CHINA SOUTHERN POWER GRID 7 电力人工智能 (AI EPS) (AI Electric Power System) 是专业大模型， 能够满足物理规律、电力系统技术准则， 实现电力系统生产智能应用 理论与技术是构建新型电力系统的重大需求 新型电力系统需要人工智能 中国南方电网 CHINA SOUTHERN POWER GRID 8 新型电力系统新在哪里 中国南方电网 CHINA SOUTHERN POWER GRID 10 新型电力系统需要人工智能 以新能源为主体新型电力系统的理论 -- 电力电量平衡理论 新型电力系统将会遵循电学的基本理论和物理规律，这是不会变的。但是基于机电系统转动惯量 的稳定理论，受到系统转动惯量小，将不足够承担以新能源为主体的新型电力系统的稳定。 新型电力系统是基于电力电量的实时平衡的系统平衡理论，是“无限大”的功率、 人工智能是电网“无条件”接受新能源的技术基础。 ■ 人工智能是管理好新能源的技术基础。 ■ 研发符合电力系统基本物理规律、遵循电力系统技术原则、满足电力系统 应用需求的电力人工智能系统。 不完全依赖电网模型，在海量数据基础上，通过大数据和计算技术，透过 数据关系发现电力系统运行规律，实现电网的智能分析、智能决策、智能 管理、智能运行、“智能导航”。 人工智能推动电力创新发展： 人工智能技术使得海量新能源接入新型电力

全部唤醒；节能时段内，当检测到非节能态 AP 接入终端数到达唤醒阈值后将非节能态 AP 周边 AP 全部唤醒。 2.2 AI 节能预测技术介绍 2.2.1 节能窗口预测技术 一个合理的网络节能窗口首先网络需具备规律的潮汐效应。 轻载时段满足以下条件：  时间窗口内终端数量明显少于潮汐高峰期终端数量  时间窗口内终端数量波动较小（大部分场景在节能时段还是会存在少量终端设备，如办公用便 携机，非随身携带的移动终端，以及 华为技术有限公司 4  当网络潮汐规律发生明显变化时，在收集新潮汐规律下的多天数据后，节能窗口会自动调整以适应 最新的潮汐规律 如何推荐出合理的节能时间窗口，NCE-CampusInsight 可基于各 AP 上报的历史终端数据，生成时 间相关的网络潮汐序列，并通过校验潮汐序列平稳性，判断当前网络潮汐是否规律。若不规律，则不推 荐节能时间窗口；若规律，则进一步通过异常检测算法去除序列扰动，通过时序预测算法预测未来潮汐 序列，根据潮汐低谷可作为节能窗口的条件筛选出推荐的节能时间窗口。 注意事项： 1. 节能时间窗口推荐仅反映当前区域潮汐规律性，重保场景，VIP 场景请结合实际情况谨慎使用。 2. 当区域中终端数小于 10 个时，默认推荐全天节能。 3. 网络潮汐规律弱或无潮汐规律不推荐节能。 2.2.2 物联 AP 智能识别技术 由于物联 AP 通常需要 24 小时不间断为 IOT 终端提供

通过可视化手段，将坐标落在县 域内，用于快速定位偏移数据。 3 审核阶段质控—— 可视化校验 可视化校验 通过数据规律，利用可视化的方法，对数据进行横向校验。 直方图 可用于发现单位填写错误的异常 聚类分析 从数据离散性上发现异常 散点图 从数据的规律上发现异常 3 专题 退回数量 退回数量占比 畜禽 67601 条 98.89% 地膜 13728 条 36.39% 的手段，将数据制图，从图中发现潜 藏 的数据问题 通过新的规则和阈值范围，对各专业数据进行 补充校验 通过异常值检测算法，从统计学角度去发现异 常数据 竞争型神经网络与 GIS 相结合， 通过空间分 布 规律寻找异常数据 竞争型神经网络 +GIS 制图分析 补充校验 算法检测 4 系统异常值算法介绍 -3σ 原则 3σ 准则又称为拉依达准则，它是先假设一组检测数据只含有随机误差，对其进行计算处理得 则可能为异常数据。 将聚类点落在地图上， 并获取每个点位周围点 位的情况。 学习，聚类 缓冲区分 析 竞争性神经网 络 计算异常数据 竞争型神经网络与 GIS 相结 合 结合空间分布规律寻找异常。 4 投入字段 播种面积、单产、机械收获面积、人工收获面积 聚类 将字段在神经元内进行学习，聚类 缓冲区范围选定 1 千米 异常判定条件选定 缓冲区内，同类别点比例小于 40%

