朗新科技：智塑新生-AI驱动新能源产业智能化转型

微信扫码，打开到小程序

全联新能源商会新能源AI专业委员会 朗新科技集团股份有限公司 2026年3月 AI驱动新能源产业智能化转型 目 录 CONTENTS 第一部分：洞察⸺新能源数智转型的特殊性与破局框架 结语 第二部分：锻造⸺能源AI技术基座：四大核心能力解构 �.� 转型深水区：破解系统“不确定性”，AI与新能源行业深度耦合 �.� 双轴驱动：业务智能升维与基座兼容赋能的协同演进 �.� 多源多模态数据接入与处理：智能基座的感官与消化系统 �.� 知识能力：智能基座的行业大脑 �.� 模型能力：智能基座的核心智囊 �.� 智能体能力：智能基座的手脚与协作网络 �.� 行业实践示例：以朗新九功AI能源大模型为例 01 02 04 04 05 05 06 第三部分：践行⸺AI重塑新能源核心场景 �.� 新能源资产智能：从“被动设备”到“主动收益单元” �.� 新能源规划智能：从经验判断到数据驱动的投资决策 �.� 新能源调度智能：从集中命令到分布式协同 �.� 新能源市场智能：从经验交易到认知计算 �.� 新能源用户智能：从充电服务到能源生态 11 13 15 17 19 第四部分：新能源企业智能化转型的进阶路径 �.� 三阶段进阶模型 �.� 典型市场主体的差异化路径 �.� 朗新科技在转型中的角色 22 23 24 第五部分：面向未来的挑战与协同建议 �.� 趋势展望 �.� 主要挑战 �.� 协同建议 25 26 27 序言 摘要 能源是人类社会发展的基石，也是应对气候变化的关键领域。在“双碳” 目标引领下，中国新能源产业正经历一场深刻变革：风电、光伏装机规模跃 居世界首位，新型储能、电动汽车、虚拟电厂等新业态蓬勃发展，电力市场 化改革全面深化。这场变革以新能源发展为核心驱动力，正在重塑从发电、 输配、交易到消费的全产业链条。 然而，变革伴随挑战。高比例新能源并网带来的波动性、海量分布式资 源的协同难题、复杂市场环境下的决策困境，正驱动产业寻求新的技术路 径。当人工智能与新能源深度融合，其价值在于对产业逻辑的深刻优化与 系统整合。人工智能，尤其是近年兴起的大模型技术，为破解这些难题提供 了新的可能。但实践表明，通用大模型难以直接满足新能源行业对确定性、 安全性和专业性的严苛要求，行业需要的是深度融合电力机理、市场规则 与运行经验的垂直领域大模型。 基于此，全联新能源商会新能源AI专业委员会联合朗新科技集团股份 有限公司，共同开展“AI+新能源”专题研究并编制本白皮书。报告立足新能 源产业发展实际，通过剖析国内外前沿实践，系统阐述行业大模型如何赋 能新能源资产运营、规划投资、系统调度、市场交易与用户服务，为企业智 能化转型提供可操作的路径指引。我们期待这份报告能为政策制定者、产 业同仁和学术研究者提供有价值的参考，助力产业高质量发展。 特别感谢上海交通大学安泰经管学院博士后、清华苏州环境创新研究 院天工智库中心特聘研究员陈钰什博士为本白皮书提供的专业指导！ 序 言 全联新能源商会新能源AI专业委员会 朗新科技集团股份有限公司 ����年�月 全球能源体系正经历向绿色、低碳、智能化的深刻转型。中国作为全球最大的新 能源市场，在“双碳”目标和电力市场化改革双重驱动下，新能源系统的复杂性空前 提高：高比例新能源并网带来波动性，海量分布式资源挑战集中调度，电力现货市场 价格博弈加剧不确定性。传统基于经验的管理模式已难以适应，人工智能成为破解 困局的关键工具。 然而，企业在应用通用大模型时发现，通用能力需要与行业知识深度融合才能 发挥更大价值。这推动了行业大模型的探索与实践⸺它以通用大模型为基础底座， 深度融入电力机理、运行规程、市场规则，并通过大小模型协同架构，在保障精确执 行的同时发挥通用模型的泛化优势。