2024年两会正在进行时，人工智能（AI）成为最热话题之一。3月5日，总理首次在2024年政府工作报告中提出，要深化大数据、人工智能等研发应用，开展“人工智能+”行动。

人工智能是新一轮科技革命和产业变革的重要驱动力量，各行各业都在加快拥抱人工智能。来自全国各界的至少20位全国人大代表和全国政协委员也纷纷围绕“人工智能+”建言献策。

全国政协委员周鸿祎表示，2024年或将成为中国在AI领域的“应用之年”，相信今年大模型将在许多企业的垂直领域大有可为。建议政府、央国企率先提供更多应用场景，聚焦“小切口，大纵深”，推动大模型垂直化、产业化落地。

全国人大代表，小米集团创始人雷军支持打造以大模型为代表的人工智能与制造业深度融合的应用场景。

全国政协委员贺晗的提案也集中在加快拓展人工智能大模型技术应用场景领域，在全国范围实施大模型赋能千行百业示范应用推进计划。

在电力行业，电网、发电（包括火电、核电、风电）等领域已经逐步展开关于大模型的研究与应用。

电 网

1、国网公司：“大模型+知识图谱”助推电力行业数智化转型

大模型技术泛化能力强，但缺乏稳定性，无法直接赋能企业数智化发展。而基于三元组构建的知识图谱可解释性强，但逻辑推理能力较弱，无法回答图谱中不存在的知识问题。因此，在电网数智化转型的过程中，厘清知识图谱和大模型之间的关系，融合两者优势，是电力行业知识应用落地、提升电力行业数智化水平的关键。

知识图谱可以参与大模型的训练过程，在大模型推理过程中提供结构化的先验信息，减少大模型的事实性错误；大模型可以生成标注数据来辅助构建知识图谱，显著降低人力成本，解决知识图谱应用端链路较长和面向非结构化数据构建成本较高等问题。

大模型在电力行业可用于故障预测、发电预测、故障检修、知识快速检索、报告文案快速生成等领域。知识图谱在电力行业可用于知识成果汇总、专业知识关联学习、岗位培训等领域。知识图谱和大模型的融合应用可以提升电力行业的智能化水平，优化能源资源利用，提高知识服务的安全性和可靠性，助力电力行业高质量发展。

2、百度、国网联合研发——国网-百度·文心大模型

早在2022年5月20日举办的“深度学习开发者峰会”上，百度与国家电网就联合研发了行业大模型——国网-百度·文心大模型。

基于通用文心大模型，在海量数据中挖掘了电力行业数据，百度与国网专家们一起，引入电力业务积累的样本数据和特有知识，并且在训练中，结合双方在预训练算法和电力领域业务与算法的经验，设计电力领域实体判别、电力领域文档判别等算法作为预训练任务，让文心大模型深入学习电力专业知识，在国网场景任务应用效果提升。

来源：新京报

3、南网电力大模型——大瓦特

2023年9月26日，南方电网人工智能公司正式发布了电力行业人工智能创新平台及自主可控电力大模型，并命名为“大瓦特”。

它是电力行业首个跨NLP/CV模态大模型产品，实现了算力、算法、应用全过程的自主可控。这意味着“大瓦特”不仅在技术上具有先进性，而且在应用上也更加灵活和自主。

“大瓦特”还具备多种能力，如意图识别、多轮对话、总结提炼、自动生成巡检报告、可视化数据服务、知识增强以及跨模态交互等。这些能力使得“大瓦特”在智能客服、输变配、电力调度和安监等垂直领域得到了广泛应用，成为业务人员的重要助手。

值得注意的是，“大瓦特”的训练数据主要来自于电力行业基础知识、电力业务制度规范以及电力行业研究报告等，参数量达百亿。这使得“大瓦特”具备电力系统内多专业领域工程师的知识和经验，从而能够更好地服务于电力行业。

来源：南方电网

4、全国首个电力生产应用场景大模型“大瓦特CV”

基于南方电网“大瓦特”底座，日前，南方电网广西电网公司在南宁发布广西输电人工智能大模型——大瓦特CV。这标志着全国首个全栈自主可控电力生产应用场景大模型在广西落地，它是国内电力行业生产域首个在生产环境上线的应用大模型。

和传统小模型相比，输电人工智能大模型在准确率、泛化能力、识别效率等方面表现优越。首先是参数量从百万级提升到亿级；其次是缺陷隐患识别效率提升了5倍，准确率提升15%，能够更加精准地表述缺陷隐患类型和位置，解决模型碎片化问题，更好地处理未见过的电力业务场景缺陷。