实现对物理 流域的实时监控、 发现问题、 优化 调度的新型基础设施。 一 定义定位—定义 预报 基本内涵是以流域为单元， 遵循客观规律， 在总结 分析典型历史事件和及时掌握现状的基础上， 根据业务 需求， 采用基于机理揭示和规律把握、 数理统计和数据 挖掘技术等数学模型方法， 对水安全要素发展趋势做出 不同预见期 ( 短期、 中期、 长期等 ) 重点在防洪、 供水、 工程安全、 泥沙分析等专业模型， 及动态可视化模型等方面进行突破。 一是研究流域自然规律， 对降雨 - 产流 - 汇流 - 演进全过程洪水形成演变规律， 河道泥沙演变趋 势及 江湖关系变化机理， 水库群及引调水工程泥沙冲淤规律， 以及大坝渗流及变形的发展规律等进行研究， 研发机理分析模型。努力打造通用的水利专业工程软件包， 用于流域防洪、供水调度、工程安全、泥 聚焦水利工程体系科学精细调度， 集成应用各类 知识， 推进预报调度一体化智能化、 实体工程与数字孪生工程同步交互调度。 二是探索构建知识平台， 利用知识图谱和机器学习等技术实现对水利对象 关联关系和水利规律等知识的抽取、 管理和组合应用， 为数字孪生水利提供智 能内核， 支撑正向智能推理和反向溯因分析， 主要包括水利知识和水利知识引 擎， 水利知识经知识引擎组织、 推理后形成支撑研判、

对 行业和产业的影响。同时，也强调了AI技术对保险行业的影响深远，将改变保险公司的运营 模式和服务效率和质量，为服务规模化提供重要的支持。未来，随着技术的不断发展，AI技 术将推动科技产业价值规律的变化，更加注重应用的创新与服务的提升。 • 保险公司在应用AI技术方面的优势和能力：保险公司可以通过分析自身优势并利用AI技术提 高运营效率，包括在产品设计、市场营销、核保及理赔等环节。AI应用研发框架的流式会话 ，因此，针对每一个问题的解释 回答，不仅要聚焦一个重要的因素，同时在一些必要阶段需要进行升维/抽象化，使得最终的问 题具有通用性。在这个例子中，最终可能会将问题抽象聚焦为：“看不清楚未来的趋势和规律” “缺乏明确的定位”“无法有效识别机会”等。 挖：洞见问题本质 在当前不确定的环境中，保险 企业在经营上面临的挑战之一 是消费者行为的不断变化，这 些变化都包括什么？ • 数字化互动增加：消费者 在大周期中，影响科技应用的社会因素也是不容忽视的，这里以“创新扩散理论”，说明技术创新 改变社会的规律。 除了将科技周期和文化适应度纳入考量，帮助企业更好地洞察保险行业的未来走向。三轮规模化 变革，则为企业提供了更为清晰的行业技术发展规模路径： 卡洛塔·佩雷斯（Carlota Perez）的研究总结了科技革命与金融系统的规律。 ►一系列技术革命组成的科技大周期呈现S型的扩散曲线，整体可以分为两个阶段：【导入期】

