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

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、

临前所未有的挑战：系统规模的指数级增长、多学科交叉的深度融合、全生命周 期管理的极致要求，以及对安全性、可靠性和可持续性的严苛标准。这些挑战， 已然超出了传统方法和人类智力的极限。我们迫切需要一种新的力量，来驾驭这 份复杂，洞悉其规律，优化其进程。人工智能，无疑是这个时代最响亮的回答。 这便是我们探索工程智能（AI for Engineering）的第一个动因：工程学科的 发展，亟需人工智能的深度赋能。将 AI 的感知、认知、决策与生成能力，注入 于推动国家制造强国、科技强国战略目标的实现，具有不可替代的战略支撑作用。 1.2 工程智能的定义 科学与工程，两者在人类文明进程中相辅相成，却有着本质区别：科学以“认 识世界”为目标，致力于探索自然规律、构建理论体系，其方法论核心在于理论 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 3 推导与实验验证 动。 相应地，本文所指之“智能”特指人工智能技术。其核心能力体现在感知、 认知、决策、自适应等方面，具体通过机器学习、深度学习、自然语言处理、计 算机视觉等技术路径，使机器能够从海量数据中学习规律、识别模式、进行推理 判断，并最终以近似甚至超越人类的方式解决复杂问题。在工程语境下，区别于 传统的自动化技术，这种“智能”的价值尤其体现在它解决了传统自动化无法应 对的非确定性问题，是改进流程、优化决策和驱动创新的关键技术引擎。

态反演揭示演变规律； 根据电压暂降事件时、空特性和演变规律，系统掌握系统电压暂降等短时电压扰动特性。 总体技术路线 2 电能质量领域的应用：电压暂降反演 ③ 多重判据的电压暂 降 同源检测 ③ 特征融合的 DG 控 制 参数辨识 ③ 暂降幅值分区并行 迭 代评估 ③ 脱网时序估计的多 ① 电压暂降事件映射 规则挖掘 ①DG 控制参数对暂 降 的影响规律 ① 配网拓扑多阶段自 (708 时间 (s) 2.4 电能质量领域的应用： DG 时序脱网与多阶段电压暂降反演 有源配网暂降与 DG 脱网存在 时 序关联，结合 LVRT 特性研究时序特征和规律， 实现多阶段电压 暂 降等短时电压扰动反演。 Journal of Electrical Power&Energy Systems,2025,165:110486

结出一 般性的经验和规律。 2. 定量研究方法 对 587 家获奖案例企业的基本情况和相关应用进行数据分析，并找出数智化转型较为成功的企 业特点、技术应用、场景应用和数字化指标，研究结果较为客观。 3. 调研分析法 调研分析法是一种综合的研究手段。报告通过对数百家企业实地走访、调查，对收集到的数 据进行整理、分类，然后运用统计、比较等分析方法，挖掘数据背后的规律、趋势和问题，为决策提 企业规模作为衡量组织资源禀赋与运营能力的核心指标，其与数智化转型进程的关联性在 2025 年 呈现出新的动态特征。随着数智化浪潮袭来，不同规模企业的转型路径与效能差异愈发显著，既延续了过 往的基本规律，更涌现出“腰部崛起” “小微破局”等新趋势。 从销售收入总额来看，2018 年至 2025 年获奖企业主要集中在中大型企业。其中，销售额在 10 亿 -1000 亿元之间的大型企业占据主导地位 2018-2025 年获奖企业销售收入总额分布 除了销售收入总额外，员工数量也是衡量企业规模的重要指标之一。从 2018 年至 2025 年八年间的 数据来看，获奖企业的正式员工数量分布也呈现出一定的规律性。其中，分布在 100-5000 人区间的企业 数量最多，成为数智化转型的“主力军”。这一规模区间既能够组建专业化数字化团队，又保持决策链条精 简高效。其次是 5000-5 万人区间的企业，这

抗信息综合监测模型诊断绕组松散状态和形变故 障。如文献[65]提出了基于多状态量特征及变化规 律的高压电缆状态综合评价方法，建立了含局部放 电谱图、接地电流变化曲线、温升变化曲线的图谱 库，总结了不同缺陷下各状态量的特征及变化规律。 目前，高校团队一般是在实验室设计小尺寸模 型，制作若干人工缺陷进行试验分析，利用各类传 感器感知多维时空数据，提出该条件下多维信息融 图 9 智能传感器专用芯片示意图 Fig monitoring system based on PSIC 合方法，分析状态参量与缺陷类型、部件、严重程 度和发展趋势的关联关系。但是，输变电设备内部 数据获取方式有限，对缺陷发展过程中的时空演变 规律无法有效辨识。随着输变电设备的传感器物联 网大力建设，缺陷监测数据将逐渐丰富，多源时空 数据耦合的缺陷智能识别研究将迎来新一轮热潮。 3.3 高保真动态多维数字孪生的状态异常预警等 关键技术 bank[J]. IEEE Transactions on Power Delivery, 2020, 35(5): 2551-2553. [42] 周路遥，曹俊平，王少华，等. 基于多状态量特征及变化规律的高 压电缆状态综合评估[J]. 高电压技术，2019，45(12)：3954-3963. ZHOU Luyao, CAO Junping, WANG Shaohua, et al. Comprehensive

布鲁姆 认知目标 对话式 教学活动 GAI作用描述 “低阶” 认知目标 （记忆、理解、 应用） 获取 GAI定概念、述原理，作为数据分析工具。 提问 GAI根据提问解释特定事物和原理的规律，举相关例子 ②。 表达 GAI 依据情境生成分析性的文本资源，或作为迭代学生提示词的学习助手来 优化表达。 “高阶” 认知目标 （分析、评估、 创造） 讨论 GAI分析、推理特 GAI根据实践活动的标准评判内容和规则，引导与学生的对话，在实践中与 学生协同反复测试、迭代并进行个性化反馈。 合作 GAI基于特定事实（教学活动、项目中积累的过程性素材和反馈）归纳出一 般规律，或进行反事实推理，作为AI助理与学生合作，同时扮演合作同伴和 指导导师角色。 案例 2-1 清远市博爱学校利用 GAI 丰富思辨性阅读与表达活动 ④ 冯老师在六年级《两小儿辩日》教学中，创新应用星火大模型，打造思辨性 综合素质评价：智能化时代学习评价的变革与实施[J].中国电化教育,2020,(01):109-113+121. 13 第 2 章 对学生学习进行全场景数据采集、多空间数据融合、多模态数据精准分析、分析 结果可视化来揭示教学活动的规律与特征，推动教学评的关联时序走向一体化 ①②。 全周期教学数据采集。教学中广泛应用的智慧课堂系统、学习管理平台和在 线作业系统等，能够追踪学生课前的知识掌握情况、课堂上的行为表现，采集互 动