- 秒 时 空 对 齐 模型训练“数据足” ① 实时数据： 千万级 数 据 蒸 馏 关键技术 4 源荷预测与模型融合 系 统动 态 平 衡 关键技术 1 基础数据与状态感知 能量气象数 据 集 关键技术 3 系统分析与智能推演 数字平衡智 能 体 中国南方电网 CHINA SOUTHERN POWER GRID 32 ■ 底层： 通过对功率、电压、频率等节点参数形成“测点” 口电力人工智能 AI EPS 系统是一个根据基本物理规律、遵循电力系统技术原 则、符合电力系统应用需求，聚合物理、电气、气象、地理、社会、经济 等多维知识系统。 电压，电流，功率，拓扑… 中国南方电网 CHINA SOUTHERN POWER GRID 气象信息知识 物理电气规律 社会经济 地理信息 数值天气预报 文本信息 经纬度 37 精确性 AI EPS 对电力系统 的调控满足精确性要求 难点 ■ 电网数据规模大，维度多，单一维度难 以精确描述电网全貌，融合转换是实现 数据驱动的基础 异构数据高维表征 电力系统高维向量表征 ( 数字传感系统 ) 电气量 电气节 气象观 测值 点属性 测值 地理 节点位 图结构 位置 置编码 编码 覆盖百亿级电力常用的电气量，天气，地理和经济社会数据 社会面信息表征 时间断面信息表征

1200PB  农业自然资源数据 3500PB  农业市场数据 800PB （数据来源： ZDNET 《数据中心 2013 ：硬件重构与软件定义》年度技术报 告） 3. 农业进入大数据时代 气象数据 生物信息数据 资源环境数据 生长监测数据 农业统计数据 全球气候观测系统（ Global Climate Observing System ） 2012 年每天新增 超过 250GB 250GB ，政府间 气候变化专门委员会 （ IPCC ）第四次评 估报告中采用了超过 了 29,000 个观测资料 序列，第五次报告中 使用的数据量达到了 2.3PB 。 （ 1 ）气象数据 4. 农业大数据的类型 1984 年，由 NIH 创办的基因数据库（ GenBank ）； 截止 2011 年 4 月，在传统数据存储区，共有 1.35 亿条 序 列 记 录 ， 包 含 1265 Windows mobile 版本 安卓版本 2. 移动采集技术 3. 基于大数据的 CAMES 模型应用  中国农产品监测预警模型（ CAMES ）整体模型框架已经形成  气象数据（ 1960 年以来的全国 2000 多个站点的气象数据）  经济分县统计数据（ 1980 年以来 2862 多个县区 190 个指标数据）  实时监测数据 ( 农信采采集的 106 种日度农产品价格 )  国家统计数据（

主工 9 热控 10 暖通 11 化学 12 水工工艺 13 环保 14 勘测 15 水文气象 16 远动 17 通信 18 继电保护 19 技经 1.4 主要结论、问题和建议 1.4.1 主要结论 日照充足，昼夜温 差较大。全县年平均日照时数达 2861.7h，太阳总辐射量 5199MJ/㎡，全县光照条件 优 越，属全省高值区。 3.2 代表气象站 本项目选 xx 气象站作为代表气象站。 表 3.2-1 气象站主要气象要素 项目 单位 数量 多年平均气温 ℃ 8.8 多年极高温度 ℃ 43.3 多年极低气温 ℃ -34.4 最大冻土深度 征。其 中，5 月份日照时数最多，为 240h 左右，12 月日照时数最少，为 170h 左右；1999～ 2008 年 10 年间的平均值为 2562.12h。 表 3.2-2 xx 气象站的日照统计资料 月份 1 2 3 4 5 6 7 8 9 10 11 12 年合计 1999 203.7 217.3 179