朗新科技自主研发的朗新九功AI能源大模型（ 以下简称“朗新九功”）是这一理念的典型实践，聚焦新能源领域核心场景。 本白皮书提出“纵向业务升维”与“横向基座赋能”的双轴驱动产业数智化转型 模型： 纵向维度：核心业务的智能升维，驱动新能源规划、调度、交易、服务等关键业务 从经验范式向数据驱动、智能决策跃迁。 横向维度：技术基座的兼容与赋能，构建集多模态数据处理、行业知识、模型与 智能体能力于一体的共享基座，为所有纵向业务提供标准化、模块化的智能支持。 二者协同构成“飞轮效应”，纵向业务牵引基座迭代，横向基座加速业务创新。共 同驱动产业智能化转型。 以此框架为核心，系统阐述了五大核心业务场景的智能化实践与成效： 资产智能：针对新能源电站出力波动、储能物理约束与市场策略复杂、充电场站 利用率低等挑战，通过人工智能驱动的功率预测、健康诊断与收益优化，将“被动设 备”转变为“主动收益单元”，AI正成为资产智能的核心引擎。 规划智能：针对充电场站、储能电站投资决策依赖经验、风险难以量化的问题， 构建多情景动态仿真推演体系，整合交通、电价、政策等多元数据，通过小时级优化 算法和敏感性分析，为投资者提供“决策地图”。 SUMMARY 摘 要 调度智能：针对海量分布式资源协同难题，以虚拟电厂为核心载体，构建云边协 同多智能体调度体系，聚合光储充及其他可调节负荷资源，成功参与电网需求响应； 在零碳园区实现光储充智能微网，能源自给率显著提升。 市场智能：针对电力现货交易复杂博弈、风险难控的问题，打造电力交易智能体， 实现电价预测、策略生成、风险量化、自动执行全链路智能化。日前电价预测准确率 超90%。邦惠电品牌为中小用户提供交易服务，合同履约率100%。 用户智能：针对充电服务体验同质化、用户潜在价值未充分释放的行业痛点，依 托新电途聚合充电平台，构建用户画像与智能推荐、负荷智能引导、车网互动（V2G）、 生态协同连接四大核心能力。截至目前，平台已覆盖 440 余座城市，接入超 290 万个 充电设备，服务超 3000 万注册新能源车主；V2G 试点项目中，参与车主已实现额外 收益增收，平台同步向全行业开放 MCP 充电站信息查询服务，助力行业数据互通共 享。 基于以上实践，本白皮书提出新能源企业智能化转型的三阶段进阶模型⸺资产 数字化、单点智能、协同智能，并针对发电企业、售电企业、工商业用能主体等市场主 体，制定了差异化的进阶路径。我们强调，行业大模型的价值不在于替代原有系统， 而在于成为“中枢神经系统”，整合小模型的精确能力、行业专家的隐性知识、业务场 景的真实需求，形成人机协同的新型智能体系。 展望未来，AI与新能源的融合将走向更深层次的“双向赋能”与生态化协同，呈现 能力产品化、角色平台化、市场生态化三大趋势，并催生“算电协同” “车网互动”等产 业新范式。然而，技术规模化落地仍面临数据壁垒、模型可靠性、复合人才短缺、行业 标准缺失等挑战。本白皮书呼吁产学研用各方协同努力，共建标准、共享能力、共育 人才、创新机制，以AI之力塑新能源新生，携手迈向更清洁、高效、智能的能源未来。 能源是人类社会发展的基石，也是应对气候变化的关键领域。在“双碳”目标引 领下，中国能源产业正经历一场前所未有的深刻变革：新能源装机规模持续快速增 长。����年我国风电、太阳能发电装机容量分别达到�.�亿千瓦和��亿千瓦，新能源 发电量占比超过��%，是能源供应体系的核心支柱之一。 与此同时，电力市场化改革向纵深推进。����年，国家发展改革委、国家能源局 联合发布《关于深化新能源上网电价市场化改革促进新能源高质量发展的通知》，明 确风电、光伏等新能源上网电量全面进入电力市场。