专访北京清大科越副总裁郭梦婕：人工智能等新一代信息技术能平抑新能源为电网调度平衡带来的波动
每经记者周逸斐 每经编辑陈星
9月7日至10日，以“转型发展绿色未来”为主题的2024全球能源转型大会召开。
《每日经济新闻》记者注意到，能源领域尤其是电力领域的数字化变革，成为与会嘉宾的热议话题之一，利用大数据技术实现绿色低碳高质量发展受到广泛关注。在活动展台，记者观察发现，大数据赋能电力领域也成为多家企业关注的焦点。
数字化如何赋能发售电环节？以新能源为主的新型电力系统给电力调控带来哪些挑战？数字技术如何提高电力调度的精准度和效率？针对这些话题，《每日经济新闻》（以下简称NBD）记者对北京清大科越副总裁、董事会秘书郭梦婕进行了专访。
电力系统午间消纳难、晚峰保供难、运行调节难矛盾愈发突出
NBD：国家发展改革委、国家能源局印发的《关于加强电网调峰储能和智能化调度能力建设的指导意见》指出，推动智能化调度能力建设。在电力智能化调度系统中，大数据和人工智能技术是如何被应用的？它们如何提升调度的精准度和效率？
郭梦婕：大数据和人工智能技术是当下十分热门的两种技术，且已被应用到诸多场景和业务下。
对于大数据技术来说，其主要用途为管理、处理和分析大规模、高维度、复杂和快速变化的数据，而电力系统所产生的数据刚好符合这一特质。
具体体现在数据采集和存储方面。电力系统在运行过程中会产生大量的数据，包括电压、电流、功率、频率等实时运行数据，以及设备状态、保护信号等非电气量数据，这些数据具有时间颗粒度细、实时且海量的特点。大数据技术能够高效地收集并存储这些海量数据，为后续的分析和处理提供基础。
在数据分析环节，则可以通过对收集到的数据进行深度分析和挖掘，发现数据中的规律和关联性，为电力系统的运行和维护提供决策支持。同时可以对设备状态进行实时监测和预警，及时发现潜在故障并采取措施，防止故障扩大和事故发生。
除此以外，大数据技术在实时采集电力系统的各类数据后，能够对电力系统运行的实时数据进行监控，确保数据的准确性和及时性，为基于人工智能、优化决策等技术的后续工作打下良好的基础，提升相关业务的精度和效率。
而人工智能技术用途更加广泛，如时序预测、分类决策、多模态大模型等。在电力系统中，时序预测的应用最广泛，大模型与决策优化技术也在诸多场景下崭露头角。
具体来讲，时序预测即新能源功率预测和负荷预测。二者是电力系统调度运行基础工作的重中之重，一切决策优化以及电网稳定运行皆需要二者的精准预测。人工智能技术可以基于历史数据和其他相关因素，如天气、季节、消费者用电习惯等，建立时序预测模型，实现对未来功率、负荷变化的高精度预测。
在当下大家普遍关注的大模型与决策优化技术方面，由于电力系统中不同场景的业务规则和目标不完全一致，且模型各有差异，仅通过传统的物理建模将花费大量人力物力，而利用生成式大模型可以有效预测和决策。业务人员可以通过语言描述完成输入，AI大模型接收后，自动建立数学模型进行预测和决策，能够有效降低模型的建设难度，实现“泛化”求解的全面推广。
随着人工智能技术的不断完善和在电力系统的普及应用，其不但能够辅助人进行负荷和功率预测，制定更加精准的数据边界，实现调度计划的供需平衡，有效保证电网的稳定运行，还能实现跨系统、跨区域的数据共享和协同调度，优化电力资源的配置和利用，提高整个电力系统的运行效率。未来，大模型将会让电力系统的业务流程更加简化，为整个行业带来巨大便利。
NBD：新型电力系统的建设对电力调度提出了新要求，这给现行调度运行带来哪些挑战？新形势下的电力调度需要哪些技术？
郭梦婕：我国新型电力系统正在加快构建，交直流混联与主微网协同并存的新型电网建设全面推进，新能源保持高速发展，实现高水平消纳。但与此同时，电源结构、电网形态、负荷特性都在发生广泛而深刻的变化，电网调度运行面临新形势、新挑战。
一方面是电源强随机特性显著。随着新能源装机快速增长，新能源出力在时间、空间维度上的随机性、间歇性、波动性特征进一步凸显，叠加“静稳无风”“夜间无光”和易受雨雪冰冻影响的特性，电网运行调节面临突出挑战。同时，缺乏惯量与自主电压参考的新能源发电装置呈现明显的低抗扰性和弱支撑性，给电网自身的安全及运行控制也带来挑战。