上，统筹风、光、核、水等多种供能设施以及储能等调节性资 源，达成动态平衡以保障系统安全稳定运行，从而促进清洁能 源的大规模消纳。数字化技术将聚合多时间、多空间、多类型 数据信息，利用机器学习等人工智能技术，实现精准气象预测 和功率预测，并结合储能策略，平抑波动性。 资源整合与调度： 高比例新能源接入电网和负荷端用能设施的多样化，对电网供 需平衡能力提出极大考验。仅靠硬件设施的扩容将带来高昂的 资金投入与 诊断、调度、交易等业务场景；同时，电力AI大模型可基于自 身的学习能力，在应用中自主优化迭代，持续提升预测精度和 泛化能力，促进电力系统智能化水平快速跃升。 在功率预测方面，AI大模型基于设备历史运行工况、气象条 件、地形地貌、节假日和社会经济活动等多种数据，完成对发 电设施未来输出功率的推演以及对电力负荷的高精度预测，帮 助电网平衡供需和规划能源储备与调度。 在生产运营环节，AI大模型基于其感知、记忆、计划和工具来 标，风机、光伏、储能、升压站的运行规程，检修规程，交易 规程，以及场站的运行绩效、作业工单和交易记录等以知识图 谱的形式内化，为故障检修提供指导。 在交易环节， AI大模型可以通过机器学习算法分析历史电力 交易数据、气象数据、发电站输出以及需求趋势等，预测未来 的电力价格。这种精准的预测能力帮助发电企业制定更有效的 交易策略，减少价格波动带来的不确定性。在自动化电力交易 场景，通过实时监控电力市场和预测需求，AI系统可以自主决

上，统筹风、光、核、水等多种供能设施以及储能等调节性资 源，达成动态平衡以保障系统安全稳定运行，从而促进清洁能 源的大规模消纳。数字化技术将聚合多时间、多空间、多类型 数据信息，利用机器学习等人工智能技术，实现精准气象预测 和功率预测，并结合储能策略，平抑波动性。 资源整合与调度： 高比例新能源接入电网和负荷端用能设施的多样化，对电网供 需平衡能力提出极大考验。仅靠硬件设施的扩容将带来高昂的 资金投入与 诊断、调度、交易等业务场景；同时，电力AI大模型可基于自 身的学习能力，在应用中自主优化迭代，持续提升预测精度和 泛化能力，促进电力系统智能化水平快速跃升。 在功率预测方面，AI大模型基于设备历史运行工况、气象条 件、地形地貌、节假日和社会经济活动等多种数据，完成对发 电设施未来输出功率的推演以及对电力负荷的高精度预测，帮 助电网平衡供需和规划能源储备与调度。 在生产运营环节，AI大模型基于其感知、记忆、计划和工具来 标，风机、光伏、储能、升压站的运行规程，检修规程，交易 规程，以及场站的运行绩效、作业工单和交易记录等以知识图 谱的形式内化，为故障检修提供指导。 在交易环节， AI大模型可以通过机器学习算法分析历史电力 交易数据、气象数据、发电站输出以及需求趋势等，预测未来 的电力价格。这种精准的预测能力帮助发电企业制定更有效的 交易策略，减少价格波动带来的不确定性。在自动化电力交易 场景，通过实时监控电力市场和预测需求，AI系统可以自主决

阿里的通义千问系列大模型同样支持医疗、法律等多个垂直领域。华为的盘古大模型系列为自然科学领域 提供智能辅助，例如与中国科学院上海药物研究所联合推出药物分子大模型，旨在实现针对小分子药物的 全流程人工智能辅助设计；面向气象分析预测领域，盘古气象大模型综合考虑多种因素，提供准确的天气 67 第三章 信息与电子工程前沿 全球工程前沿 Engineering Fronts 预报。在教育行业方面，知乎的知海图 AI、网易有道的子曰、昆仑万维的天工、好未来的 应用环境，在 20 世纪开发出了系列化、型谱化的温差型同位素电源产品，例如：美国用于空间探测的 “SNAP”“HWM-RTG”“GPHS-RTG”“MMRTG”钚 –238 温差电源，俄罗斯用于远海与极地气象监测 和导航的“Penguin”“Beta-M”“Senostav”锶 –90 温差电源，以及英国用于航海灯标的“RIPPLE”锶 –90 温差电源，功率覆盖瓦级至百瓦级，效率由 2% 提升至 6 天 – 地”一体化的多源洪旱灾害监测与数据同化：单一观测技术与模型在洪旱灾害监测、 模拟和预测上存在较大的不确定性。联合“空 – 天 – 地”多源数据构建水文气象要素立体观测方法体系， 获取多尺度水文气象融合数据；发展适配多模态水文气象数据的数据同化方法，通过同化水文或陆面模型 实现洪旱灾害高精度模拟和预测。 2）变化环境下流域极端洪旱事件的识别与演变机制：针对变化环境下降雨特征迁移与下垫面要素更

