實現“雙碳”目標的戰略支點。

新一代能源系統以高比例可再生能源接入、廣泛互聯、智能互動、靈活高效為主要特征。風能、太陽能等可再生能源的間歇性與波動性，電力電子設備的大量應用帶來的系統慣性下降，以及源網荷儲多元主體的復雜互動，都對系統的規劃、運行、控制與市場機制提出了前所未有的挑戰。傳統基于物理模型和專家經驗的方法已難以完全應對這些挑戰，亟需引入新的技術范式。

人工智能，尤其是機器學習、深度學習、強化學習等技術，為解決上述難題提供了全新思路。其核心優勢在于能夠從海量、多維、異構的能源大數據中挖掘深層規律，建立高精度模型，并實現復雜場景下的實時感知、精準預測和自主優化決策。馬士聰博士強調，要最大化AI的賦能價值，不能僅停留在解決單個“點”上的問題（如短期負荷預測、設備故障診斷），而應致力于構建面向新一代能源系統的“人工智能通用應用系統”。

這個“通用應用系統”并非一個單一軟件，而是一個分層解耦、開放協同的技術體系與賦能平臺。其核心架構通常包含三層：

1. 基礎設施層（數據與算力）：整合電網運行、設備狀態、氣象環境、用戶用電等多源數據，形成標準統一的“能源數據湖”。依托云計算、邊緣計算構建彈性可擴展的算力資源，為上層AI模型訓練與推理提供支撐。

1. AI平臺層（模型與算法）：這是系統的“大腦”。它提供一套完整的AI開發、訓練、部署、管理和迭代的工具鏈與環境。平臺應內置或可靈活集成適用于不同能源場景的算法庫和模型庫，例如用于風光功率預測的時序預測模型、用于電網安全穩定分析的圖神經網絡模型、用于需求側響應的強化學習模型等。關鍵在于實現模型的模塊化、可復用和持續學習能力。

1. 應用服務層（場景與賦能）：基于平臺能力，快速構建和部署覆蓋“源-網-荷-儲”全環節的智能應用。例如：

• 源側：新能源場站集群功率預測與優化控制，提高消納能力。

• 網側：電網動態潮流計算、安全穩定態勢智能評估與自適應校正控制，提升大電網韌性。

• 荷側：海量用戶負荷特性識別、精準畫像與柔性負荷聚合調控，助力削峰填谷。

• 儲側：儲能電站的智能調度與壽命預測，優化資產價值。

• 市場與規劃：支撐電力市場出清與交易決策，輔助電網長期發展規劃。

構建這樣一個通用應用系統面臨諸多挑戰，包括能源數據質量與共享壁壘、AI模型的可解釋性與安全性、與現有電力控制系統的可靠集成、跨領域復合型人才的短缺等。對此，馬士聰博士提出，需要加強“政-產-學-研-用”協同創新，共同推進關鍵標準制定、核心技術攻關和典型示范應用。

以人工智能通用應用系統為引擎的新一代能源系統，將呈現出更強的自感知、自學習、自決策、自優化能力。它將不僅是一個物理電能流動的網絡，更是一個信息與能量深度融合、智能自主運行的復雜巨系統。這不僅能極大提升能源利用效率和安全保障水平，加速可再生能源替代，還將催生全新的能源服務業態與商業模式，為社會經濟發展注入綠色智能新動能。中國在這一領域的積極探索與成功實踐，必將為全球能源可持續發展貢獻重要智慧與方案。