广东中长期低碳转型路径研究 ——基于 EPS 模型 2025 年 9 月 报告摘要 关于绿色创新发展研究院（iGDP） 绿色创新发展研究院 (Institute for Global Decarbonization Progress, iGDP)，2014 年成立于北京，是专注绿色低碳发展的 公益性国际化智库。iGDP 自成立以来，根植我国绿色低碳实践，面向全球应对气候变化进程，服务决策者、实践者、投资者， 成果，不代表所在机构、咨询专家的立场和观点。 引用建议 李鑫迪，刘桢，廖翠萍，黄莹，谢鹏程，杨鹂，袁雅婷，宋曼娇，朱彤昕，奚溪，陈美安，胡敏 . (2025). 广东中长期低碳转型路径研究——基于 EPS 模型 . 北京：绿色创新发展研究院 联系方式 绿色创新发展研究院（iGDP）：igdpoffice@igdp.cn 目 录 执行摘要····························· ·············· 8 第二章 研究方法和情景设置 ·························································· 12 2.1 模型介绍 ·········································································· 12 2.2 数据来源 ········

，为了您和包图网以及原创作者的利益 ，请勿复制、传播、销售 ，否则将承担法律责任！包图网将对作品进行维权 ，按照传播下载次数进行十倍的索取 赔偿！ ibaotu.com www.qctc.com.cn 大模型技术在新型电力系统中的应用 • 成立于 2004 年，是一家长期专注于电力市场交易、电网智能调度、智能发售电和能源互联网 等应用领域研究咨询、算法研究、软件开发的高新技术企业。 感谢您下载包图网平台上提供的 PPT 作品 ，为了您和包图网以及原创作者的利益 ，请勿复制、传播、销售 ，否则将承担法律责任！包图网将对作品进行维权 ，按照传播下载次数进行十倍的索取 赔偿！ ibaotu.com 二、 大模型赋能新型电力系统的创新体系 一、 新型电力系统的时代背景与思考 三、 迈向整体智能 l “ 双碳” 目标驱动深刻变革： 全球能源转型加速，“双 碳” 战略的提出为我国能源发展指明了清洁低碳的核心方 ， 以 支持国家能源安全。 如何实现中国的“双碳” 目标？ 新型电力系统面临新能源不确定性、分布式资源协调难、数据处理融合不足、决策实时性要求高、安全韧性挑战大等“成长 烦恼”。而大模型凭借强大的数据处理与模式识别、 出色的上下文学习与推理、多模态融合潜力等能力 ，成为破局关键 ，助力解 决系统难题。 数据 “爆炸 ”与融合困境 ： 海量 、 多源 、 异构数 不确定性剧增

DOI：10.13334/j.0258-8013.pcsee.181058 文章编号：0258-8013 (2019) 23-6791-13 中图分类号：TM 73 园区型综合能源系统多时间尺度模型 预测优化调度 王成山 1，吕超贤 1，李鹏 1，李树泉 2，赵鲲鹏 2 (1．智能电网教育部重点实验室(天津大学)，天津市 南开区 300072； 2．国家电网公司客户服务中心，天津市 合理有 效的调度策略是实现这一目标的关键。该文针对一个实际园 区综合能源系统冬季运行优化调度问题进行研究。在对设备 进行详细建模基础上，建立包含滚动优化环节和动态调整环 节的两阶段多时间尺度模型预测控制调度策略：滚动优化阶 段以系统运行费用和机组启停罚金最小为目标，结合分时电 价并考虑多系统互补运行，通过多步滚动求解制定系统大时 间尺度调度计划；动态调整阶段以滚动优化阶段调控计划为 越性，有效降低运行成本，减少主机启停次数；动态调整阶 段的引入可快速响应可再生能源和系统负荷小时间尺度变 化，经济可靠地满足系统用能需求。 关键词：园区型综合能源系统；蓄热装置；启停罚金；模型 预测控制；多时间尺度；优化调度 0 引言 随着化石燃料的枯竭和全球环境污染问题的 日益突出，开发和利用可再生能源，提高终端能源 消费的效率、清洁化水平至关重要[1-3]。园区型综合

NPV 3,433,955 回收期 7.65 IRR 10.83% 阳光工匠论坛（bbs.21spv.com） 光伏 / 储能 / 能源 / 电力资料下载 QQ群：940 光储站收益模型测算表 3 4 5 6 7 98.11% 97.67% 97.23% 96.79% 96.36% 14,076,199 14,012,856 NPV 6,691,806 回收期 7.78 IRR 16.21% 阳光工匠论坛（bbs.21spv.com） 光伏 / 储能 / 能源 / 电力资料下载 QQ群：94 光储站收益模型测算表 3 4 5 6 7 14,076,199 14,012,856 13,949,798 13,887,024 -64,002,074 NPV 15,868,519 回收期 6.58 IRR 13.68% 阳光工匠论坛（bbs.21spv.com） 光伏 / 储能 / 能源 / 光储站收益模型测算表 2 3 4 5 98.55% 98.11% 97.67% 97.23% 13,933,059 13,870,360

