重磅发布|南方电网联合阿里云发布《数字电网调度领域新技术成熟度报告》(2022年)

简介: 重磅发布|南方电网联合阿里云发布《数字电网调度领域新技术成熟度报告》(2022年)


导语

2月17日,《数字电网调度领域新技术成熟度报告》(2022年)正式发布,该报告由南方电网电力调度控制中心、中国电机工程学会电力系统自动化专委会主办,并与阿里云研究院共同主编。


报告首次提出数字电网调度领域新技术成熟度模型,并对19项新技术的发展现状、业务价值和成熟度进行科学的评价。



首次提出

数字电网调度领域新技术成熟度模型

该模型是定性和定量相结合的结构化评价方法,包括三个维度,分别是新技术在电网调度领域的热度、新技术在电网调度领域的发展水平、新技术在电网调度领域被主流企业采纳所需的时间,并细化出技术关注度、投资优先级、行业应用水平、产品代际、供应商水平、成熟所需时间六个评价指标,以量化的结果,对新技术在电网调度领域的发展和应用情况进行评价。





数字电网调度领域新技术发展与应用分析

调度领域新技术正从“云”向“云+AI”融合发展,一方面云平台、云桌面、云超算、云原生等云技术在电力调度领域应用相对成熟,支撑电力业务稳定高效运行 ;另一方面,知识图谱、强化学习等技术正处在发展的顶峰,为电力业务创新发展注入活力;大模型、联邦学习等处于萌芽期,未来将会吸引大量的资源投入。

图:电网调度领域新技术成熟度曲线


(1)云计算在电力行业的应用已逐渐走向成熟


云计算已成为新型电力系统建设中应对“双高”“双峰”难题的坚实技术底座,越来越多大型电力企业实施“上云用云”行动。目前为止,国家电网、南方电网已经建成了行业领先的云平台。2021年8月,国内电力行业首个云超算平台—南方电网调度云超算平台正式上线,在国内电力行业具有示范引领作用。

在基础设施云化的过程中,技术层面也呈现两个显著特征:

一是电力业务、人工智能技术与云平台深度融合。报告分析认为,云平台已经成为电力企业数字化的基础支撑平台,能满足新型电力系统对于高弹性、高灵活性、高可靠性的要求,可以链接更广泛的资源,沉淀更多元的数据,集成更丰富的人工智能技术,充分将“数据+算力+算法”的赋能作用融入到电力系统生产管理、调度决策的各个环节,提升电网大范围电力资源的共享互济和优化配置能力,从而进一步夯实电力调度数字化基础能力,显著提升电力系统智能化水平。

二是云原生将成为应用云化开发的主流方式,帮助电力企业在电力市场化趋势中保持竞争优势。报告分析认为,云原生作为面向云应用设计的一种技术方法,能充分发挥云效能,将重构电力调度业务相关系统的研发部署运维方式,帮助电力企业构建弹性可靠、松耦合、易管理、可观测的应用体系,显著提高电力市场化改革背景下电网调度业务创新能力和应用快速交付能力。
(2)人工智能算法模型将成为调度AI应用的基础设施


报告分析指出,人工智能算法模型应用被认为对全面提升电力系统运行效率和提高电网安全保障水平具有重要促进作用,显著增强电网的智能化、智慧化水平,并能为电网发展带来长期效益。


诚如南方电网公司高级技术专家梁寿愚在报告发布会上提到:“未来,新技术在调度领域的应用将爆炸性增长,预测类、图谱类、强化学习类、综合类新技术将成为调度AI应用的基础设施,并且这些新技术的研发和应用的模式将由传统的“作坊式”的方式,转变为以工业化流水线的方式,生产出更多的电网AI应用,提升电网调度的智能化、智慧化水平。”


同时,他也提到:“预训练大模型也是调度AI基础设施,大模型在调度领域目前处于萌芽期,未来应用前景十分广阔,是电力企业研发应用和投资的重点;通过基于海量电力调度业务语料,打造适用于调度的预训练模型,将能适配更多的细分场景。”


(2)联邦学习、可信计算正在快速崛起,未来将成为电力数据安全共享应用的关键技术

电力安全关系国计民生,是国家安全的重要保障,电力数据安全尤为重要。联邦学习、可信计算等作为新兴的隐私计算技术,已被引入到电力领域,成为跨主体间数据交互和分析应用的重要技术。我国电网各级调度控制中心正在启动相应技术的大规模部署应用,为电力控制系统进行有效的主动防御,目前南方电网正牵头制定相关行业标准。


电网调度领域新技术的相对收益和被主流采纳都需要时间的验证。在选取的19项新技术中,超过70%的技术将在2-5年内走向成熟并被主流电网企业所采纳,超过85%的新技术被认为对电网调度业务产生高水平及以上的影响,表明未来几年新技术将在电网调度领域释放更大价值。


图:电网调度领域新技术优先矩阵应用报告完整解读欢迎点击阅读原文获取主办单位南方电网电力调度控制中心中国电机工程学会电力系统自动化专委会主编单位南方电网电力调度控制中心CDAI创新工作室中国电机工程学会“互联网+”电力系统自动化学科组阿里云研究院

