当风电叶片装上“智慧大脑”,当充电桩变身“能源路由器”……眼下,以深度求索DeepSeek系列为代表的大模型正快速渗透到能源、制造等产业领域。
据《中国能源报》记者不完全统计,近期,国家能源集团、国家电网、南方电网、国家电投、中国华电、中广核、中核集团等多家电力央企或子公司已陆续完成旗下AI平台与DeepSeek大模型的接入。
多位业内人士表示,以DeepSeek为代表的大模型不仅提升了能源行业的效率,也为全球能源转型和可持续发展提供了强有力的技术支持。随着AI技术的不断进步,DeepSeek在能源行业的应用前景会更加广阔。未来,DeepSeek有望在能源生产、传输、消费等各个环节发挥更大作用,推动行业向智能化、数字化方向发展。
●在技术运用上“你追我赶”
由于DeepSeek灵活和开源的属性,多家电力巨头密集布局。
2月12日,国网信息通信产业集团有限公司(以下简称“国网信通产业集团”)自主研发的模型服务云MSC平台全面接入DeepSeek大模型。
“MSC平台与DeepSeek的深度融合,将提高平台智能化生产能力,实现需求精准解读、交互极致体验、缺陷智能防控、性能优化策略及文档自动生成等关键功能,提升电网数字化项目研发效率,赋能业务快速响应和灵活变革,同时有效降低研发成本。”国网信通产业集团有关负责人说。
2月15日,中国华能集团有限公司完成了DeepSeek系列模型的本地化部署,并在集团“iHN+”移动门户中推出了“睿智小能”AI助手,实现DeepSeek为日常办公与管理赋能。
据华能数字化部李小翔副处长介绍,AI助手“睿智小能”深度融入“iHN+”平台,赋能能源生产运行、经营管理、科技研发的各个环节。目前,在通用知识基础上,结合规章制度、故障分析等企业数据库,利用预置提示词,实现了知识问答、公文拟稿、智能校对、文件解读、科研辅助等基础功能,高效辅助日常办公与管理。
此外,南方电网“大瓦特”体系、中国华电“华电睿思”数字底座也相继完成DeepSeek接入。
记者注意到,以“两网”、五大电力央企等为代表的能源央企,一改“大象转身慢”的公众印象,以专业的姿态和积极拥抱AI。这在业内人士看来,DeepSeek的接入,已清晰地传递出一个信号——AI驱动的能源革命正加速前进。
“上述现象意味着DeepSeek已经迎来了自己的高光时刻。尤其是能源电力行业,不约而同地接入DeepSeek,这种你追我赶、齐头并进的态势令人振奋。”中国电子商会副会长熊焰对记者说。
“DeepSeek时刻的到来,缘于其‘能力追平、成本碾压、自主可控、开放开源’这4个特征。”在熊焰看来,没有上述4个特征,任何一个新的技术都难以对既有产业形成重大影响。
●“拥有一个更聪明的大脑”
能源行业是一个复杂、系统产业。熊焰认为,人工智能大模型产业必须具备三个特征才会率先落地:一是超级复杂,复杂到人类脑力所不能及。二是存在巨大的降本增效空间。三是有支付能力。
“这三个特征能源行业都符合,尤其是第一个特征,超级复杂。”熊焰解释称,能源行业的生产端就是一个超级复杂的环节,它的品类有煤电、核电、水电、光伏、风电、生物质能等,分布广泛,产出复杂多变,若做到这几者的平衡匹配,其中的技术信息的密集度和复杂程度更是难以想象。电网端,更是现代工业体系中数据量最大、变动量最大、复杂度最高的体系之一。“因此,用DeepSeek这一类的大模型来优化、升级、改造、重构具有非常典型的意义。”
熊焰举例称,比如电力交易系统,这个场景就有数以万计的发电侧,包括稳定的煤电、水电和核电,还有不稳定的风电、光伏。同时,在需求侧,又面临着需求多种多样的用户需求。所以,它的交易模型的复杂程度远超人类脑力所能及。
“从预测、调整,到交易、优化,接入大模型后,整个电力交易系统相当于拥有了一个更聪明的大脑。”熊焰说,在这个领域看,大模型所能起到的智能调度,削峰填谷、灵活交易的作用,应该说技术应用前景令人振奋。
从需求预测看,DeepSeek正加速能源行业从“经验驱动”到“数据智能”的进程。贵州省数字能源协会秘书长李波表示,传统能源调度依赖历史数据与人工经验,难以应对风光发电的强波动性。如今,可借助DeepSeek通过融合气象、经济、地理等多维度数据,构建高精度预测模型。
