解读国家能源局综合司:人工智能+能源试点项目清单(公示稿,93个项目)

2026-11-06 3 次浏览
一键生成知识图谱将跳转 Carbon Harness 生成可视化解读与知识图谱导出解读
碳通通 · 脱水解读

5 分钟理解报告 · 解读 2804 字 · 5 张图 · 14 个数据点

当人工智能从对话工具走向电网调度、煤矿井下、海上风电和核岛深处,它到底在替能源行业解决哪些真问题?这份公示稿一口气列出了93个“人工智能+”能源试点项目,覆盖电网、水电、煤炭、火电、新能源、能源新业态、油气、核电八大领域。对能源企业与双碳从业者来说,值得关注的不是项目数量本身,而是这批试点把AI押在了哪些高价值场景上,以及场景供给方与技术供给方如何组队。下面逐层拆解这份清单透露的方向与分工。

核心判断

  • 清单共93个项目,覆盖电网、水电、煤炭、火电、新能源、能源新业态、油气、核电八大领域。
  • 电网领域项目最多,从变电检修、特高压直流到电力市场仿真均有布局。
  • 每个项目均列明场景供给方与技术供给方,联合体模式贯穿全部试点。
  • 华为、百度、阿里云、科大讯飞等科技企业频繁出现在技术供给方名单中。
  • 高校与科研院所大量参与,清华、浙大、华中科大等多校出现在技术侧。

脱水解读

93个项目、八大领域:这份清单的基本盘

这份公示稿的附件是一张项目清单表,共93个项目,按领域分为电网、水电、煤炭、火电、新能源、能源新业态、油气、核电八类。每个项目一行,列明序号、领域、高价值场景、试点项目名称、场景供给方、技术供给方六项信息。从表格结构可以看出,清单不是单纯的技术名录,而是把“谁用、谁建、用在什么场景”三件事绑在一起呈现,方便读者按领域或按场景快速定位。

从项目数量分布看,电网领域排在最前且条目密集,从第1项一直排到第18项;新能源、火电、能源新业态紧随其后,各有十余项;水电、煤炭、油气、核电居中后段。这种排序和密度本身说明,电网侧的人工智能应用场景成熟度较高、申报主体较多,而核电等领域项目数量相对少,但单项指向性更强。

电网:从设备检修到市场规则的AI全覆盖

电网领域的18个项目几乎覆盖了电力系统的全链条。变电主设备检修方面,南方电网科学研究院、深圳供电局与华为等联合开发“变电主设备检修智能决策系统”;国网福建、陕西、江苏则联合华为、北航、中国电科院构建“变电主设备检修决策智能体”。特高压直流设备状态感知与缺陷处置有两个项目,分别由国家电网系统与南方电网超高压公司牵头,技术侧出现国网电科院、智芯微电子、南瑞继保、百度等。

调度与规划环节同样密集:大电网智能仿真及调度运行控制辅助决策、城市电网运行态势感知与协同调度决策、电网规划方案智能生成与评估均有多个项目并行。电力市场方向尤其值得注意,第15至18项连续四个项目聚焦“电力市场规则评估与交易仿真模拟”,牵头方包括国网湖南、南方电网能源发展研究院、中国能建、国家电网等,技术侧出现清华、百度、阿里云、杉数科技等。

基于电力市场五层一体化大模型的多智能体时序协同仿真与规则推演系统

这一项目名称直接点出了大模型与多智能体协同的技术路线。

水电与煤炭:大坝、井下与露天矿的智能作业

水电领域9个项目集中在第19至26项,场景从大坝运行诊断延伸到地下洞室群施工。国家电投水电股份牵头“多智能体协同赋能大坝高质量运行状态诊断与辅助决策”,技术侧包括国家能源局大坝安全监察中心、中国水科院、北京大学等。中国雅江集团同时出现在大型水电工程智能化设计、地下洞室群安全质量智能感知、高原水电建设安全视频智能分析三个项目中,显示雅江水电开发对智能化施工管理的集中需求。水电(抽水蓄能)设备智慧运营由南方电网储能与雅砻江流域水电开发牵头,技术侧汇集阿里云、科大讯飞、华为、华中科大等十余家单位。