另一方面是主配网协同管控难度大。电力系统逐步向“高比例可再生能源”和“高比例电力电子设备”的“双高”方向发展，系统特性深刻变化。交直流、源网荷相互耦合，常规电源开机规模下降，电网频率电压支撑能力减弱，电网故障形态更为复杂，稳定控制更为困难。
分布式光伏、储能和有源配电网加快发展，与主网深度协调运行的模式有待完善，地、县级电网调度业务需求显著增加，管理难度提升。新能源出力波动导致电网潮流日内“潮汐式”波动，电力系统午间消纳难、晚峰保供难、运行调节难矛盾愈发突出，正在逐渐成为常态。
针对此情况，我们认为新形势下，作为保障电网安全稳定运行的调度部门，需要更精准的源荷预测技术。同时，人们越来越依赖基于人工智能等新一代信息技术的源网荷储协同优化技术来平抑新能源为电网调度平衡带来的波动。
基于虚拟电厂的新业态新模式，以及聚合调节挖掘与灵活互动技术，充分挖掘推动用户负荷、电源、储能等灵活资源参与电网的调节中，通过市场的价格机制引导其主动与调度部门互动，共同维护电网的安全稳定运行。
电碳协同需要从国家层面完善市场机制设计
NBD：未来可再生能源大规模接入电网，智能发售电技术如何助力实现电力供需的精准匹配？和传统发售电技术有什么区别？
郭梦婕：电网的安全依靠“发电、输电、配电、用电”各个环节的协同运行，而不仅仅是“发电”。随着可再生能源大规模接入，特别是风力发电及光伏发电具有的随机性和波动性，使得电力系统的调峰、调频、后备容量难以精确计算，容易引起弃风、弃光、切负荷等问题，给电网的安全稳定带来挑战。
传统发电厂难以满足新型电力系统和电力市场背景下发电机组灵活运行、智能交易以及“双碳”目标超低排放的要求。
智能发售电技术是将智能化技术手段应用到发电、售电（交易）过程中。智能发售电以数字化信号作为载体，将电子信息、智能控制、云计算、大数据技术以及经济学、运筹学等融合到电力生产与经营中，全面提升发电运行智能化和交易决策水平。
特别是新一代人工智能（AI）技术、大数据技术等在负荷预测、功率预测方面的应用，能够进一步提升新能源发电、负荷预测精准度，有助于提升电网供需平衡，促进电网稳定运行。
此外，售电及电力营销的智能化技术，可以构建出更多的营销模式，真正满足多样化电力需求，调动“源网荷储”的协同发展，进而促进电力系统的持续、稳定发展。
NBD：电碳协同也是能源领域一直讨论的话题，您认为该如何推动两个市场的有效衔接，打通电碳协同“最后一公里”？电碳协同能否降低用电成本？
郭梦婕：我国的电力市场与碳市场在这几年均有显著发展。部分试点区域，绿色电力与碳排放之间已初步构建起有效的转换机制。企业通过购买绿色电力，不仅能够满足能源需求，还能有效抵消部分碳排放指标。但鲜有用户可以准确阐述碳市场和绿电市场的协同关系，这正是因为同步性与互通性仍然有所欠缺。
我们认为，首先，电力市场与碳市场在市场设计与市场机制建设上需要协同推进。由国家层面统筹制定电碳市场融合总体目标和发展思路，完善市场机制设计，确保电力市场和碳市场在目标任务、建设时序等方面保持一致性。同时，应加强政策调整，避免政策冲突和重复激励，为市场融合提供坚实的政策基础。
其次，市场信息互通是实现融合的关键。进一步提升市场的透明度，畅通市场信息交互通道，强化电碳市场间的公共数据信息共享，实现电力市场和碳市场在环境权益数据上的互联互通与统一认证，加强数据信息、信用信息和监管信息的互信共享，这些都能够帮助市场主体在考虑环境权益时更好地进行自主决策判断。
至于电碳协同能否降低用电成本，短期看可能没有直接显著的效果，毕竟额外的环境权益需求无论在绿电交易还是碳交易中，都会带来购买方额外的成本。
但从长期来看，随着可再生能源技术的不断成熟和成本的进一步降低，绿电在电力市场中的份额将逐步增加。同时，碳市场的有效运行将促使高碳排机组的发电成本上升，从而推动电价结构向低碳化转变。这种转变也将激励用户增加对可再生能源的利用。所以长期来讲，电碳协同不仅有助于推动能源结构转型，还将为用户带来用电成本的降低。