2024年兩會正在進行時，人工智能（AI）成為最熱話題之一。3月5日，總理首次在2024年政府工作報告中提出，要深化大數據、人工智能等研發應用，開展“人工智能+”行動。
人工智能是新一輪科技革命和產業變革的重要驅動力量，各行各業都在加快擁抱人工智能。來自全國各界的至少20位全國人大代表和全國政協委員也紛紛圍繞“人工智能+”建言獻策。
全國政協委員周鴻祎表示，2024年或將成為中國在AI領域的“應用之年”，相信今年大模型將在許多企業的垂直領域大有可為。建議政府、央國企率先提供更多應用場景，聚焦“小切口，大縱深”，推動大模型垂直化、產業化落地。
全國人大代表，小米集團創始人雷軍支持打造以大模型為代表的人工智能與制造業深度融合的應用場景。
全國政協委員賀晗的提案也集中在加快拓展人工智能大模型技術應用場景領域，在全國范圍實施大模型賦能千行百業示范應用推進計劃。
在電力行業，電網、發電（包括火電、核電、風電）等領域已經逐步展開關于大模型的研究與應用。
電 網
1、國網公司：“大模型+知識圖譜”助推電力行業數智化轉型
大模型技術泛化能力強，但缺乏穩定性，無法直接賦能企業數智化發展。而基于三元組構建的知識圖譜可解釋性強，但邏輯推理能力較弱，無法回答圖譜中不存在的知識問題。因此，在電網數智化轉型的過程中，厘清知識圖譜和大模型之間的關系，融合兩者優勢，是電力行業知識應用落地、提升電力行業數智化水平的關鍵。
知識圖譜可以參與大模型的訓練過程，在大模型推理過程中提供結構化的先驗信息，減少大模型的事實性錯誤；大模型可以生成標注數據來輔助構建知識圖譜，顯著降低人力成本，解決知識圖譜應用端鏈路較長和面向非結構化數據構建成本較高等問題。
大模型在電力行業可用于故障預測、發電預測、故障檢修、知識快速檢索、報告文案快速生成等領域。知識圖譜在電力行業可用于知識成果匯總、專業知識關聯學習、崗位培訓等領域。知識圖譜和大模型的融合應用可以提升電力行業的智能化水平，優化能源資源利用，提高知識服務的安全性和可靠性，助力電力行業高質量發展。
2、百度、國網聯合研發——國網-百度·文心大模型
早在2022年5月20日舉辦的“深度學習開發者峰會”上，百度與國家電網就聯合研發了行業大模型——國網-百度·文心大模型。
基于通用文心大模型，在海量數據中挖掘了電力行業數據，百度與國網專家們一起，引入電力業務積累的樣本數據和特有知識，并且在訓練中，結合雙方在預訓練算法和電力領域業務與算法的經驗，設計電力領域實體判別、電力領域文檔判別等算法作為預訓練任務，讓文心大模型深入學習電力專業知識，在國網場景任務應用效果提升。
來源：新京報
3、南網電力大模型——大瓦特
2023年9月26日，南方電網人工智能公司正式發布了電力行業人工智能創新平臺及自主可控電力大模型，并命名為“大瓦特”。
它是電力行業首個跨NLP/CV模態大模型產品，實現了算力、算法、應用全過程的自主可控。這意味著“大瓦特”不僅在技術上具有先進性，而且在應用上也更加靈活和自主。
“大瓦特”還具備多種能力，如意圖識別、多輪對話、總結提煉、自動生成巡檢報告、可視化數據服務、知識增強以及跨模態交互等。這些能力使得“大瓦特”在智能客服、輸變配、電力調度和安監等垂直領域得到了廣泛應用，成為業務人員的重要助手。
值得注意的是，“大瓦特”的訓練數據主要來自于電力行業基礎知識、電力業務制度規范以及電力行業研究報告等，參數量達百億。這使得“大瓦特”具備電力系統內多專業領域工程師的知識和經驗，從而能夠更好地服務于電力行業。
來源：南方電網
4、全國首個電力生產應用場景大模型“大瓦特CV”
基于南方電網“大瓦特”底座，日前，南方電網廣西電網公司在南寧發布廣西輸電人工智能大模型——大瓦特CV。這標志著全國首個全棧自主可控電力生產應用場景大模型在廣西落地，它是國內電力行業生產域首個在生產環境上線的應用大模型。
和傳統小模型相比，輸電人工智能大模型在準確率、泛化能力、識別效率等方面表現優越。首先是參數量從百萬級提升到億級；其次是缺陷隱患識別效率提升了5倍，準確率提升15%，能夠更加精準地表述缺陷隱患類型和位置，解決模型碎片化問題，更好地處理未見過的電力業務場景缺陷。
