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

科学研究促进人工智能创新。传统科研 范式大致可分为经验归纳（实验科学）、理 论建模（理论科学）、计算模拟（计算科学） 以及数据密集型科学 2。实验科学由自然现 象和实验结果归纳出一般性规律，但没有抽 象出经验规律背后的普适理论。理论科学基 于自然现象或实验结果，提炼科学问题并形 成科学假设，然后运用逻辑推理和数学分析， 构建普适理论，但难以在复杂系统中实验验 证。计算科学以科学模型为基础，通过数值 的增长，出现了数据密集型科学的研究范式。 这一范式利用机器学习方法，自动从数据中 发现统计关联，一定程度上避免了提出科学 假设，但无法发现因果关系，且难以分析低 质量数据和发现复杂系统中的规律。当前的 科学研究主要面临系统复杂性的挑战，相互 关联的自然、技术和人类系统受到跨时间和 空间尺度作用力的影响，导致复杂的相互作 用和涌现行为 1。传统科学研究方法难以应 对这些复杂性挑战，迫切需要新的科学研究 验知识的模型驱动、假设生成与验证、自动 与智能化实验以及跨学科合作等方式，加速 科学发现。传统科学发现以实验观察和理论 建模为核心，提出科学假设并归纳一般规律， 如物理定律。人工智能则采用模型驱动的方 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等