《科创板日报》6月12日讯（记者 陈俊清 李煜） 在SNEC PV&ES 第十八届(2025)国际太阳能光伏和智慧能源&储能及电池技术与装备(上海)大会暨展览会上，“如何破解分布式能源难题”成为相关论坛中的热议话题。

国家能源局发布数据显示，截至2024年底，全国风电、太阳能发电装机合计超过14亿千瓦，总装机容量33.5亿千瓦，新能源装机规模已历史性超越煤电，全社会用电为98521亿千瓦时。

但在新能源快速发展的同时，其固有的间歇性、波动性、随机性特征带来系统性挑战，电网实时平衡难度持续增加、新能源消纳压力增大等，成为能源行业亟需解决的问题。

“AI与能源融合”受业内关注

面对上述难题，加快虚拟电网完整体系的建设，促进虚拟电网与AI融合来获得稳定、可靠的电力网络成为主要解决路径之一。

在SNEC PV&ES国际光伏&储能两会期间举行的相关论坛上，天合光能虚拟电厂与数字能源负责人廖宇表达了对虚拟电厂的不同理解：“虚拟电厂是能源行业的爱彼迎、电力的滴滴平台，聚合分布式电源+可调节负荷&储能+电动车V2G，最大化地满足各种用户的定制化需求并获取电碳市场多重收益，同时盘活存量资产，吸引新增投资，成为电网友好、快速灵活的新型主体。”

在廖宇看来，新能源全量参与市场化的交易面临的问题是分布式新能源因项目分散、运行波动性强，难以精准预测与统一调度，缺乏规模化优势，参与现货市场定价能力弱。同时，电力交易制度复杂，对数据分析与技术支撑要求高，用户还需承担电价波动和弃电等市场风险。

清华大学长三角研究院国际人工智能中心主任研究员张挺持有相同观点，他从技术的角度分析了新能源的四个本质问题：一是随机波动与间歇性，靠天吃饭；二是抗扰能力差，对电网波动过敏；三是稳定支撑能力差；四是海量不可调控，传统安全运行体系的灾难。

对于解决上述问题，廖宇认为，虚拟电厂具备一定核心优势，“虚拟电厂通过聚合分布式资源，实现规模化参与市场交易，提升新能源定价权同时具备调节能力与智能辅助决策功能，降低预测偏差与交易门槛，拓展交易品种，提升收益与风险应对能力。”

促进AI在新能源领域的应用成为行业的重要议题。清华大学长三角研究院国际人工智能中心主任研究员张挺认为，AI系统综合考虑气象、源网荷储特性、各类能源属性和特征，市场主体博弈等因素，通过功率曲线交易形成市场化电价信号，建立局域气象，物理电网和电力金融市场融合的AI模型，赋能为基础单位智算中心调度优化，获得稳定，可靠和经济合益的电力。

“工业A大模型电网运行数据、监测数据、负荷预测数据丰富。大模型依赖数据训练，数据越多，模型越强，性能越好。此外，大模型在通用领域已有强大推理和规划能力，将其迁移至电网场景，可快速实现智能决策、风险预警与调度优化。”张挺如是说。

此外，天合光能虚拟电厂与数字能源负责人廖宇认为，虚拟电厂是唯一可以拓展衍生品种的商业模式。在他看来，虚拟电厂业务本质是对于供需的预测、管理与调节能力，未来3-5年，虚拟电厂将参与电力现货市场、调频等更多辅助服务、清洁能源消纳、需量管理以及能源托管综合服务等。

数智化技术加速产业转型升级

“在‘双碳’目标和数智化转型的推动下，能源行业正加速向绿色、高效、智能的方向迈进，同时促进电力、算力等基础设施的协同融合。数智化技术将进一步加快能源产业转型升级过程，实现能源全价值链的智能化变革。”中国信息通信研究院云计算与大数据研究所副所长栗蔚在主题演讲中表示。

对于能源产业转型升级，栗蔚认为主要包括两个路径：一是在能源企业数智化转型过程中，要充分依托数智化技术能力。同时，不应只关注技术能力提升，数智化转型是企业的全方位、深层次的变革过程，应提升企业管理水平，赋能能源产业高质量发展。

二是数智技术融合创新是能源行业数智化发展的重要引擎。当前，如何将全过程生产管理要素与数字技术相融合，解决信息孤岛是企业关注的重点。“能源企业的数字基础设施一体化云平台能够有效整合资源，基于云网边端智的新型分布式计算基础设施，对能源行业新型数字基础设施进行高效管理、统一调度，助力能源行业数智化转型新业态发展。”

栗蔚认为，算力互联网双向赋能电力互联网，构建双网协同发展是新能源行业未来的发展趋势。“电力互联网是将互联网技术应用于电力领域，通过信息技术与能源技术的深度融合，实现电力的高效生产、传输、存储和使用。”

天合光能虚拟电厂与数字能源负责人廖宇亦表达了先进算法与算力对虚拟电厂运行的重要性。“虚拟电厂的运行需要先进的信息与通信技术软件平台聚合虚拟电厂里大量的能源资源。该软件平台依靠先进的预测算法，制定优化的调度计划，可实现包括采集数据，如：电厂运行情况、气象数据、市场价格信号、电网情况。此外，还需要智能电表、远程控制和自动化系统等对应的硬件设备。”

京东方能源科技股份有限公司产品研发中心总经理张海勇在演讲中表示，AI在零碳综合能源的应用场景已渗透到风力与光伏发电预测、高效节能系统、智能微电网系统、智能巡检系统等环节。“利用时序结构的AI算法，如LSTM、GRU、CNN等，能够进行精准的能碳预测，包括发电端风光功率预测、负荷预测和电碳市场价格预测。”