同时，电力现货市场建设提速， 全国已有山西、广东、山东、甘肃、蒙西、湖北、浙江�个省级现货市场及省间电力现货 市场转入正式运行；陕西、安徽、辽宁、河北南网、黑龙江、江苏等省级现货市场已开 启连续结算试运行；另有十余个省份开展长周期结算试运行，多元主体同台竞价成 为常态，进一步加剧了新能源产业的市场博弈复杂度。 随着新能源渗透率提升，电力系统运行机理发生根本性改变。传统“源随荷动” 的模式难以为继，取而代之的是“源网荷储协同互动”。这一新形态具有三大特征：高 比例波动性电源、海量分布式资源、多时间尺度耦合，直接将新能源产业的核心矛盾 聚焦于“三重不确定性”，即物理侧不确定性（新能源出力预测偏差）、市场侧不确定 性（电价波动）和政策侧不确定性（规则高频迭代），传统管理模式已难以应对这一系 统性挑战。 面对这一核心矛盾，以大模型为代表的新一代人工智能技术，凭借其强泛化能 力与多模态融合能力，为破解上述痛点提供了新的可能。在政策层面，我国已将人工 智能上升为国家战略：����年�月，国务院发布《关于深入实施“人工智能+”行动的 意见》，明确了推动人工智能与能源行业深度融合的思路目标，提出了加快能源应用 场景赋能的具体要求，为能源行业抢抓人工智能发展重大机遇提供了战略指引。 01 第一部分： 洞察 — 新能源数智转型的特殊性与破局框架 1.1 转型深水区：破解系统“不确定性”，AI与新能源行业深度耦合 02 我们提出并构建“纵向业务升维”与“横向基座赋能”双轴驱动框架，二者协同演 进，共同构成新能源产业智能化转型的核心逻辑。 纵向核心业务智能升维 本维度聚焦能源价值链上的关键业务链条。AI的核心价值在于对业务内核进行 根本性重塑，驱动其从依赖历史经验与静态规则的范式，向数据驱动、实时感知、智 能决策、自主优化的范式跃迁。其目标是在规划科学性、调度协同性、交易经济性、服 务精准性上实现质的突破，帮助企业在垂直领域难以复制的深度智能竞争力。 横向技术基座兼容与赋能 本维度指支撑所有纵向业务实现智能升维所需的共享技术能力基座。其核心使 命是打破壁垒、融合资源、标准化能力。它并非某一具体业务系统，而是一个能够向 下兼容接入各类异构设备、多元系统、多源数据，向上以标准化、模块化方式提供智 1.2 双轴驱动：业务智能升维与基座兼容赋能的协同演进 然而，现阶段的人工智能方法在复杂电力系统任务中的应用，与新能源行业的 核心需求之间仍存在一定的适配空间。一方面，传统小规模深度学习模型在特定场 景下表现优异，能够实现精准计算，但其样本依赖性使其在应对多样化任务时存在 泛化瓶颈。另一方面，通用大模型具备强大的语义理解和泛化能力，然而要将通用能 力转化为行业专属智能，还需要融入新能源行业的机理知识和运行规则进行深度调 适，其概率化输出与电力系统对确定性、安全性的严苛要求存在一定差距。 上述两种技术路线在独立应用中展现出各自的优势，同时也存在互补空间：传 统小模型擅长精准计算，但业务覆盖范围相对聚焦；通用大模型知识广博，但直接应 用于电力场景时，需进一步融入行业规则进行调适。基于此，探索“底座+专业模型” 的融合路径，发挥协同优势，成为推动行业智能化升级的有效方向。 基于这一思路，我们提出一种融合创新的技术路径⸺以通用大模型为基础底 座，结合专业化小模型的精确计算能力，融入新能源行业专属数据与知识，形成"底 座+专业模型+场景应用"的复合型智能架构。这一路径不是对现有技术的替代，而 是对各方优势的系统整合：一方面推动新能源产业链核心业务的智能化升级，另一 方面构建能够支撑这一进程的、具备兼容与赋能能力的下一代智能基座，二者协同 构成新能源产业数智化转型的核心路径。 能能力的赋能层。它的存在避免了“烟囱式”重复建设，加速了纵向业务创新，也是促 成跨主体生态化协同的技术前提。 