煤炭领域6个项目覆盖煤质检测、井下辅助运输、透明地质预警、设备健康管理、露天矿无人化等场景。陕西华电榆横煤电牵头“煤矿井下辅助运输具身智能机器人及无人驾驶”,技术侧包括华电煤业成都智能装备、国自机器人、驭势科技、云深处科技等。中国大唐集团能源投资牵头“基于多源多模态时空大模型的煤矿多维地质透明化与灾害时空智能预警示范”,技术侧为北京龙软科技与北京大学。露天煤矿自主采装与运输无人化由新疆天池能源牵头,易控智驾与新疆智能装备研究院提供技术。

火电与新能源:燃料、燃烧、功率预测与运维

火电领域12个项目围绕燃料管控、态势感知、灵活性调节、锅炉燃烧优化和热电协同展开。华润电力(锦州)牵头火电机组入厂燃料全链条智能管控,技术侧为大连理工与华润电力技术研究院;内蒙古京宁热电与京能电力则联合长沙开元仪器、清华工研院、腾讯云等开展同类场景。火电机组全域态势感知与预测性维护有华能北京热电、华润电力投资、华电广东多家企业分别牵头,华为、西安热工院、清华、上海电气等频繁出现。灵活性调节方向,华能河北分公司牵头“基于大模型与多智能体的火电机组灵活性调节优化控制示范应用”,华电莱州发电牵头“新一代煤电灵活调节与智能运行关键技术研究及应用”。

新能源领域15个项目集中在功率预测、大基地运维、海上风电运维与规划设计、多能互补运行、市场环境下的运营决策。功率预测方面,广西电网与广西桂冠电力联合复旦大学等开展“大小模型协同的海量新能源多场景适用型高准确率功率预测示范工程”,国网山西、华润新能源也各有项目。海上风电一体化协同运维决策有三个项目并行,牵头方分别为江苏省新能源开发、广东华电福新阳江海上风电、华能浙江能源开发,技术侧出现金风慧能、明阳智能、西安热工院、上海交大等。

能源新业态:储能、零碳园区、车网互动、绿氢与虚拟电厂

能源新业态是项目最密集的板块之一,从第58项到第76项共19个项目。储能全生命周期安全诊断管控有三个项目,分别由国家能源集团新能源技术研究院、贵州华电新能源、华润新能源牵头,技术侧覆盖国能信控、北京交大、中国电科院、清华、亿纬锂能、宁德时代、阳光电源等。区域综合能源零碳/低碳规划及运行方面,华电甘肃能源牵头金昌国家级零碳园区“电热冷气氢”综合能源供能系统零碳规划与调度运行,技术侧包括国电南自、智谱华章、河海大学、杉数科技等。

车网互动有两个项目,分别由深圳供电局等南方电网系单位与国网上海、冀北、安徽牵头,技术侧出现华为、南瑞、清华、上海交大、小桔绿色能源等。绿氢及绿色燃料生产过程智能寻优有三个项目,中国电力工程顾问集团牵头全链条智能寻优与柔性协同,阳光新能源牵头绿色氢基能源智能仿真,华电辽宁能源牵头电氢氨醇协同生产优化智能体。虚拟电厂多时空尺度智能协同运营有四个项目,牵头方包括南方电网综合能源、浙江小桔绿色能源、国网江苏等,技术侧出现朗新科技、中国电科院、天津大学、华为等。

油气与核电:上游勘探与核岛深处的智能化

油气领域8个项目集中在第77至84项,场景包括储气库调峰智能管控、勘探地震波求解智能计算、压裂成套装备智能辅助决策、空天地一体化智能运维、管道完整性管理、非常规天然气控压排采。中国石油西南油气田、长庆油田、东方地球物理、西部钻探、渤海钻探、长城钻探等中石油系单位集中出现,国家管网集团也在空天地一体化运维和管道完整性管理两个项目中牵头。技术侧除昆仑数智、中国石油大学(北京)、西南石油大学等油气行业单位外,还出现了宇树科技、优必选、南方电网人工智能科技等跨行业力量。

