
除了教育、通信、金融、医疗之外,能源行业也逐步凸显出对于大模型的拥抱。
据亿欧网统计,2024年前三季度,能源行业大模型公开招标项目超过80个,除了通用大模型企业阿里、百度、智谱参与之外,能源企业、工业IT服务商业对于行业大模型的研发与投入也同样积极。
随着全球能源结构向清洁能源转型,大模型正逐步成为能源行业的关键推动力。
大模型技术能够利用深度学习和先进的数据分析方法,实现高精度的发电预测、电网调度优化及电力市场交易支持。在电力领域,不仅改变了传统系统的运作方式,更为能源行业的智能化升级带来了全新的商业化机遇。
2024年6月,拾贝云发布能源大模型CyberwLLM;9月,羚羊工业迭代大模型2.0;10月14日,中国海油联合科大讯飞、中国电信正式发布“海能”人工智能模型;10月15日,国能日新“旷冥”大模型发布;2023年发布能源大模型的乐创能源也在今年进行了储能AI相关解决方案的更迭。

AI大模型的新能源场景应用
早在2022年,华为就公开展望了智能光伏发展十大趋势。预测到2027年,95%以上的光伏电站实现全面数字化,应用AI技术的比例将达到70%以上。
世界经济论坛总结,AI主要在两方面对新能源产业发展起到积极作用。一是提升设备发电效率。二是保障绿色电力平稳输送至电网。现在,AI大模型在新能源领域的应用场景,包括但不限于以下方面。
精准发电预测:通过分析天气预报、历史发电数据和实时条件,预测风能和太阳能等可再生能源的产生,更好平衡供需。
实现智能储能:优化可再生能源的存储和分配,考虑需求、供应、价格和电网条件,确定存储能量的最佳时间、释放能量的时机以及分配量。
光储解决方案:针对不同应用场景,通过集成核心技术,实现全场景光储零碳发电,提升电网稳定性和系统安全。
优化绿电交易:AI技术在电力现货价格预测、交易决策软件、交易策略服务等方面的应用,为发电、售电、用电企业提供决策支持。
开发运维增效:远程指挥自动化、智能化机器,节约开发建设和运维环节投入的资金、时间和人工成本,预测潜在故障,优化电网运行策略,提高电网的灵活性和韧性。
据分析,运用AI后,光伏发电站预测性维护效率可提升25%,故障率减少70%,运维成本降低了25%。

国能日新“旷冥”大模型
具备在新能源发电领域的高适应性,采用动态图神经网络、大气分层结构、时序注意力机制等前沿技术。
在风/光功率预测、极端天气预测和电力现货市场预测领域均有出色表现。
一方面能更精准地进行风、光的超短期、短期、中长期功率预测,引领新能源功率预测技术升级;
另一方面,对大风、台风、覆冰、沙尘等极端天气事件的命中率和精准率均有提升,还能结合电力市场特征,提供准确的气象资源预测、日前/实时电价预测、负荷预测等,为电力交易提供支持。

中国海油“海能”人工智能模型
依托讯飞星火大模型的底座能力,结合中国海油的数据资源、行业知识,以及中国电信的云计算和大数据支持。
覆盖专业和通用场景的11个场景模型,主要在提升海上油田的稳产增产、安全钻井等专业业务的数智化水平上赋能,同时在企业业务流程上推动提效,如智能会议、智能写作、智能翻译等通用应用赋能。

羚羊能源大模型
以讯飞星火大模型的通用能力为核心技术底座。具有能源内容生成、能源知识问答、能源理解计算、能源任务规划、能源多模态5大核心能力。
涵盖设备运检、电力问数、电力营销客服、辅助电力交易、新能源功率预测、安全生产等6大“大模型+能源”场景应用。
拾贝问道能源大模型
推出主体是中能拾贝(原广州健新科技),主要应用模块:包括巡检大模型、技术监督大模型、检修大模型、作业风险大模型、两票大模型等五大应用模块,为能源电力行业提供一站式的智能化解决方案。
更懂“行”,能深入理解电力行业业务场景,提供可溯源的智能问答服务;更有“数”,可通过自然语言交互自动生成查询并提供数据可视化;更“智”能,能快速响应业务变化,自动生成任务规划和执行方案。

结尾:
大模型的开发和应用通常经历七个关键阶段:数据收集与预处理、模型架构设计、预训练与调优、评估与测试、环境搭建与部署、日常监控与维护,以及反馈与优化。
这一过程对数据质量、算法精度和计算资源提出了极为苛刻的要求,需要大量的资金和领先的技术作支撑。
未来,随着新能源大模型技术的不断迭代与进步,智能电网、虚拟电厂等新兴产业将进一步发展,推动电力系统更加灵活高效,实现真正的源荷互动和实时动态调节。
通过这些技术与产业的协同发展,大模型将在全球清洁能源转型中发挥至关重要的作用。
内容来源于:大力财经:新能源头部企业,正疯狂卷向大模型;亿欧网:新能源大模型:2024遍地开花;证券日报:国能日新发布“旷冥”新能源大模型;海报新闻:海报储能 | AI “铸就”零碳:国能日新「旷冥」新能源大模型正式发布;经济精选:拾贝问道能源大模型:开启能源智能化的新纪元
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。