协同演进驱动产业智能化转型 纵向业务与横向基座并非孤立存在，而是构成了一个相互驱动、不断增强的“飞 轮效应”。纵向业务是牵引与验证场：不断深化和演进的业务场景，为横向基座提出明 确、前沿的能力需求，并通过真实世界的应用反馈，持续验证和驱动基座技术的迭代 与实用化。横向基座是加速器与连接器：强大、灵活、开放的基座能力，为纵向业务提 供“即取即用”的智能组件与无缝的生态连接能力，帮助企业快速响应市场变化、大幅 降低智能应用的研发与集成成本，更轻松地融入广泛的产业价值网络。 在这一框架下，产业参与者的角色内涵正在发生深刻演变。领先企业不仅需要成 为纵向业务领域的深度专家，利用AI重塑自身核心业务逻辑；更需要扮演横向赋能体 系的构建者与贡献者，其成功越来越取决于能否打造和运营一个开放、稳健、智能的 技术基座，以此赋能更广阔的产业生态。未来的产业领袖，将是那些能够以横向基座 能力滋养生态创新，并以丰富的纵向业务实践反哺基座演进的“双轮驱动”型组织。 03 为使AI具备理解新能源这一复杂专业领域的能力，必须将行业专家的经验、物 04 第二部分： 锻造 — 能源AI技术基座：四大核心能力解构 2.1 多源多模态数据接入与处理：智能基座的感官与消化系统 2.2 知识能力：智能基座的行业大脑 一个有效的横向AI技术基座，是新能源产业智能化的“神经中枢”。其核心 价值在于将分散的数据与知识，转化为标准化、可复用、可协同的智能模块。我 们将其核心能力解构为以下四个相互支撑的层面： 这是实现一切智能的基础。新能源领域数据来源极端异构，如同人体依赖感官 捕捉外界信息、消化系统将其转化为能量，智能基座必须具备对海量异质数据的 强大接入与处理能力。这些数据涵盖时序运行的功率数据，如风电、光伏出力、 负荷曲线等；空间分布的地理信息，如场站位置、充电网络布局、电网拓扑等； 文本形态的政策报告，如市场规则、补贴政策、调度规程等；图像视频的巡检影 像，如设备状态、故障识别、现场监控等。此外，这些数据协议繁多，例如 Modbus、IEC���、MQTT、OPC UA等，质量也参差不齐，存在数据缺失、噪声 干扰、采样频率不一致等问题。 基座必须实现泛在接入、融合治理、实时处理，通过兼容各类物联网协议与行 业规约，对多源数据进行清洗、对齐与质量校验，构建跨域统一的新能源数据资 产，为上层智能提供一致、可信、高效的数据燃料。 需要说明的是，这里将“多源异构”与“多模态”进行了区分：多源异构强调 数据来源与协议的统一接入，属于数据工程与数据中台范畴；多模态则指文本、 图像、视频、语音等不同媒体形态的融合建模。二者共同构成智能基座的数据基 础⸺前者解决“数据能否被看见”的问题，后者解决“能否被理解”的问题。 2.3 模型能力：智能基座的核心智囊 2.4 智能体能力：智能基座的手脚与协作网络 05 模型能力是产生预测、优化、决策建议的源头，侧重数据驱动的预测/决策模 型及其全生命周期管理。基座需要提供一套覆盖新能源核心场景需求的、高性能、 可解释的AI模型工具箱，并支持其从训练、评估、部署到持续迭代的一体化平台， 将模型以标准化API服务的形式发布，供业务系统灵活调用。 模型能力与知识能力的协同贯穿全流程，比如训练阶段，知识图谱通过知识 增强预训练，提升模型收敛效率与泛化能力；推理阶段，模型输出需通过知识能 力进行合规性校验，或引入物理机理约束，比如将潮流方程作为神经网络的损失 函数项，确保结果符合行业规则与物理规律。 理定律、市场规则、安全标准等隐性知识显性化、结构化。这体现在构建覆盖发电 设备、输配网络、电力市场、政策法规等实体的新能源领域知识图谱，并将行业运 行规程、安全防护规则编码为可计算的形式，与数据驱动模型深度融合，形成“知 识引导的AI”，确保智能决策的合规性、安全性与物理可行性。 