在新的電力生產場景下，輸電人工智能大模型對鳥巢、絕緣子自爆等典型缺陷的識別精度，基本實現了對人工的替代。目前，廣西電網機巡管理平臺和輸電運行支持系統已實現與輸電大模型的對接調用，平均缺陷識別率為91.24%，達到電力行業領先水平。
來源：廣西電網
5、電力行業首個多模態預訓練大模型“祝融2.0”
2023年9月，深圳供電局電力行業首個多模態預訓練大模型——“祝融2.0”上線，它讓傳統的電網AI技術擁有了類似ChatGPT的邏輯推理能力、文字表達能力，電力巡檢系統不僅會看、會記錄分析、會預警，更能看得懂、會推理、會表達，電網安全隱患告警有效率提升了6倍。
基于該技術，深圳供電局已完成輸電山火煙霧、外破隱患、安監違章行為等大模型研發，預計每年可減少無效告警30萬條，節省125人天。深圳供電局還與云南電網信息中心、昆明供電局聯合開展輸電山火煙霧模型驗證工作，并初步將該技術用于兩地輸變電山火煙霧、外破隱患等巡檢任務，識別準確率高達98%。
深圳供電局與云南電網還建立了聯合攻關合作機制，跨區域組建創新聯合體，加快“祝融2.0”在輸變配、安監、營銷等領域的有效落地，并計劃研發能辨別聲音的“祝融”，為外力破壞等隱患的排查工作增添新的助力，推動電網戶外復雜環境下數字化巡檢效率的提升。
來源：羊城晚報
6、國網信通繼遠軟件：電力安監知識增強大模型上線運行
2023年10月11日，國網信通股份繼遠軟件自主研發的電力安監知識增強大模型正式上線運行。
大模型涵蓋了電力生產中的規章制度、行業標準、技術方案、綜合案例等海量業務數據。通過對數據的深度挖掘和分析，實現為企業提供實時、準確的安全生產決策輔助分析與風險預警。目前，大模型提供了現場勘察報告輔助編制、工作票質量規范校驗、違章行為智能分析、安規交互問答等十余項智能微應用。
模型中的違章屬性智能分析助手已在國網安徽電力風控系統綜合風險督查、違章查處等功能模塊中應用，可有效提升違章行為判定的效率、正確性與覆蓋率。
7、國網首個“大模型”技術領域發明專利授權
2024年2月18日，信通公司快速預審發明專利“一種知識大模型預測用戶側負荷方法、裝置及設備”成功獲得國家知識產權局授權，僅用時59個工作日，成為國家電網公司首個“大模型”技術領域發明專利授權。
該專利依據天氣的綜合變量及多個時間尺度的用戶側儲能負荷數據，建立用戶側負荷預測知識“大模型”。利用這一“大模型”技術，改進了窗口神經網絡進行用戶側負荷預測，大幅提升了預測算法的精度、穩定性和適用范圍，解決了現有技術中無法有效應對用戶側儲能負荷變化不確定性因素及深度學習算法適用范圍受限的問題。
來源：國家電網
8、國網山東常見缺陷智能識別模型
近年來，無人機廣泛應用于電網巡檢，而大量飛行照片仍需要人工逐一驗看，影響了故障排查效率。國網山東電力組織由業務骨干和業內互聯網專家構成的科研團隊，探索人工智能大模型技術在無人機巡檢缺陷排查方向的多層次應用，現已開發出桿塔異物、絕緣子破裂等10個常見缺陷的智能識別模型。
這一系列模型在一線班組試點應用后，設備缺陷識別準確率由原來的85%上升到92%，照片誤檢情況大幅減少。
來源：齊魯網
9、國網聊城：將人工智能大語言模型應用于供電服務指揮
“110千伏開發區站全站失電如何處置？”2023年8月17日，國網聊城供電公司供電服務指揮中心的工作人員孫凱通過提問的方式向人工智能ChatSGM（電網大語言模型）詢問事故處理方案。
“事故影響：開發站全站失電，造成xx條10千伏線路停電。其中xx個二級用戶xx、xx…停電。負荷恢復按以下方式處理：開發區站10千伏聊城I線倒至110千伏聊城站10千伏聊城II線……”按下回車，ChatSGM立即輸出了開發區站全站失電后的故障處置方案。孫凱和同事經過仔細比對，發現輸出方案和他們預想的一樣，證明ChatSGM已成功部署并可完美應用于供電服務指揮工作。
聊城公司借鑒ChatGPT的實現模式，利用上萬條電網專業數據，對國產開源大語言模型進行“投喂”訓練，創新性采用“離線式、本地化”部署方式，既避免了因違規外聯導致數據安全問題，同時強化了大語言模型對電力相關數據的理解、總結、歸納和推理能力，最終打造出適用于電網，尤其是供電指揮領域應用的ChatSGM。