“比如, 国家电网利用AI技术整合气象、经济活动和地理信息等多维度数据,构建高精度的电力需求预测模型。”李波说,这个模型显著提升了电力调度的精准度和灵活性。
此外,熊焰还表示,DeepSeek在能源的每个环节它都可参与,从采购到建设、运营管理、每个环节都能起到明显的降本增效作用。
●数据和场景仍是最大挑战
能源企业陆续接入DeepSeek,是盲目跟风赶时髦,还是真的看到了其中的价值去抢占先机?业内对此看法不一。
大家普遍认为,关键还是要看DeepSeek接入后的真实效果,到底对能源行业产生多大的影响,后续还是值得观察的。
谈及DeepSeek目前面临的最大挑战,熊焰认为,数据和场景仍是两大难题。
“要想做这个行业的应用模型,你若拿不到高质量的数据,那是做不来的。”熊焰坦言,“这方面高质量的数据仍然稀缺。”
记者在以往的调研中注意到,现在很多企业虽然也搭建了智能化的大平台,在监控大屏上可以实时看到一些数据,但是一般都比较封闭,大部分数据仅限在自己本公司或集团使用的。
熊焰建议,政府主管部门或行业协会把一些能源生产的数据收集起来,经过脱敏、清洗,在一定范围内开放出来,让更多的开发团队能够接触到、使用上这些新能源生产的数据集,这将对整个行业的优化会有很大提升。
另外,DeepSeek还面临着应用场景的难题。熊焰分析称,如果不针对具体的应用场景,也是没法商业实践的。“比如说,风电、光伏的运维便是一个典型的场景,因为它高度分散,智慧运维的需求又非常明显。今后,需要进一步思考,如何把这些场景的需求规模化、集约化。”
多家能源企业负责人表示,实施数智化转型,不仅对自身发展具有重要意义,也将对整个能源行业产生深远的影响和示范作用。
以华能为例,李小翔表示,数智化技术的深化应用将显著提升清洁能源生产利用效率,优化火电运营水平,实现碳排放精准管控,为集团绿色低碳转型按下“快进键”。推动能源行业数字化智能化升级,促进全行业能效提升,降低社会综合用能成本,为经济高质量发展提供稳定低碳的能源支撑。
关于大模型在能源行业的应用潜力,编辑部咨询了DeepSeek。以下是其给出的具体应用场景:
◆能源需求预测与生产优化
需求预测:大模型可精准预测短期及长期的能源需求,优化发电计划和电网调度,减少资源浪费。
可再生能源整合:分析气象数据,预测风电、光伏发电的波动性,辅助电网动态平衡供需,提升可再生能源消纳比例。
生产优化:在传统能源领域(如油气开采、火电),通过设备运行数据建模,优化生产参数,降低单位能耗。
◆智能电网与储能管理
电网智能化:实时分析电网运行数据,识别潜在故障,提供动态调整方案,提升供电可靠性和韧性。
储能调度:优化电池储能的充放电策略,结合电价波动和供需缺口,实现削峰填谷,降低用能成本。
分布式能源管理:协调屋顶光伏、电动汽车等分散资源,构建虚拟电厂,提高能源系统的灵活性和经济性。
◆勘探开发与资源评估
地质数据分析:处理地震勘探、测井数据,识别油气藏或地热资源分布,缩短勘探周期。
资源评估建模:结合地质、气候和经济数据,预测页岩气、可燃冰等非常规资源的开发潜力。
风险预警:分析历史事故数据,预测油气田开发中的安全风险,提供预防措施。
◆节能减排与碳中和
碳排放追踪:整合企业生产、运输和用能数据,构建全生命周期碳足迹模型,识别减排关键环节。
碳捕集与封存:模拟二氧化碳封存地质条件,优化CCUS技术路径。
◆能源市场与风险管理
价格预测:分析政策、地缘政治、供需关系等,预测原油、电力等能源价格趋势,辅助交易决策。
风险管理:识别市场波动、极端天气等风险,提供对冲策略。
政策模拟:评估碳税、补贴等政策对行业的影响,为企业战略调整提供依据。
◆研发创新与材料科学
新材料发现:通过分子模拟和材料性能预测,加速高效光伏材料、电池电解质或制氢催化剂的研发。
核能模拟:辅助核反应堆设计、聚变等离子体控制等复杂物理过程建模,降低实验成本。
氢能产业链优化:从制氢、储运到应用,优化技术路线(如电解水制氢、天然气重整)。
◆客户服务与能源普惠
智能客服:通过自然语言处理,解答用户用电问题,提供节能建议或故障处理指导。
个性化用能方案:根据家庭/企业的用能习惯,推荐最优电价套餐或储能配置。
能源普惠:在偏远地区,结合微电网和AI算法,优化离网能源系统,降低用电成本。