在新的电力生产场景下，输电人工智能大模型对鸟巢、绝缘子自爆等典型缺陷的识别精度，基本实现了对人工的替代。目前，广西电网机巡管理平台和输电运行支持系统已实现与输电大模型的对接调用，平均缺陷识别率为91.24%，达到电力行业领先水平。

来源：广西电网

5、电力行业首个多模态预训练大模型“祝融2.0”

2023年9月，深圳供电局电力行业首个多模态预训练大模型——“祝融2.0”上线，它让传统的电网AI技术拥有了类似ChatGPT的逻辑推理能力、文字表达能力，电力巡检系统不仅会看、会记录分析、会预警，更能看得懂、会推理、会表达，电网安全隐患告警有效率提升了6倍。

基于该技术，深圳供电局已完成输电山火烟雾、外破隐患、安监违章行为等大模型研发，预计每年可减少无效告警30万条，节省125人天。深圳供电局还与云南电网信息中心、昆明供电局联合开展输电山火烟雾模型验证工作，并初步将该技术用于两地输变电山火烟雾、外破隐患等巡检任务，识别准确率高达98%。

深圳供电局与云南电网还建立了联合攻关合作机制，跨区域组建创新联合体，加快“祝融2.0”在输变配、安监、营销等领域的有效落地，并计划研发能辨别声音的“祝融”，为外力破坏等隐患的排查工作增添新的助力，推动电网户外复杂环境下数字化巡检效率的提升。

来源：羊城晚报

6、国网信通继远软件：电力安监知识增强大模型上线运行

2023年10月11日，国网信通股份继远软件自主研发的电力安监知识增强大模型正式上线运行。

大模型涵盖了电力生产中的规章制度、行业标准、技术方案、综合案例等海量业务数据。通过对数据的深度挖掘和分析，实现为企业提供实时、准确的安全生产决策辅助分析与风险预警。目前，大模型提供了现场勘察报告辅助编制、工作票质量规范校验、违章行为智能分析、安规交互问答等十余项智能微应用。

模型中的违章属性智能分析助手已在国网安徽电力风控系统综合风险督查、违章查处等功能模块中应用，可有效提升违章行为判定的效率、正确性与覆盖率。

7、国网首个“大模型”技术领域发明专利授权

2024年2月18日，信通公司快速预审发明专利“一种知识大模型预测用户侧负荷方法、装置及设备”成功获得国家知识产权局授权，仅用时59个工作日，成为国家电网公司首个“大模型”技术领域发明专利授权。

该专利依据天气的综合变量及多个时间尺度的用户侧储能负荷数据，建立用户侧负荷预测知识“大模型”。利用这一“大模型”技术，改进了窗口神经网络进行用户侧负荷预测，大幅提升了预测算法的精度、稳定性和适用范围，解决了现有技术中无法有效应对用户侧储能负荷变化不确定性因素及深度学习算法适用范围受限的问题。

来源：国家电网

8、国网山东常见缺陷智能识别模型

近年来，无人机广泛应用于电网巡检，而大量飞行照片仍需要人工逐一验看，影响了故障排查效率。国网山东电力组织由业务骨干和业内互联网专家构成的科研团队，探索人工智能大模型技术在无人机巡检缺陷排查方向的多层次应用，现已开发出杆塔异物、绝缘子破裂等10个常见缺陷的智能识别模型。

这一系列模型在一线班组试点应用后，设备缺陷识别准确率由原来的85%上升到92%，照片误检情况大幅减少。

来源：齐鲁网

9、国网聊城：将人工智能大语言模型应用于供电服务指挥

“110千伏开发区站全站失电如何处置？”2023年8月17日，国网聊城供电公司供电服务指挥中心的工作人员孙凯通过提问的方式向人工智能ChatSGM（电网大语言模型）询问事故处理方案。

“事故影响：开发站全站失电，造成xx条10千伏线路停电。其中xx个二级用户xx、xx…停电。负荷恢复按以下方式处理：开发区站10千伏聊城I线倒至110千伏聊城站10千伏聊城II线……”按下回车，ChatSGM立即输出了开发区站全站失电后的故障处置方案。孙凯和同事经过仔细比对，发现输出方案和他们预想的一样，证明ChatSGM已成功部署并可完美应用于供电服务指挥工作。

聊城公司借鉴ChatGPT的实现模式，利用上万条电网专业数据，对国产开源大语言模型进行“投喂”训练，创新性采用“离线式、本地化”部署方式，既避免了因违规外联导致数据安全问题，同时强化了大语言模型对电力相关数据的理解、总结、归纳和推理能力，最终打造出适用于电网，尤其是供电指挥领域应用的ChatSGM。

