人工智能在电力需求侧仿真与预测中的若千应用 景锐 ( 副教授 ) 厦门大学能源学院 目录 1 在仿真中应用 2 在预测中应用 2 3 背景意义 全球变暖， 2024 年为有记录以来全球最热年，为舒适与健康不得不消耗大量能源 ! 《电力系统调节能力 优化专项行动实施方 案 (2025-2027 年 ) 》 目标：在需求侧建设相当于 5% √ 全国所有城市 个厦门城市微气候： √ 1km/1h 温、光、风、湿、 水 √ 全国所有城市 14 目录 1 在仿真中应用 2 在预测中应用 15 门控循环单元 GRU 为 LSTM 的 简化 变体，将遗忘门与输入门合并为更 新门，将输出门替换为重置门，可 对前序信息进行记忆或遗忘，兼顾 负荷序列时序性与非线性，进一步 hi Transformer 由多个编码器 和 解码器组成，核心在于多头自 注意力机制，捕捉输入序列中 每个元素与其他元素的相关性 Transformer 负荷预测的深度学习方法 CNN 在 BP 网络基 础上将隐含层替换 为卷积层与池化层， 减少网络需要优化 的参数 CNN 人 t 是 LSTM 保留 RNN

.21 2.2.2 事件响应联动机制......................................................................23 2.3 交通预测分析......................................................................................25 2.3.1 数据收集与处理 数据收集与处理.........................................................................27 2.3.2 交通模式预测模型......................................................................29 3. 自动驾驶技术.................... 75 5.1 共享汽车/单车的智能调度..................................................................77 5.1.1 用户需求预测.............................................................................79 5.1.2 资源优化配置......

的 调研， 全面了解其在新材料研发 、生产 、应用等各个环 节的 数据需求 。从材料研发过程中的实验数据采集与分析 需求 ， 到生产过程中的工艺优化和质量控制数据需求， 再 到市场应 用中的需求预测和产品反馈数据需求， 进行细致 梳理 。以这 些实际需求为出发点 ，精准确定数据空间的功 能模块和建设 内容 ，确保数据空间能够切实解决新材料产业发展中的实 际 问题， 为用户提供具有高度针对性和实用性的数据服 节点上进行并行计算，大大缩短了数据分析时 间。Spark 则 基于内存计算， 具有更高的处理速度和更灵 活的编程模型 ， 能够支持实时数据分析 、交互式查询和机 器学习算法的快速 迭代。在进行新材料性能预测模型训练 时，Spark 能够将训 练数据存储在内存中， 实现快速的数 据读取和计算， 加速模 型训练过程 。同时， Spark 还提供 了丰富的机器学习库 （MLlib） 和图计算库 （GraphX）， 、转换和集成处理后的数据， 开展深入的数 据 分析和挖掘工作， 为新材料研发和产业应用提供全面 、 精准 的支持 。利用机器学习 、深度学习等人工智能算法， 构建高 性能的新材料性能预测模型 、工艺优化模型 、市场 需求预测 模型等， 实现数据驱动的创新 。同时， 开发各类 丰富多样的 应用服务， 如数据查询 、报表生成 、可视化展 示 、智能推荐 等， 方便用户便捷地获取和利用数据， 为用 户提供良好的使

生态资源保护 华为、神华集 团、大同煤矿、 山西焦煤、蒙 草集团 航空 航天 研发周期长 产品种类多、 规模小 产业链特别长 数据源不统一 模型适配性不足 故障预测水平有 待提升 研发设计由串行异构 到并行协同转变 生产制造由以数映物 到数物融合转变 生产管理由单点对接 到动态调整转变 运维服务由定期维护 到视情维护转变 基于 MBD 设备产品多样 化 生产过程离散 化 供应链复杂 资源调配效率低 下 机械设备运维困 难 金融生态不完善 设备维护按需化 备件管理精益化 产融结合在线化 解决方案服务化 设备预测性维护 备品备件管理 智慧施工 互联网金融 卡特彼勒、小 松、日立、徐 工 集团、三一重 工、中联重科 家电 技术更新速度 快 产品研发周期 短 产品同质化程 设备维护成本高 并网协调效率低 弃风漏风较严重 数据采集由底层互联 向全面感知转变 设备维护由人工调试 向智能运维转变 风场管理由单场单管 向虚拟集成转变 虚拟风场设计 设备预测维护 智慧风场管理 精准柔性供电 金风科技、远 景能源、昆仑 数据、明阳智 能、华能集团 四、白皮书主要内容 本白皮书重点介绍了钢铁、石化、煤炭、航空航天、船 舶、汽