为了实现高精度可信功率预测，本案例从数值天气预报修正 - 气象输入模型的输入质量、融合 机器学习和深度学习模型保证高准确率，创造性地将可解释机器学习应用于预测可解释性和偏 差可解释性实现可信可解释性预测，将自学习能力用于功率预测保障长期可靠的高准确率。 目前该系统已经落地于浙江嘉兴，浙江嘉兴是光伏和风电重点发展地区，钱塘江畔气象条 高精度可信新能源功率 预测系统解决方案 件较为复杂，新能源功率预测难度较高。2022 5%，风电场功率预测考核合格率提升 31.5%。 零碳创新点 1. 数值天气预报修正。结合场站实测气象数据与数值天气预报数据进行场站点和区域和数 值天气预报修正，保证高质量的天气预报输入。 2. 高精度功率预测算法。采用达摩院自研的高精度功率预测算法，解决风电 / 光伏功率预 测中气象提前或滞后、出力波动性强等问题。 3.预测及偏差可解释性。进行预测结果分析和偏差归因分析，增强数据沉淀与结果解释能力。

中国新型储能行业发展白皮书 能更依赖融合型AI。Ga�ner报告也指出，融合型AI是中国企业最务实的选择。 融合型AI跨越多个领域，结合多种技术平台，为储能行业提供有力支持。它能够实现多源数据融 合，整合实时监控数据、气象数据、用户用电数据等，挖掘潜在关联性，优化储能调度策略。在多任 务协同方面，融合型AI通过多任务学习，同时优化实时能量调度、设备管理、电池寿命预测、负荷平 衡等多个任务，提升系统整体性能。在深度 能化设备管理、多模态数据处理、高 效能源调度及个性化服务等解决方案。其主要具备以下四种能力：其一，AI实时监控电池状态和环境 变化，优化充放电策略，延长寿命并降低维护成本。同时，整合电池、电网、气象等多模态数据，优 化充电策略，适应多变环境，提供精准预测；其二，AI分析电网状况与负荷波动，动态调整充放电策 略，减少能源浪费，预判需求变化以应对高峰。其三，AI根据客户用电习惯与电价波动，定制储能策 s、IEC 61850等工业协议，兼容不同厂商 设备。终端设备配备高精度传感器和嵌入式AI芯片，实现本地异常检测与故障预警，提升响应速度。 2.数据治理与知识沉淀层：通过构建数据湖整合电池运行、气象、电网调度等多源数据，利用规 则引擎清洗噪声数据，并通过半监督学习降低标注成本。特征工程提取电池退化关键指标，构建电池 健康状态特征向量，同时结合行业知识图谱支持语义查询与分析。数据安全方面，采用联邦学习保护

赖外部电网，系统可自主构建稳定高压微网，从零到有、秒级恢复供电， 保障钢铁高负荷产线零中断、零损失。 - 26 - ⚫ 源网荷储一体化平台为构网型储能提供“可观、可测、可调、可控”的运 行框架。基于气象与出力预测优化充放策略，将本地绿电消纳率从不足 70%提升至 95%以上，年增发绿电效益超千万元。 项目每年可提升绿电消纳 16800 万千瓦时的显性收益；稳频降冲击带来减 少停产与设备损耗

影 响，2024年的融资规模尚未恢复到2021、2022年的水平，因此不宜过于乐观。 总体而言，量子科技作为未来产业之一，在国防军工、生物医药、化工材料、 金融服务、能源电力、人工智能、通信、气象、地质等众多领域中展现出巨大的应 用前景，未来也将继续吸引更多资金注入。同时，由于量子计算、安全、传感领域 技术成熟度的不同，未来融资行为仍将保持以量子计算为主。 03 第一章 2024产业发展概览 国耀量子雷达专注于近红外至中红外光量子雷达的研发、制造 与销售，是一家量子精密测量领域技术应用前沿的高新技术企 业。 公司致力于为大气环境颗粒物污染排放监测、大气气象变化监 测、“双碳”计量、城市智慧交通出行、航空气象变化监测、 应急森林防火、工业园区安全等多个领域提供创新解决方案。 2024年，公司的大气多参数光量子雷达系统可实现立体空间 内的大气风场、气溶胶、云雾等网格化分布监测，可满足