ChatSGM的部署实施，不仅提高了配网调度员的工作效率，也改变了传统意义上的调度方式。以往需要几个小时甚至几天时间，还需查询不同系统才可制定的方案，现在可以“毫秒级”输出，从根本上提高了配网调控的智能化水平。

发 电

1、火电领域首个电厂AI助手

2024年1月29日，国家能源集团国电电力应用国产开源大模型技术进行电厂智能化系统升级，依托上海庙公司构建了火电领域首个燃煤电厂专属的“智能大脑”——AI助手，为电厂智能化发展提供了全新的解决方案。

“智能大脑”与现有智慧管理平台体系及历史知识数据对接，在实践过程中实现了AI助手智能问答、智能检索、知识生成等功能应用，辅助生产和管理人员科学决策。通过对消缺记录、缺陷分析、检修记录等多方面数据的全面利用，在消缺决策建议、安措危险提示、设备智能检索等多个业务中为员工提供直接帮助，也使员工能够方便、快捷地获得所需知识和答案。

来源：中国能源新闻网

2、国内首个风电机组功率曲线图像识别AI模型

2023年8月7日，国家能源集团龙源电力工程技术公司上线国内首个风电机组功率曲线图像识别AI模型，率先实现风电机组功率曲线特性分析筛查的自动化和智能化，填补了行业空白。

风电机组功率曲线是考核风电机组性能、评估机组发电能力的一项重要指标，功率曲线异常不仅会导致电量损失，也会降低设备发电效率、缩短部件运行周期。功率曲线筛查的常规方法依赖专业人员个人经验，容易效率不足、准确度参差不齐。

图：训练风电机组功率曲线AI模型

为解决上述问题，龙源电力收集标注上万张典型功率曲线异常图片，依托主流图像识别模型自主训练AI模型，通过不断优化模型算法，使模型的正样本分配策略达到最优，实现了针对不同机型风电机组功率曲线8类典型问题的识别。经过场站3个月运行数据的实验验证，该模型在近14000台风电机组中检测出异常机组数量1860台，准确率超过80%，工作效率提升3倍以上。

来源：龙源电力

3、中核集团核工业“龙吟”大模型2.0

2023年9月7日，中核八所自主研发的中核集团核工业“龙吟”大模型2.0版正式亮相。

得益于模型参数和训练方式的提升，“龙吟”2.0在核工业公共知识和特有知识领域的表现上，相较1.0版提升了1.7倍，语言能力提升了1.2倍，不仅在业内主流benchmark(C-EVAL/CMMLU/SUPERCLUE)表现优异，更是在核工业领域benchmark Nu-EVAL上取得最佳成绩！

中核八所与秦山核电合作研发的核反应堆控制保护数字工程师在“龙吟”2.0的基础上同样进行了升级。在自助式知识库的加持下，数字工程师能够更加准确地辅助现场工程师，让问答有理有据，解决大模型幻觉问题，让大模型的能力与核安全文化落在实处。

来源：中核八所

4、我国核能领域首个大模型智能审查系统

近日，上海核工院自主研发的我国核能领域首个大模型智能审查系统上线。

智能审查系统采用了国际先进的大模型人工智能技术，参数规模超过130亿，具备自主学习能力，并能理解核电设计领域的法律法规。在多专业、多学科的智能审查库构建基础上，能够快速、准确地识别设计文件中的潜在错误和瑕疵，同时还能有效解决设计文件审查过程中高度依赖资深工程师经验、设计文件复杂、安全要求高等问题。

值得注意的是，相较于传统的人工审核模式，智能审查系统审核速度可提高约百倍，单项目可节约成本超过1000万元。

来源：上海核工程研究设计院

2023年，百度文心一言、阿里通义千问、华为盘古大模型、腾讯混元大模型、科大讯飞的星火认知大模型等各显神通。现在，大模型的市场竞争更加白热化，竞赛已从通用大模型转向行业大模型：

1、上文中提到的南网电力大模型——大瓦特，其电力调度场景功能正是通过百度智能云千帆大模型平台，基于文心大模型打造。

2、华为云基于盘古电力大模型，针对无人机电力巡检细分场景，通过一次预训练+下游任务的微调，推出盘古电力巡检大模型。

3、商汤科技在其通用大模型基础上，基于电力行业需求，快速推出电力系统大模型解决方案，以创新AI技术全面赋能电力的“输、发、配、变、用、调”，助力能源电力行业数字化转型……

从通用到行业，大模型之战正垂直扎根，基于通用大模型的行业应用将是成功与否的关键。