《科創板日報》6月12日訊（記者 陳俊清 李煜） 在SNEC PV&ES 第十八屆(2025)國際太陽能光伏和智慧能源&儲能及電池技術與裝備(上海)大會暨展覽會上，“如何破解分布式能源難題”成為相關論壇中的熱議話題。

國家能源局發布數據顯示，截至2024年底，全國風電、太陽能發電裝機合計超過14億千瓦，總裝機容量33.5億千瓦，新能源裝機規模已歷史性超越煤電，全社會用電為98521億千瓦時。

但在新能源快速發展的同時，其固有的間歇性、波動性、隨機性特征帶來系統性挑戰，電網實時平衡難度持續增加、新能源消納壓力增大等，成為能源行業亟需解決的問題。

“AI與能源融合”受業內關注

面對上述難題，加快虛擬電網完整體系的建設，促進虛擬電網與AI融合來獲得穩定、可靠的電力網絡成為主要解決路徑之一。

在SNEC PV&ES國際光伏&儲能兩會期間舉行的相關論壇上，天合光能虛擬電廠與數字能源負責人廖宇表達了對虛擬電廠的不同理解：“虛擬電廠是能源行業的愛彼迎、電力的滴滴平臺，聚合分布式電源+可調節負荷&儲能+電動車V2G，最大化地滿足各種用戶的定制化需求并獲取電碳市場多重收益，同時盤活存量資產，吸引新增投資，成為電網友好、快速靈活的新型主體。”

在廖宇看來，新能源全量參與市場化的交易面臨的問題是分布式新能源因項目分散、運行波動性強，難以精準預測與統一調度，缺乏規模化優勢，參與現貨市場定價能力弱。同時，電力交易制度復雜，對數據分析與技術支撐要求高，用戶還需承擔電價波動和棄電等市場風險。

清華大學長三角研究院國際人工智能中心主任研究員張挺持有相同觀點，他從技術的角度分析了新能源的四個本質問題：一是隨機波動與間歇性，靠天吃飯；二是抗擾能力差，對電網波動過敏；三是穩定支撐能力差；四是海量不可調控，傳統安全運行體系的災難。

對于解決上述問題，廖宇認為，虛擬電廠具備一定核心優勢，“虛擬電廠通過聚合分布式資源，實現規模化參與市場交易，提升新能源定價權同時具備調節能力與智能輔助決策功能，降低預測偏差與交易門檻，拓展交易品種，提升收益與風險應對能力。”

促進AI在新能源領域的應用成為行業的重要議題。清華大學長三角研究院國際人工智能中心主任研究員張挺認為，AI系統綜合考慮氣象、源網荷儲特性、各類能源屬性和特征，市場主體博弈等因素，通過功率曲線交易形成市場化電價信號，建立局域氣象，物理電網和電力金融市場融合的AI模型，賦能為基礎單位智算中心調度優化，獲得穩定，可靠和經濟合益的電力。

“工業A大模型電網運行數據、監測數據、負荷預測數據豐富。大模型依賴數據訓練，數據越多，模型越強，性能越好。此外，大模型在通用領域已有強大推理和規劃能力，將其遷移至電網場景，可快速實現智能決策、風險預警與調度優化。”張挺如是說。

此外，天合光能虛擬電廠與數字能源負責人廖宇認為，虛擬電廠是唯一可以拓展衍生品種的商業模式。在他看來，虛擬電廠業務本質是對于供需的預測、管理與調節能力，未來3-5年，虛擬電廠將參與電力現貨市場、調頻等更多輔助服務、清潔能源消納、需量管理以及能源托管綜合服務等。

數智化技術加速產業轉型升級

“在‘雙碳’目標和數智化轉型的推動下，能源行業正加速向綠色、高效、智能的方向邁進，同時促進電力、算力等基礎設施的協同融合。數智化技術將進一步加快能源產業轉型升級過程，實現能源全價值鏈的智能化變革。”中國信息通信研究院云計算與大數據研究所副所長栗蔚在主題演講中表示。

對于能源產業轉型升級，栗蔚認為主要包括兩個路徑：一是在能源企業數智化轉型過程中，要充分依托數智化技術能力。同時，不應只關注技術能力提升，數智化轉型是企業的全方位、深層次的變革過程，應提升企業管理水平，賦能能源產業高質量發展。

二是數智技術融合創新是能源行業數智化發展的重要引擎。當前，如何將全過程生產管理要素與數字技術相融合，解決信息孤島是企業關注的重點。“能源企業的數字基礎設施一體化云平臺能夠有效整合資源，基于云網邊端智的新型分布式計算基礎設施，對能源行業新型數字基礎設施進行高效管理、統一調度，助力能源行業數智化轉型新業態發展。”

栗蔚認為，算力互聯網雙向賦能電力互聯網，構建雙網協同發展是新能源行業未來的發展趨勢。“電力互聯網是將互聯網技術應用于電力領域，通過信息技術與能源技術的深度融合，實現電力的高效生產、傳輸、存儲和使用。”

天合光能虛擬電廠與數字能源負責人廖宇亦表達了先進算法與算力對虛擬電廠運行的重要性。“虛擬電廠的運行需要先進的信息與通信技術軟件平臺聚合虛擬電廠里大量的能源資源。該軟件平臺依靠先進的預測算法，制定優化的調度計劃，可實現包括采集數據，如：電廠運行情況、氣象數據、市場價格信號、電網情況。此外，還需要智能電表、遠程控制和自動化系統等對應的硬件設備。”

京東方能源科技股份有限公司產品研發中心總經理張海勇在演講中表示，AI在零碳綜合能源的應用場景已滲透到風力與光伏發電預測、高效節能系統、智能微電網系統、智能巡檢系統等環節。“利用時序結構的AI算法，如LSTM、GRU、CNN等，能夠進行精準的能碳預測，包括發電端風光功率預測、負荷預測和電碳市場價格預測。”