当前 ， 人工智能在能源 行业 的应用 仍然 存在 高价值场景不足、关键资源共享度不高、保障机制有待健全等共性瓶颈， 在一定程度上制约了 " AI+ 能源"持续走向深入。 《 实施 意见》 突出应用导向，牢牢把握"高价值场景"这个关键点，系 统布局了 AI+ 电网、 AI+ 新能源等 8 大领域高价值场景，突出人工智能赋能作用、支撑新型能源体系建设的同时，牵引算 力、数据和模型等关键要素持续高质量发展，对于破解行业发展瓶颈，推动" AI+ 能源"行动落地，变革能源生产关系，因 地制宜发展能源新质生产力具有重要意义。 近期，为贯彻党中央、国务院关于发展人工智能的决策部署，落实《 国务院关于深入实施 "人工智能 + "行动的意见 》有 关工作，国家发展改革委、国家能源局发布《 关于推进 "人工智能 + "能源高质量发展的实施意见 》（以下简称《 实施 意见》 ）， 以提升能源领域人工智能创新应用技术水平为主攻方向 ，加快推动人工智能与能源产业深度融合， 保障能源 安全稳定供应 和 绿色低碳转型，有力支撑新型能源体系建设。 一、顺应时代大势，为能源领域深入践行 " 人工智能 + "行动提供科学指引 当前，以 "人工 ...

政策背景与目标 - 国务院发布《关于深入实施"人工智能+"行动的意见》推动人工智能与各行业深度融合 [2] - 国家发展改革委、国家能源局联合印发《关于推动"人工智能+"能源高质量发展的实施意见》提供顶层设计和行动指南 [2] - 提出2027年"打基础、树标杆、探路径"阶段目标 重点实现"五十百"发展目标 开展行业级专业大模型应用和典型场景挖掘 [4] - 2030年目标为"全面赋能、生态构建" 能源领域人工智能专业技术总体达到世界领先水平 形成全球领先研发创新基地 [4] 行业发展现状 - 人工智能是构建新型能源体系的关键技术引擎与产业创新基石 [3] - 国内能源企业已发布十余个企业专用大模型 头部企业依托数据和场景优势实现应用落地 [3] - 当前存在"各自为战"开发现状 导致行业资源冗余与系统壁垒 难以形成规模效应 [3] 技术实施路径 - 夯实数据基础、强化算力支撑、提升模型基础能力三大关键技术攻关方向 [7] - 重点突破多智能体协同、可解释人工智能等关键技术 打造贴合能源供需特点的精准算法 [7] - 构筑5个以上专业大模型 重点围绕电力、煤矿、油气等业务特点 [8] - 推动大模型与专业软件融合、大小模型协同及智能体等研发模式创新 [8] 应用场景规划 - 重点围绕电网、能源新业态、新能源、水电、火电、核电、煤炭、油气等方向开展深度应用 [9] - 推动人工智能在预测分析、规划设计、调度运行、市场交易、设备运维等典型场景规模化应用 [9] - 增强在能源供需平衡、安全监控与预警、内部协同优化、跨域融合创新等方面的支撑作用 [9] 创新生态建设 - 推进试点示范 遴选可复制、易推广的场景和企业标杆应用 [11] - 建立健全覆盖技术研发、应用落地和效果评估的全链条标准体系 [13] - 制定能源数据治理、算力融合等基础规范 保障数据安全共享与算力高效调度 [13] - 设立创新平台、组建"人工智能+"能源创新联盟 构建产学研用深度融合体系 [14]

政策背景与行业方向 - 国家发展改革委与国家能源局联合印发《关于推进"人工智能+"能源高质量发展的实施意见》，明确推动人工智能技术在电网、能源新业态、核电等多场景深度融合与应用 [1] - 政策支持人工智能技术在可控核聚变等前沿方向的探索 [4] 公司技术应用与经济效益 - 在浙江临平经开区搭建虚拟电厂智慧运营平台，通过AI算法实现资源规模化聚合与高效响应，聚合可调负荷近12.6MW，度电收益提高约0.5元/千瓦时 [2] - 平台通过储能和空调等设备智能控制将运行工作效率提高50%以上，大幅减少线下协调工作量 [2] - 安徽宣城经开区"四网合一"项目实现电、气、热、冷等多种能源集中监测与动态调控，年碳减排约13万吨，企业蒸汽成本下降590万元，供电成本节约255万元 [3] 前沿技术研发进展 - 构建覆盖聚变装置设计、运行与控制的数字孪生系统，以神经算子方法将主机多物理场耦合计算速度提升4个量级，实现实时仿真 [4] - 聚变统一数据平台打通"实验-诊断-工程-控制-模拟"全链条数据，轻量级集成平台实现实验炮间快速模拟分析，大幅缩短研发周期 [4] - 在"玄龙-50U"氢硼聚变装置上基于深度强化学习的等离子体控制取得初步成功，基于大模型的聚变智能体研发稳步推进 [4] 公司战略定位 - 采用"实战应用+前沿探索"双轮驱动模式，通过泛能业务推动AI在能源系统中的规模化应用，同时布局聚变人工智能等前沿技术 [1][5] - 技术应用覆盖虚拟电厂、园区综合能源管理、储能协同优化及聚变能源开发等多维度场景 [2][4]