相关文章
|
人工智能 运维 自然语言处理
电力+AI,「国网云智」重构电网运维的"超级大脑"
在深夜,当城市楼宇渐入梦乡时,在国网信通公司云运营中心还有一批运维工程师默默守护着大家微弱的灯光、此起彼伏的沟通声、咔咔的键盘敲击声响彻着每个工位。 当某系统的异常警报亮起时,工程师迅速利用「国网云智」定位问题,屏幕上即刻弹出详尽的排查方案及解决方案;而另一侧的监控员框选闪烁的告警区域,系统已自动锁定故障点,并在生成检修方案上标注了对应的工具清单和操作优先级。
1451 0
|
7月前
|
人工智能 监控 API
Claude Code终于有仪表盘了:3条命令装个HUD,上下文用了多少一眼就知道
老金我最近用Claude Code,遇到一个特别烦的事。 写着写着,突然蹦出来一句"context window is getting full"。 然后AI就开始犯傻了——回答变短、逻辑变乱、之前说好的方案全忘了。 每次遇到这种情况,老金我都想骂人。 问题出在哪? Claude Code的终端界面,压根看不到上下文用了多少。 你只能输入 /context手动查,但谁写代码的时候
13087 9
|
8月前
|
存储 人工智能 边缘计算
阿里云完成对ZStack进一步战略投资并实现控股
近日, 阿里云宣布完成对ZStack(云轴科技)的进一步战略投资,实现控股。双方将通过“飞天+ZStack”全栈生态,打造标准化和普惠化的云边一体整体解决方案,使得跨平台的云计算服务像安装标准软件一样简单易用,企业无论是调用远程云端大规模算力,还是在本地部署小规模算力集群,都能获得完全一致的体验 。 ZStack成立于2015年,专注于云计算基础软件,主要帮助企业构建和管理混合云以及面向AI时代的智算中心,是国家级专精特新重点“小巨人”企业。
1034 1
|
8月前
|
人工智能 JavaScript 安全
Clawdbot 对接飞书详细教程 手把手搭建你的专属 AI 助手
本教程手把手教你将 Moltbot(原 Clawdbot)部署在 Linux 服务器,并对接飞书打造专属 AI 助手:涵盖环境准备、Node.js/NVM 安装、Moltbot 快速安装(支持 Qwen 模型)、Web 管理面板配置及飞书应用创建、权限设置与事件回调对接,全程图文指引,安全可靠。
5288 4
Clawdbot 对接飞书详细教程 手把手搭建你的专属 AI 助手
|
12月前
|
算法 大数据 调度
【复现】【充换电站】考虑用户充电负荷-最优分时电价互动的光储充换电站优化模型研究(Matlab代码实现)
【复现】【充换电站】考虑用户充电负荷-最优分时电价互动的光储充换电站优化模型研究(Matlab代码实现)
362 0
|
数据采集 人工智能 运维
广东电网的步步为营,从计量云到电力运维的AI指挥官
2024年8月26日广东电网计量自动化系统3.0单轨运行,在新型电力系统建设蓝图上写下浓墨重彩的一笔。 至今,这个存储容量达10PB、数据入库400万条每秒,覆盖5000万广东电力用户的“计量大脑”,创下全国规模之最。在这一过程中,广东电网携手阿里云等核心合作伙伴,突破了一个又一个技术难点,也实现了电力计量从“人工经验驱动”向“数据智能决策”的跨越式发展。
712 11
|
机器学习/深度学习 数据可视化 机器人
比扩散策略更高效的生成模型:流匹配的理论基础与Pytorch代码实现
扩散模型和流匹配是生成高分辨率数据(如图像和机器人轨迹)的先进技术。扩散模型通过逐步去噪生成数据,其代表应用Stable Diffusion已扩展至机器人学领域形成“扩散策略”。流匹配作为更通用的方法,通过学习时间依赖的速度场将噪声转化为目标分布,适用于图像生成和机器人轨迹生成,且通常以较少资源实现更快生成。 本文深入解析流匹配在图像生成中的应用,核心思想是将图像视为随机变量的实现,并通过速度场将源分布转换为目标分布。文中提供了一维模型训练实例,展示了如何用神经网络学习速度场,以及使用最大均值差异(MMD)改进训练效果。与扩散模型相比,流匹配结构简单,资源需求低,适合多模态分布生成。
1609 17
比扩散策略更高效的生成模型:流匹配的理论基础与Pytorch代码实现
|
机器学习/深度学习 人工智能 算法
人机融合智能 | 以人为中心人工智能新理念
本文探讨了“以人为中心的人工智能”(HCAI)理念,强调将人的需求、价值和能力置于AI设计与开发的核心。HCAI旨在确保AI技术服务于人类,增强而非取代人类能力,避免潜在危害。文章分析了AI的双刃剑效应及其社会挑战,并提出了HCAI的设计目标与实施路径,涵盖技术、用户和伦理三大维度。通过系统化方法,HCAI可推动AI的安全与可持续发展,为国内外相关研究提供重要参考。
1181 3
|
机器学习/深度学习 数据可视化 数据挖掘
基于Copula分布的合成数据采样:保持多维数据依赖结构的高效建模方法
本文深入探讨了Copula的基础理论、运作机制及其在数据科学领域的应用。Copula作为一种数学框架,能够将随机变量间的依赖关系与其边际分布分离,特别适用于处理非线性依赖关系或异质分布变量。文章通过年龄与收入的关系分析,展示了Copula在多元分析中的独特优势,并介绍了高斯Copula的具体应用实例。此外,还详细讲解了Copula在合成数据生成中的应用,验证了合成数据在训练机器学习模型时的有效性。
779 18
|
固态存储
计算机硬件更换硬件
【7月更文挑战第27天】
1244 6