知识能力的核心价值在于，它让AI不仅“知其然”更“知其所以然”。例如， 在电力交易场景中，仅靠历史价格数据训练出的模型可能在某些市场规则下生成违 规报价；而知识能力将各省现货市场的报价规则、限价规定、结算机制编码为结构 化知识，使交易智能体生成的策略自动避开违规区间。在设备故障诊断中，知识图 谱将设备型号、历史故障案例、维修经验关联起来，帮助AI从“识别异常”升级为 “诊断病因”。 知识能力与模型能力并非孤立存在，而是深度融合、相互赋能。知识能力侧重 可复用、可解释的领域知识与规则，模型能力侧重数据驱动的预测/决策模型。在 实际架构中，二者通过知识增强模型、检索增强生成（RAG）、规则嵌入训练等方 式实现融合。例如，“朗新九功”的电力知识大模型本身既是知识的载体，也是可 调用的模型；RAG机制在模型推理时动态检索相关知识，确保输出符合最新规则。 2.5 行业实践示例：以“朗新九功”为例 06 当前，新能源行业的智能化探索已形成多元并进的发展格局。国家电网发布“ 光明电力大模型”，推动电力知识理解与逻辑推理能力的专业化提升；南方电网构 建“大瓦特”模型体系，建成��个L�业务域大模型及超����个L�场景模型，在新 能源消纳、电力交易等��个业务领域形成典型示范；国家能源集团推出全球首个千 亿级发电行业大模型⸺“擎源”，涵盖��个业务领域、��个应用场景，部署百余 智能体（Agent）是执行智能决策、实现自主控制与协同的关键载体。如果说 知识能力是“大脑”，模型能力是“智囊”，那么智能体能力就是“手脚”，负责 将决策转化为行动，并实现多主体间的协同。 基座的智能体能力包括两个层面： 第一层：单智能体的核心能力。单个智能体应具备感知环境以调用数据接入能 力、规划任务以拆解复杂指令、决策判断以调用模型能力、执行动作以调用工具或 系统接口、记忆反思以记录历史并优化策略的完整闭环。例如，“新电途”充电助 手能够理解用户“找附近便宜又快的充电桩”的自然语言指令，自动规划包含充电 方案、行程路线、休息点的完整方案，并协调充电桩预约、支付等操作⸺这正是 单智能体能力的体现。 第二层：多智能体的协同机制。在虚拟电厂、需求响应、微网调度等复杂场景 中，需大量代表分布式光伏、储能、电动汽车、可调负荷等不同资源的智能体自主 协同。基座需设计适用于新能源场景的多智能体通信、协商与协同机制，如合同网 协议、市场竞价机制、分层控制架构等，使分散的智能体能够完成广域需求响应、 虚拟电厂聚合等复杂任务，实现从智能决策到安全可靠执行的闭环。 在架构实现上，需要厘清“模型”与“智能体”的层级关系：L�层（行业大模 型层）提供可被智能体调用的模型与工具，如时序预测模型、电力知识大模型、工 具调用大模型、问数大模型等；L�层（场景智能体层）才是具体的智能体实例，它 根据业务需求组合调用L�层的能力，形成面向特定任务的智能单元。这一分层设计 既保证了能力的复用性，也使得智能体的构建更加灵活高效。 个智能体，将AI深度融入发电核心业务。这些实践表明，行业大模型已从单点探索 走向体系化构建阶段。从技术架构上看，领先实践普遍呈现“基础基座+行业增强 +场景智能体”的分层趋势，这与前述四大核心能力的划分形成呼应。 在大型能源国央企积极入局的同时，一批深耕行业的科技企业也在探索差异化 的技术路线。朗新科技集团作为电力能源领域领先的科技企业，其自主研发的“ 朗新九功”，正是这一探索的典型代表。 2.5.1 “朗新九功”概述与核心理念 “朗新九功”是朗新科技面向新能源领域自主研发的行业大模型。从功能定位 来看，该模型具备九大核心功能模块：负荷预测、发电预测、能源调度、电力交 易、安全预警、绿色消纳、设备管理、低碳路径规划及用户服务。其设计核心理 念是“大小模型