增效” 传统的多系统烟囱式架构 • 重复建设：某钢厂过去几年建设 30+ 应用系统 • 重复数采：多个应用系统反复读取 OT 设备数据 …… 低代码 /零代码 逻辑数据湖 海量算法 /模型库 AI 使能 应用使能 数据使能 工业承载网络 智能物联操作系统 人工智能平台 云基础设施 计算 | 存储 | 网络 | 安全 公有云 混合云 AI 算力中心 统一架构 | 统一标准 F5G Wi-Fi 6 高炉 集卡 智能应用 控制网 园区网 监测网 联合行业客户定义 并实践技术架构 2 3 1 IoT • 统一的云计算和数字平台：数据统 一入湖，使能 AI 模型训练，逐步人 工智能替代人 • 工业承载网络：满足工业控制和场 景的高可靠低时延需求 • 智能物联操作系统：统一接入各种 装备，海量数据得以采集，并统一 格式 视频网 轧钢数字孪生 焦化配煤 天级 模型精度 可提升至 98% 模型泛化归一 碎片模型 单模型 场景开发工作流 生产智能化 智慧运营 安全生产防控 L0 ：基础引擎（ 1000 亿参数） L1 ：面向行业开发 L2 ：场景化单点算法开发 盘 古 大 模 型 钢铁企业提供场景和数据 应用企业负责开发 XX 提供平台支撑 场景 1 模型 1 定 制 场景 2 模型 2 专家 专家

江西低碳转型中长期展望 ——基于 EPS 模型构建“双碳”路径 2025 年 8 月 报告摘要 关于绿色创新发展研究院（iGDP） 绿色创新发展研究院 (Institute for Global Decarbonization Progress, iGDP)，2014 年成立于北京，是专注绿色低碳发展的 公益性国际化智库。iGDP 自成立以来，根植我国绿色低碳实践，面向全球应对气候变化进程，服务决策者、实践者、投资者， 可持续发展提供有力支撑，助力江西绿色高质量发展。 联系方式 绿色创新发展研究院（iGDP）：igdpoffice@igdp.cn 江西省科学院能源研究所： jxasnys@jxas.ac.cn 模型版本说明 本 报 告 所 呈 现 的 情 景 分 析 应 用 和 参 考 2024 年 11 月 版 本 的 江 西 EPS 模 型（https://eps.kapsarc.org/ home/jiangxi/en） ····················· 8 第二章 研究方法和情景设置 ···················································· 11 （一）模型介绍 ············································································ 11 （二）数据需求及来源 ····

+ 风控 大模型驱动金融风险决策新范式 同盾科技 / 董纪伟 1 金融风控与决策智能的演变 > 2 AI 重新定义风险决策智能新范式 > 3 起于 AI ，用于智能 : 学会与 AI 协作的风控 实践 > 4 挑战与突破 : 如何构建可信 AI 风控体系 > 5 总结与未来展望 金融风控与决策智能的演变 热挖掘、实时用”， 数据需要完成知识萃 取与实时应用才能更 好的产出价值 策略转变 从“被动防范”转向“主动防御” • 以机器学习、时序分析、 人工智能开展动态风险管理 的“模型对抗” 技术迭代 由“策略对抗”变为“模型对抗“ 数据应用 从“冷数冷用” 到“热数热用” • 高度依赖专家经验与历史 数 据分析的“策略对抗” 被 动 防 范 越有 用 数据 +AI 分析层次 AI 重 õ 定 O 风险决策智能 õ 范式 感知 能力 集成大模型的风险决策体系 提升感知和决策能力， 金融风险决策可以更主动、更实时 数据集成 特征单元 多元决策平台 风控大模型 决策 能力 大模型驱动的范式革新 风险 ß 化调优 风险态势感知 实时风险 çv 多模态数据集成 策略知识智库 预警归因分析

电力人工智能多模态大模型 创新技术与应用 1 、研究背景 2 、关键技术 3 、应用案例 4 、未来展望 目 录 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科 学；其在历史上经过多个发展时期，形成了不同的技术流派； 深度学习是目前主流。 1950s—1970s 1970s 中期 1980s-2000s 2010s-2018s 2018s- 现在 推理期 知识期 统计学习时期 集成方法时期 早期神经网络时期 大模型时期 人工智能领域迭代迅速、多种技术流派蓬勃发展，在多个领域已有广泛应用。 背景 1—— 人工智能的概念及发 展 依赖统计学和人工 设计特征构造算法； 代表算法： 支持向量机 (SVM) 基于海量数据与 大规模预训练； 代表算法： DeepSeek 系列 Qwen 系列 GPT 系列 通过模型组合提升 预测精度； 代表算法： 随机森林 梯度提升决策树 神经网络 ) 深度学习机器学习人工智 能 4/37 在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化 技术路径，三者协同推动人工智能向更高阶形态演进。 有监督数据 人工搜集、标注