的总体目标，强调要适应科技信息化发展大势，以信 息化推进应急管理现代化，提高监测预警、监管执 法、指挥决策、救援实战、社会动员等应急管理能力。 大语言模型是具有大规模参数的深度学习模 型，通过对海量文本的训练习得语言的统计规律， 从而具有理解和生成自然语言的能力，实现人机之 间的有效通信。自2018年双向编码表示模型（bidirec⁃ tional encoder representations from transformer，BERT） 现[9-10]。优势在于从数据中学习的能力，善于处理复 杂的、模糊的问题。 1.1.2 主动学习 与传统结构化的知识获取方式相比，大模型采 用自监督学习方法，主动捕捉训练文本中更深层次 的特征和规律，而非在预设知识结构下的信息抽 取[11]，从而具有突破已有认知局限实现创新的潜能。 1.1.3 数值计算过程 模型通过优化其预测下一个单词（如 GPT）或填 充缺失单词（如 BERT）的能力，来调整多层神经网络 BERT）的能力，来调整多层神经网络 模型的内部大量神经元连接权重参数，实现对知识 的获取。这一参数调优过程在连续平滑数值空间进 行，与符号化表示的知识获取中的离散符号操作相 比，可以捕捉更为复杂和细致的规律，实现对过往 经验的超越。 1.1.4 知识分布式隐式表示 与符号化知识表示不同，模型获取的知识内嵌 于神经网络模型的海量参数中，无需对其进行显式 表示，这种分布式隐式表示能够处理符号化知识表 示无法处理的情况，例如，无法言明的复杂知识。

云端管理，削减企业自身能源工程人力成本  及时发觉问题故障，设备自动化管理  结合峰谷平电价及用能需求优化调度设备策略 大数据  建立能耗设备模型，设备预警、效率分析  数据挖掘，能耗小号规律及能效提升空间  通过能耗数据、经营数据等分析企业经营状态，为第三方金融提供服务 能源大数据云平台解决方案 智慧能源管理平台—解决之道 01 面向政府 以地方政府能源大数据的汇集、解读、 多维度全面监控能耗运行状况，详细分析能耗动态及 时把控、优化设备管理状态。  为管理者避免中间环节，直观了解企业在经营、生产 中实时产生的能耗数据。  发掘设备运营规律，为优化设备调度做准备 功能  发掘隐性的设备故障风险  洞悉能源消耗规律，结合生产生活规律进行能耗匹配及计量 精确支路能耗分析 功能  帮助用户实时掌握各个区域的建筑总能耗情况和变化趋势  利用峰平谷用电挖掘节能潜力  了解分项用能情况，为控制能耗指明方向 17 度，每天可节省 150 元； 能耗配置优化空间，配置最优参数，能耗效率最大化 本图为热水 WEB 端运行效果图 本图为热水微信端运行效果图  长期监测设备能耗情况和变化趋势  寻找用能规律，提供需求供应最佳配比 功能  设置支路能耗预警值，超过阀值进行报警并推送消息  可根据具体支路进行报警提示  事后填报事故原因和处理人，便于管理优化 设备及能耗预警 能耗排名对比子系统

基于短周期的大类资产和风格配置规律图 图 11 : 四象限下股债配置和风格 / 行业规律 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ，国信证券经济研究所绘 制 中周期：聚焦资产比价 中周期框架下的资产配置以均值回归为核心思想。均值回归认为，资产价格在长期会围绕其内在价值波动，即使短期内出现偏离，最 终也会回归到长期平均水平。这种规律在金融市场中普遍存在，是资产配置的重要依据 产配置的重要依据 中周期框架强调在中期维度（ 3-5 年）进行资产配置。与短期波动不同，中期维度的资产价格比价关系更稳定，均值回归规律也更为明 显。通过压缩观察窗口，投资者可以更好地捕捉资产价格的阶段性偏离，并据此调整配置策略 图 12: 中周期配置思路 请务必阅读正文之后的免责声明及其项下所有内容 资料来源： Wind ，国信证券经济研究所整 理 请务必阅读正文之后的免责声明及其项下所有内容 第三步 历史回溯，挖掘先验权重对未来的解 释程，以及与实际变化的差异 这一过程实质上是在探索“权重优化路 径”，以便为 AI 提供学习依据，指导其 在未来动态调整权重的规律 这一过程是 AI 的学习过程，让 AI 基于底稿中 的历史数据进行“静态学习” ，并挖掘先验 权重与实际变化之间的差异进行“动态纠偏” 这一过程是 AI 迭代学习成果的应用， 使 AI 基于当前（或预测）的周期和宏