光明電力大模型發布以來，國網山東電力高質量完成本地化部署，圍繞設備運檢、調控運行、營銷服務等重點業務場景，基于大模型開發數智化應用，推進人工智能技術與電網業務深度融合。
7月底，在2025世界人工智能大會上，國網山東省電力公司基于光明電力大模型開發的“設備狀態智能評估”“電網調度智慧大腦”等4項成果亮相，展示了人工智能技術在電網業務中的應用成效。
淄博供電公司電力調控中心員工依據“電網調度智慧大腦”應用預測的負荷開展電網調峰等工作。 遠德亮 攝
光明電力大模型由國家電網有限公司發布，是我國電力行業首個千億級人工智能大模型。國網山東電力深入落實公司人工智能規模化應用部署，建強算力基礎設施，圍繞設備運檢、調控運行、營銷服務等重點業務場景，基于光明電力大模型開發43項數智化應用，推進人工智能技術與電網業務深度融合，促進生產管控更優化、供電服務更優質、經營管理更優越。
換流變壓器運行狀態精準評估，用時大幅縮短
特高壓直流工程是“外電入魯”的主要通道，其核心設備換流變壓器每年需要開展多輪健康評估。人工評估主要靠檢修專家的知識儲備和工作經驗。
2024年，國網山東電力打造省公司級智算中心，開展通用電力大模型研發工作，具備了人工智能規模化應用條件。光明電力大模型上線后，該公司迅速完成本地化部署，將特高壓換流變壓器作為大模型首個試點應用場景，依托±800千伏廣固換流站特高壓設備智能運檢工作，開發設備狀態評估智能體，提升評估效率，豐富研判維度。
國網山東電力組織設備專家深入研究公司系統現役換流變壓器的典型故障和缺陷案例，形成設備典型問題和運維技術報告，詳細梳理山東17臺換流變壓器的管理要求和技術標準，構建包含設備狀態、環境、運行等數據的專用知識庫，為設備狀態評估智能體研判提供數據支持。
在此基礎上，國網山東電力專家團隊將溫度、振動、紅外圖像等8個維度的設備監測數據分為文本、圖像和時序3類，建立監測數據關聯關系，并利用大模型的多模態融合能力，構建具有統一理解標準的整體模型，支撐智能體綜合判斷。專家團隊還設計了基于思維鏈的變壓器狀態評估策略，按照分項評估、結論融合、綜合研判的順序，訓練大模型按照仿生思維鏈調用各類數據診斷模型，對多維數據開展多模態融合分析，自主生成設備監測數據異常診斷報告。
依托設備狀態評估智能體，國網山東電力開發了換流變壓器設備健康智能評估系統，并于2024年3月在廣固換流站檢修中首次應用。該系統自動讀取8類154個量測點的實時和歷史數據，經過深度仿生思考，排除外在影響并參考行業導則和典型經驗綜合分析后，用1分鐘便生成評估報告，給出詳細處置建議。經對比，該系統生成的建議與現場專家團隊的評估結論一致。
“智能評估系統已具備精準診斷13項換流變壓器常見故障的能力，將廣固換流站24臺換流變壓器的健康評估時間由7天縮短至1分鐘。”國網山東超高壓公司直流運檢員王青朋介紹。
電網調度智能決策，從經驗驅動轉向智慧驅動
入夏后，山東淄博高溫、強對流天氣頻發。淄博供電公司數字化部根據“電網調度智慧大腦”應用預測的用電負荷，提前聯系相關部門做好應急準備。“我們基于‘電網調度智慧大腦’應用整合淄博市109座氣象站點數據，匹配8類預警模型，疊加分析天氣情況和負荷趨勢，輔助調控中心精準決策、及時優化電網運行方式。”該公司數字化部副主任魏云飛介紹，當負荷預測數據接近預警值，調控人員可以啟動“智能一鍵順控”程序，迅速完成負荷轉移，保障電力可靠供應。
“電網調度智慧大腦”應用由國網山東電力調控中心基于光明電力大模型開發，具備自主學習、海量搜索、結構化分析和智能決策能力。該應用構建了大小模型協同思考機制，大模型作為“指揮中樞”，依托思維鏈推演并高效組織小模型工作;小模型可以精準計算，為大模型提供數據支撐。該應用還能通過歷史樣本訓練持續提升負荷預測精度和主動服務、自主迭代能力。
接入電網運行、設備臺賬、氣象信息等全量數據后，“電網調度智慧大腦”應用結合區域特點構建了山東區域氣象模型，能夠深度挖掘歷史數據與環境等信息的深層次規律，確定預測影響因子。“入夏以來，該應用將未來48小時氣象預報的更新頻率提升至每1小時一次，在6月10日和15日兩次重大轉折性天氣時，負荷預測準確率達到99.13%，較傳統預測方式高出2.15個百分點。”國網山東電力調控中心綜合技術處副處長李乃永說。
“調度智慧大腦”應用還融合語義大模型和知識圖譜技術，可以智能解析操作票內容，匹配檢修申請與電網拓撲結構，具備調度操作安全校核等功能，推動電力調控業務從經驗驅動轉向智慧驅動。山東電網2025年春檢中，該應用輔助完成一次防誤規則與二次措施要求協同校核等工作，實現3000余條操作指令準確無誤。
全渠道工單預警分析，精細處置閉環管理
國網山東電力每天受理的服務工單數量大，涉及類型雜、渠道多，傳統的工單分揀模式存在跨系統數據響應滯后等問題。為了滿足客戶精細化、個性化需求，該公司依托光明電力大模型開發全渠道工單智能預警分析應用，對不同渠道、不同類型的工單實施“數據融合、智能研判、主動預警、精準處置”閉環管理。
數據治理是提高工單處理質量的重要環節。全渠道工單智能預警分析應用貫通營銷2.0等5個業務平臺數據通道，應用大模型的語義理解能力準確區分工單內容，生成供電質量、業擴報裝、電費電價等7類標簽，再應用大模型的實體識別能力修正模糊地址等不規范數據，數據清洗準確率達98%。
依托大模型的思維鏈推理機制，全渠道工單智能預警分析應用將供電服務7類23項業務規則轉化為模型邏輯鏈條，實現工單智能研判。“比如，針對故障搶修，該應用會提取工單中的停電范圍、故障現象等關鍵特征信息，再匹配歷史同類案例的處置方案，智能生成包含搶修隊伍調度等內容的全流程建議。”濰坊供電公司數字化部主任姜光介紹。
全渠道工單智能預警分析應用還基于知識圖譜技術，構建“客戶、設備、業務”關聯關系，可以生成“高風險區域熱力圖”“訴求趨勢預測”等動態看板，以及包含工單處置率、客戶滿意度等18項指標的分析報告，為營銷管理提供依據。(任曉文 趙振達)
評論