随着全球能源转型步伐的加快，构建安全、高效、清洁、低碳的新一代能源系统已成为国际社会的共识。在这一进程中，人工智能技术正扮演着日益关键的角色。中国电力科学研究院的马士聪博士指出，将人工智能与能源系统深度融合，特别是发展人工智能通用应用系统，是推动能源革命、实现“双碳”目标的战略支点。

新一代能源系统以高比例可再生能源接入、广泛互联、智能互动、灵活高效为主要特征。风能、太阳能等可再生能源的间歇性与波动性，电力电子设备的大量应用带来的系统惯性下降，以及源网荷储多元主体的复杂互动，都对系统的规划、运行、控制与市场机制提出了前所未有的挑战。传统基于物理模型和专家经验的方法已难以完全应对这些挑战，亟需引入新的技术范式。

人工智能，尤其是机器学习、深度学习、强化学习等技术，为解决上述难题提供了全新思路。其核心优势在于能够从海量、多维、异构的能源大数据中挖掘深层规律，建立高精度模型，并实现复杂场景下的实时感知、精准预测和自主优化决策。马士聪博士强调，要最大化AI的赋能价值，不能仅停留在解决单个“点”上的问题（如短期负荷预测、设备故障诊断），而应致力于构建面向新一代能源系统的“人工智能通用应用系统”。

这个“通用应用系统”并非一个单一软件，而是一个分层解耦、开放协同的技术体系与赋能平台。其核心架构通常包含三层：

1. 基础设施层（数据与算力）：整合电网运行、设备状态、气象环境、用户用电等多源数据，形成标准统一的“能源数据湖”。依托云计算、边缘计算构建弹性可扩展的算力资源，为上层AI模型训练与推理提供支撑。

1. AI平台层（模型与算法）：这是系统的“大脑”。它提供一套完整的AI开发、训练、部署、管理和迭代的工具链与环境。平台应内置或可灵活集成适用于不同能源场景的算法库和模型库，例如用于风光功率预测的时序预测模型、用于电网安全稳定分析的图神经网络模型、用于需求侧响应的强化学习模型等。关键在于实现模型的模块化、可复用和持续学习能力。

1. 应用服务层（场景与赋能）：基于平台能力，快速构建和部署覆盖“源-网-荷-储”全环节的智能应用。例如：

• 源侧：新能源场站集群功率预测与优化控制，提高消纳能力。

• 网侧：电网动态潮流计算、安全稳定态势智能评估与自适应校正控制，提升大电网韧性。

• 荷侧：海量用户负荷特性识别、精准画像与柔性负荷聚合调控，助力削峰填谷。

• 储侧：储能电站的智能调度与寿命预测，优化资产价值。

• 市场与规划：支撑电力市场出清与交易决策，辅助电网长期发展规划。

构建这样一个通用应用系统面临诸多挑战，包括能源数据质量与共享壁垒、AI模型的可解释性与安全性、与现有电力控制系统的可靠集成、跨领域复合型人才的短缺等。对此，马士聪博士提出，需要加强“政-产-学-研-用”协同创新，共同推进关键标准制定、核心技术攻关和典型示范应用。

以人工智能通用应用系统为引擎的新一代能源系统，将呈现出更强的自感知、自学习、自决策、自优化能力。它将不仅是一个物理电能流动的网络，更是一个信息与能量深度融合、智能自主运行的复杂巨系统。这不仅能极大提升能源利用效率和安全保障水平，加速可再生能源替代，还将催生全新的能源服务业态与商业模式，为社会经济发展注入绿色智能新动能。中国在这一领域的积极探索与成功实践，必将为全球能源可持续发展贡献重要智慧与方案。