1、4一、AI大模型的技术历史回顾（一）420 世纪50 70 年代是人工智能技术的萌芽时期。20 世纪80 年代，专家系统作为一种模拟人类专家决策能力的AI应用开始出现。20 世纪90年代，随着计算机运算能力的提升，更复杂的智能算法被开发出来，用于生产规划和调度。21世纪初开始，大数据和云计算兴起，机器学习等算法被提出。2010年，物联网、大数据分析、机器学习、深度学习等技术出现；2020年至今AI 大模型出现并得到迅速发展，以Deepseek为代表的语义大模型出现。4二、AI大模型的核心技术与特点（一）5AI 大模型的成功是多类技术的积累，但其中最为核心的是自注意力机制和Google 在201

2、7 年提出的Self-Attention、Transformer 架构。ChatGPT,Deepseek,豆包，Kimi都是基于该架构提出，具有以下三个特点。1、参数规模庞大。AI 大模型通常具有数十亿甚至千亿级别的参数，使得模型能够捕捉到更多的细节和特征，提高了任务的准确性。2、训练数据海量。AI 大模型需要训练大量数据才能发挥出其强大的性能，这些数据来自于各种来源，如互联网、企业内部数据等。3、计算资源需求高。由于参数规模庞大，AI 大模型的训练需要高性能的计算资源，如GPU 集群、分布式训练框架等。4能源行业部分大模型（一）国网光明电力大模型：（开源与闭源并举）发输变配用、调度、交易规划

3、、建设、运行、检修、营销 南网，大瓦特 三峡集团“大禹”大模型 中核集团龙吟大模型 中国广核，“锦书”大模型 中国石油，昆仑大模型 中国石化，“胜小利”大模型 中国海油，“海能”人工智能模型 国家管网，“管网”大模型4一、能源生产与管理（一）9 新能源发电优化：1、精准的功率预测：DeepSeek可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如，针对某风光装机占比达58%的省级电网，DeepSeek通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从19%降至3.2%，日前预测精度提高至94.7%。2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑

4、电网的负荷需求、不同新能源电站的发电能力、储能设备的状态等多方面因素，制定出最优的电力调度方案。这有助于提高电网对新能源电力的消纳能力，降低弃风、弃光率，提高新能源发电的利用效率。10 能源管理：1、电网状态监测与故障诊断：利用传感器网络收集电网的实时运行数据，如电压、电流、功率因数等，AI 大模型可以对这些数据进行实时分析和处理，监测电网的运行状态。一旦发现异常情况，如电压波动、电流过载、设备故障等，能够及时发出警报，并对故障进行诊断和定位，帮助运维人员快速排除故障，提高电网的可靠性和稳定性。2、储能设备的优化控制：对于电池储能、抽水蓄能等储能设备，AI 大模型可以根据能源需求和供应的变化情

5、况，优化储能设备的充放电策略。例如，在电价低谷时段，控制储能设备充电，储存多余的电力；在电价高峰时段，控制储能设备放电，向电网供应电力，从而实现削峰填谷，降低能源成本。4一、能源生产与管理（一）11 能源研发与创新：1、新能源材料研发：DeepSeek的AI算法可应用于新能源材料研发，如光伏材料、固态电池电解质等，通过高通量模拟筛选候选材料，缩短实验室验证周期。2、能源技术创新：在能源新技术的研发过程中，DeepSeek可以作为智能助手，帮助科研人员进行数据分析、模型建立、方案设计等工作，加速能源技术的创新和突破。例如在新能源电池设计中，让DeepSeek生成多个设计概念和初步方案，通过模拟分

6、析发现新的材料组合和结构设计。4一、能源生产与管理（一）4二、能源市场与交易（一）13 市场供需分析与预测：1、需求预测：根据经济发展、人口增长、产业结构变化等因素，Deepseek可以对能源的市场需求进行准确预测。例如，通过分析城市的人口增长趋势、工业发展规划以及居民生活方式的变化，预测城市未来的电力需求增长情况，为电力企业的规划和投资提供依据。2、供应分析：对于能源的供应端，Deepseek可以分析能源生产企业的产能、设备运行状况、资源储备等信息，预测能源的供应能力和供应稳定性。例如，在石油和天然气行业，模型可以根据油田的产量数据、设备的维护情况以及新的勘探开发计划，预测未来的油气供应情况