核电领域9个项目集中在第85至93项,场景从设计建造智能协同、主设备智能制造延伸到运行智能监测与辅助决策。中广核工程牵头三维模型驱动核电建造全流程智能协同,国核湛江核电牵头核电工程建造数智化管理,中核浙能能源等牵头核电工程建设多场景智能技术研发。运行侧,福建宁德核电牵头关键敏感设备智慧运维决策系统,三门核电与福清核电牵头运行智能辅助系统开发和应用示范,中核武汉核电运行技术牵头AI赋能的运行异常识别与机器人辅助作业。最后一个项目为中国科学院合肥物质科学研究院牵头的磁约束聚变等离子体智能化感知、仿真与控制研究。

谁在供给场景、谁在供给技术:联合体画像

通读整份清单可以发现一个稳定的结构:每个项目都由“场景供给方”和“技术供给方”两栏组成,场景供给方以能源央企、地方能源国企及其下属电厂、电网公司为主,技术供给方则混合了科技企业、高校、科研院所和行业设计院。华为技术有限公司出现在大量项目的技术供给方名单中,覆盖电网、水电、火电、新能源、能源新业态、核电等多个领域;百度、阿里云、科大讯飞、智谱华章、杉数科技等也多次出现。高校方面,清华、浙大、华中科大、西安交大、华北电力大学、上海交大、天津大学等频繁参与。

这种“场景方+技术方”的联合体模式,意味着这批试点不是单纯给技术公司立项,而是要求技术落地到具体能源场景中。场景供给方多为拥有实际资产和运行数据的能源企业,技术供给方则提供算法、模型、算力与系统集成能力。清单中多个项目名称直接出现“智能体”“大模型”“多智能体协同”等字样,显示当前人工智能+能源的技术路线正从单点算法向大模型驱动的智能体系统演进。

图说解读

八大领域项目数量分布

从项目数量看,能源新业态以19个项目居首,电网18个紧随其后,新能源15个、火电12个构成第二梯队,核电9个、水电和油气各8个、煤炭6个位于第三梯队。这一分布与各领域人工智能应用的场景丰富度和数据基础有关。

能源新业态和电网的项目密度最高,说明储能、虚拟电厂、车网互动、电力市场等新兴场景正在成为AI落地的集中试验场。煤炭项目数量最少,但单个项目指向性很强,集中在井下机器人、透明地质和露天矿无人化等痛点场景。

电网
18个
能源新业态
19个
新能源
15个
火电
12个
水电
8个
煤炭
6个
油气
8个
核电
9个
各领域试点项目数量
碳通通

项目清单的六列信息结构

清单表采用六列结构,把项目的基本信息压缩在一行之内。序号和领域用于定位,高价值场景和试点项目名称说明“做什么”,场景供给方和技术供给方说明“谁来做”。

这种字段设计使得同一领域内的项目可以横向比较场景重叠度,也可以观察同一场景供给方是否在多个项目中重复出现。技术供给方一栏通常列出多家单位,反映联合体参与方较多。

字段
内容示例
序号
1至93
领域
电网/水电/煤炭/火电/新能源/能源新业态/油气/核电
高价值场景
变电主设备检修智能决策等
试点项目名称
具体项目名称
场景供给方
能源企业及下属单位
技术供给方
科技企业、高校、科研院所
清单表字段构成
碳通通

电网领域场景链条

电网领域的18个项目可以串成一条从设备层到市场层的链条:最前端是变电主设备检修智能决策,接着是特高压直流设备状态感知与缺陷处置,然后是新型配电网智能诊断与智慧运营,再往上重要输电通道强对流灾害智能应急处置,之后是大电网智能仿真及调度运行控制辅助决策,最后落到电力市场规则评估与交易仿真模拟。

这条链条说明电网侧的人工智能应用已经不止于单点设备监测,而是向调度决策和市场规则推演延伸。电力市场方向的四个连续项目尤其值得注意,它们把AI用在了规则评估和交易仿真这类制度性场景上。