策略的实盘收益回撤比提升至 3.8:1，同时将监管审计通过率提 高至 92%以上。 本方案特别强调工程落地性，所有技术组件均经过纽约证券交 易所真实交易环境验证。例如，采用的动态特征选择算法可在保持 预测精度的前提下，将算力需求降低 60%，使中等规模基金也能以 合理成本部署 AI 系统。下文将具体阐述该方案的技术实现路径与 关键性能指标，为机构投资者提供即插即用的升级方案。 1.1 研究背景与意义 性能维度：年化收益波动率比传统策略降低 40%以上  稳定维度：在极端市场条件下最大回撤控制在 8%以内  透明维度：满足 MiFID II 等法规对算法交易的事前报备要求 通过融合联邦学习框架与市场机理模型，我们提出将预测准确 率提升至 82%的同时，使特征重要性可解释度达到 Level 3（基于 FINRA 的 XAI 评级标准）。这种方案已在原油期货市场的实证测试 中展现优势，在 2023 年 1-6 月期间实现了夏普比率 用深度学习（如 LSTM 预测价格波动）和强化学习（如动态仓位优化）技术，头部 对冲基金如文艺复兴科技（Renaissance Technologies）和 Two Sigma 的 AI 模型贡献了超过 70%的交易收益。 当前技术发展呈现三个显著特征：  多模态数据融合：传统量价数据与另类数据（卫星图像、社交 媒体情感、供应链物流数据）的结合使模型预测精度提升 20%-35%。例如，美国对冲基金

新能源 电力电子设备 系统规模巨大 安全机理复杂 能为新 海量数据分析 系统发 新能源功率支撑 支持 优化决策时效要求高 海量新能源接入电力系统 新能源的个体容量小、数量多、预测难度大 新能源和电力电子、储能的关系密切 , , 新型电力系统需要人工智能 中国南方电网 CHINA SOUTHERN POWER GRID 展提供 人工智 型电力 9 可以“无条件”接受新能源 新能源接入、虚拟电厂、柔性电网 口数字孪生：透明电网运行数字数据关键技术 口发电预测 口负荷预测与辨识 口电网状态数字数据 透明电网运行 电力系统优化目标 控制 信息 电力系统智能计算及自动导航 控制 信息 电力智能调度 ( 人工智能 + 大数据 ) 负荷预测等 控制 信息 全景控制 全景信息 口结合国家“双碳”目标、新型电力系统建设以及能源数字化转型需求，电力行业正积极探索大模型 技术在发电、输电、配电、用电等全环节的深度融合。 口 我国电力大模型研发已从理论探索进入规模化应用初期，在设备巡检、新能源预测等领域成效显著 , 但仍需突破数据共享、实时计算、安全可信等技术瓶颈。未来随着政策支持和跨领域合作深化，电 力大模型有望成为新型电力系统的“智能中枢” , 助力实现“双碳”目标与能源革命。

相关研究 《千方科技(002373)：千方科技：携手 首开鸿城，完善停车业务布局》 2015-11-20 买入（首次） [Table_EPS] 盈利预测与估值 2023A 2024A 2025E 2026E 2027E 营业总收入（百万元） 7,794 7,249 7,829 8,471 9,183 同比（%） 11.28 宇视合作伙伴大会上再度发布了大模型「梧桐 2025」，推动 AIoT 智能 体生态建设，加速大模型技术全场景产业化落地。此外公司加强布局充 电桩和储能产品，搭建远程智慧运维中枢等解决方案。 ◼ 盈 利预测 与投资评 级： 我们预计公司 2025-2027 年收入分别为 78.29/84.71/91.83 亿元，同比增长 8%、8%、8%，归母净利润分别为 3.40/4.96/6.80 亿元，同比增长 ......................................................................................... 12 4. 盈利预测与估值 ...............................................................................................