ChatSGM的部署實施，不僅提高了配網調度員的工作效率，也改變了傳統意義上的調度方式。以往需要幾個小時甚至幾天時間，還需查詢不同系統才可制定的方案，現在可以“毫秒級”輸出，從根本上提高了配網調控的智能化水平。
發 電
1、火電領域首個電廠AI助手
2024年1月29日，國家能源集團國電電力應用國產開源大模型技術進行電廠智能化系統升級，依托上海廟公司構建了火電領域首個燃煤電廠專屬的“智能大腦”——AI助手，為電廠智能化發展提供了全新的解決方案。
“智能大腦”與現有智慧管理平臺體系及歷史知識數據對接，在實踐過程中實現了AI助手智能問答、智能檢索、知識生成等功能應用，輔助生產和管理人員科學決策。通過對消缺記錄、缺陷分析、檢修記錄等多方面數據的全面利用，在消缺決策建議、安措危險提示、設備智能檢索等多個業務中為員工提供直接幫助，也使員工能夠方便、快捷地獲得所需知識和答案。
來源：中國能源新聞網
2、國內首個風電機組功率曲線圖像識別AI模型
2023年8月7日，國家能源集團龍源電力工程技術公司上線國內首個風電機組功率曲線圖像識別AI模型，率先實現風電機組功率曲線特性分析篩查的自動化和智能化，填補了行業空白。
風電機組功率曲線是考核風電機組性能、評估機組發電能力的一項重要指標，功率曲線異常不僅會導致電量損失，也會降低設備發電效率、縮短部件運行周期。功率曲線篩查的常規方法依賴專業人員個人經驗，容易效率不足、準確度參差不齊。
圖：訓練風電機組功率曲線AI模型
為解決上述問題，龍源電力收集標注上萬張典型功率曲線異常圖片，依托主流圖像識別模型自主訓練AI模型，通過不斷優化模型算法，使模型的正樣本分配策略達到最優，實現了針對不同機型風電機組功率曲線8類典型問題的識別。經過場站3個月運行數據的實驗驗證，該模型在近14000臺風電機組中檢測出異常機組數量1860臺，準確率超過80%，工作效率提升3倍以上。
來源：龍源電力
3、中核集團核工業“龍吟”大模型2.0
2023年9月7日，中核八所自主研發的中核集團核工業“龍吟”大模型2.0版正式亮相。
得益于模型參數和訓練方式的提升，“龍吟”2.0在核工業公共知識和特有知識領域的表現上，相較1.0版提升了1.7倍，語言能力提升了1.2倍，不僅在業內主流benchmark(C-EVAL/CMMLU/SUPERCLUE)表現優異，更是在核工業領域benchmark Nu-EVAL上取得最佳成績！
中核八所與秦山核電合作研發的核反應堆控制保護數字工程師在“龍吟”2.0的基礎上同樣進行了升級。在自助式知識庫的加持下，數字工程師能夠更加準確地輔助現場工程師，讓問答有理有據，解決大模型幻覺問題，讓大模型的能力與核安全文化落在實處。
來源：中核八所
4、我國核能領域首個大模型智能審查系統
近日，上海核工院自主研發的我國核能領域首個大模型智能審查系統上線。
智能審查系統采用了國際先進的大模型人工智能技術，參數規模超過130億，具備自主學習能力，并能理解核電設計領域的法律法規。在多專業、多學科的智能審查庫構建基礎上，能夠快速、準確地識別設計文件中的潛在錯誤和瑕疵，同時還能有效解決設計文件審查過程中高度依賴資深工程師經驗、設計文件復雜、安全要求高等問題。
值得注意的是，相較于傳統的人工審核模式，智能審查系統審核速度可提高約百倍，單項目可節約成本超過1000萬元。
來源：上海核工程研究設計院
2023年，百度文心一言、阿里通義千問、華為盤古大模型、騰訊混元大模型、科大訊飛的星火認知大模型等各顯神通。現在，大模型的市場競爭更加白熱化，競賽已從通用大模型轉向行業大模型：
1、上文中提到的南網電力大模型——大瓦特，其電力調度場景功能正是通過百度智能云千帆大模型平臺，基于文心大模型打造。
2、華為云基于盤古電力大模型，針對無人機電力巡檢細分場景，通過一次預訓練+下游任務的微調，推出盤古電力巡檢大模型。
3、商湯科技在其通用大模型基礎上，基于電力行業需求，快速推出電力系統大模型解決方案，以創新AI技術全面賦能電力的“輸、發、配、變、用、調”，助力能源電力行業數字化轉型……
從通用到行業，大模型之戰正垂直扎根，基于通用大模型的行業應用將是成功與否的關鍵。