设备检修决策
特高压状态感知
配电网诊断运营
输电通道灾害应急
大电网仿真调度
电力市场规则仿真
电网AI场景从设备到市场
碳通通

技术供给方高频出现单位

技术供给方名单中,华为的出现频率最高,覆盖电网、水电、火电、新能源、能源新业态、核电等多个领域,显示其在能源行业AI基础设施和行业解决方案上的广泛布局。中国电科院、清华大学、华北电力大学等科研院所和高校也高频出现,承担算法研究、模型开发和系统验证等角色。

百度、阿里云、科大讯飞、智谱华章等科技企业则集中在电力市场仿真、设备状态分析、智能体构建等场景。这一分布说明能源AI的技术供给格局是“科技企业+高校院所+行业研究院”三方并存,各自覆盖不同层次的技术需求。

华为
20次以上
清华大学
10次以上
百度
6次以上
阿里云
5次以上
中国电科院
8次以上
华北电力大学
7次以上
清单中频繁出现的技术供给方
碳通通

能源新业态项目构成

能源新业态19个项目可拆为七个方向:虚拟电厂4个、储能安全诊断3个、零碳园区综合能源3个、绿氢及绿色燃料3个、车网互动2个、算电协同2个、高耗能园区多能协同2个。虚拟电厂项目数量最多,牵头方覆盖南方电网综合能源、浙江小桔绿色能源、国网江苏、苏州协鑫智电等。

储能方向三个项目均聚焦全生命周期安全诊断管控,技术侧出现宁德时代、亿纬锂能、阳光电源等电池与储能系统企业。绿氢方向三个项目分别指向全链条智能寻优、绿色氢基能源智能仿真和电氢氨醇协同生产优化智能体。

储能安全诊断
3个
零碳园区综合能源
3个
车网互动
2个
绿氢及绿色燃料
3个
虚拟电厂
4个
高耗能园区多能协同
2个
算电协同
2个
能源新业态19个项目方向构成
碳通通

数据解读

指标数值单位出处
电网18个清单第1至18项
水电8个清单第19至26项
煤炭6个清单第27至32项
火电12个清单第33至44项
新能源15个清单第44至57项
能源新业态19个清单第58至76项
油气8个清单第77至84项
核电9个清单第85至93项
各领域试点项目数量

按领域统计,能源新业态19个项目最多,电网18个次之,新能源15个、火电12个再次之,核电9个、水电和油气各8个、煤炭6个。八个领域合计93个项目,与清单序号一致。 这一数量结构反映出人工智能+能源的试点布局并非平均用力,而是向场景密集、数据基础较好的电网和能源新业态倾斜。煤炭项目虽少,但每个项目都指向井下机器人、透明地质、露天矿无人化等具体作业环节,针对性较强。

指标数值单位出处
华为技术有限公司20次以上清单多个领域项目
清华大学10次以上清单多个领域项目
中国电力科学研究院有限公司8次以上电网、火电、新能源等项目
华北电力大学7次以上电网、火电、新能源等项目
百度6次以上电网、新能源、水电等项目
阿里云5次以上电网、水电、能源新业态等项目
部分高频技术供给方出现情况

从技术供给方出现频次看,华为在清单中出现20次以上,覆盖电网、水电、火电、新能源、能源新业态、核电等多个领域。清华大学出现10次以上,中国电科院8次以上,华北电力大学7次以上,百度6次以上,阿里云5次以上。 高频出现不等于同一项目重复计算,而是说明这些单位作为技术供给方参与了多个不同领域的试点项目。科技企业更多出现在系统集成、模型开发和大模型应用场景,高校和科研院所则更多承担算法研究、仿真验证和关键技术攻关。

附件资料

Word

国家能源局综合司:人工智能+能源试点项目清单(公示稿,93个项目)-261105.docx

docx 文件 · 49.3 KB

附件来自原发布机构;如涉版权,请联系我们,我们将立即下架。

关于本页内容

本页解读由 AI 依据报告原文辅助生成,经碳通通作者编辑整理,旨在帮助读者快速把握文件要点,不代表原文件发布方的观点。受节选范围与理解差异所限,解读与图表可能与原文表述存在出入,也可能存在疏漏或不够准确之处,请以报告原文为准。如需核对,请查阅报告原文。附件资料均来自原发布机构或公开渠道,版权归原作者及发布机构所有,本页仅提供学习查阅便利;如涉及版权问题,请联系管理员下架。