备件采购 E3S-V E3S-P 客户交付 成品车入库、销售与运输同步 2 车辆与车身、发动机同步 W- 焊装 A- 总装 接收经销商订单 送交计划 订单预测 3 生产与零部件供应同步 (JIT,JIS) 发动机 发动机 发动机 铸造 机加 装配 经销商收车 东风雷诺： 5 大平台有效支撑 5 大核心业务循环，奠定业务同步、业务财务一体贯通基 数据仓库 门户网站 车联网 文件服务器 OA 计划中心 ( 订单排 程 ) MES 系统 报表与看板 主数据管理 实体建模 集成接口 执行协同 基础建模 • 销售部门提供销售预测，经生产进行生 产任务分配到各条生产线，确定生产计 划后， MES 进行排产， 同时 SAP 跟 据排 产的订单经 MRP 自动分解零部件 采购计 划 • MES 根据生产线过点实际反馈给 整车库存 采购订单 采购收货 质检 同步拉动 XX ：汽车和发动机总体业务概览 预测 / 订单 MPS 生产任务分配 销售到收款 采购到付款 ERP MES MES ERP ERP TIS ERP 经销商 整车装配线 整车存放场 准时配送供应商 销售公司 发动机工厂

规则与推理系统 ( 如 专家系统 ), 强解 释性但泛化 能力 弱。 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 新型电网：人工智能赋能后，通过实时调度优化、智能维护和精确能源管理，可大幅提升电网的运行效 率、稳定性与可持续性。 新型电网 发电智能调度 & 输电网络优化损 耗 低 配电灵活管控 & 变电精准检修 响应快 用户负荷预测 & 用电科学管理体 验 佳 加 二 多项针对人工智能的专项政策出台 国家发展和改革委员会 National Development and Reform commission 工 高效模型部署 云边一体高效协作 硬件算子优化 统一数据网关 文 本 训 练 模 态 训练 纯 文 本 数 据 多 模 态 数 据 Transformer 架 构 白回归预测 高效率压缩 统一端：解码架构 统一预训练框架 电力通用任务 布 式 并 行 训练 提 供电 力多模 态 基 础 模 型 模型并行 流水线并行 支持分布式并行训练 后训练：能力增强与偏好对齐

破口。AI使韧性从“后置恢复”转向“前瞻洞察与 自适应优化”。数据中心从传统“静态可靠性工 程”跃迁为“动态自适应系统”。AI不仅将数据中 心从业者从繁琐重复的运维工作中解放出来，更通 过洞察、预测、决策与执行的智能化闭环，使“恢 复即本能”成为韧性数据中心的内生特征。 展望未来，AI Native的韧性数据中心将是一种全 新的“数字生命体”——具备感知、分析、判 断、行动与进化的能力，能够在复杂的数字环境中 （DRJ）指出，韧性建设需通过冗余设计、实时 监控与自动化恢复机制，实现从故障预测到业务恢 复的闭环管理。 我们认为，数据中心“故障即常态”。 数据中心由海量硬件（服务器、存储设备、网络交 换机等）、复杂软件（操作系统、数据库、中间件 等）及动态外部环境（电力供应、网络攻击、突发 流量等）交织而成，组件间的强耦合关系、环境变 量的不可预测性，使得单一故障可通过“蝴蝶效 应”引发连锁反应。美国软件工程研究所的研究数 体 集 群 协 作 的 群 体 智 能 模 式 ， 实 现 数 据 中 心 的 Agentic AI运维，具体体现为“隐患自优化、变更自 校验、故障自闭环”： ·隐患自优化：运用实时感知与预测分析技术，对 数据中心运行状态进行全域监测。一旦识别潜在隐 患，系统将自动触发隔离与修复机制，实现隐患的 全生命周期管理； ·变更自校验：通过事前仿真推演、事后验证评估 及紧急回滚预案的一体化自动流程，构建可信赖的