电力设备行业研究：AI+电力场景明晰

　二、发电功率预测、输变电智能运维巡检，有望成为 AI 率先赋能方向

　　2.1 智慧融合为新型电力系统建设推进基础保障，国网智能化投资维持较高增长。

　　安全高效、清洁低碳、柔性灵活、智慧融合为新型电力系统基本特征。1 月 6 日，国家能 源局发布《新型电力系统发展蓝皮书(征求意见稿)》, 以新能源为主体的新型电力系统 是以新能源为供给主体，以确保能源电力安全为基本前提，以满足经济社会发展电力需求 为首要目标，以坚强智能电网为枢纽平台，以源网荷储互动与多能互补为支撑，具有安全 高效、清洁低碳、柔性灵活、智慧融合基本特征的电力系统。

　　智慧融合是构建新型电力系统的基础。新型电力系统以数据为核心驱动，呈现数字与物理 系统深度融合特点，系统控制运行由“量测-控制”模式向多物理系统的状态感知、智能 学习和预测控制等方式转变。1)状态感知：电网内外参与耦合运行的物理系统，将从局 部的感知量测,向全局的确定性精准映射转变。2)智能学习:由于参与要素的多样性，将 从单纯物理量的分析，向包括人的行为在内的非物理量的感知和智能研判进行转变。3) 预测控制：将从电力物理系统的机理模型仿真和预测，向融合机理和数据模型的信息物理 耦合仿真预测转变，提升随机变量的预测精度，并应用于电网逐级调控和控制引导。

　　新型“源网荷储”协同调控，保障电力可靠供应。传统电力系统可根据用电侧的负荷来调 整电源的发电量，其前提是用可控的发电系统去匹配波动幅度不大且可测的负荷端，在运 行过程中滚动调节，从而实现电力系统安全可靠运行。在新型电力系统下，由于随机变化、 弱可控的电源并不容易直接跟随可测性降低的负荷做出调整，电力系统需要从“被动”的 跟随调控，转化为“主动”的协同调控。通过源源互补、源网协调、网荷互动、网储互动 和源荷互动等多种交互形式，充分发挥发电侧、负荷侧的调节能力，促进供需两侧精准匹 配，保障电力可靠供应。

　　预计 23-25 年国网智能化投资为 893、954、1008 亿元，每年维持 5-7%较高速增长。2023 年国网计划投资超 5200 亿元，同比 2022 年的计划投资 5012 亿元增长 3.8%。“十四五” 初期规划 2.6 万亿，当前 21-23 投资额已达成 15200 亿元，考虑到特高压直流建设加速等 因素，“十四五”期间实际投资额有望超预期。我们预计 23-25 年实际投资规划为 5250 亿元、5450 亿元、5600 亿元，每年增速为 3-5%。智能化投资占比方面，根据《国家电网 智能化规划报告》， “十三五”智能化投资占比为 12.5%，预计“十四五”期间整体智能 化投资占比 17%，我们假设 23-25 年智能化投资占比为 17%、17.5%、18%，则对应投资金 额 893、954、1008 亿元，每年增速 5-7%。

　　2.2 发电功率预测：基于 AI 的预测模型为当前研究主线，旨在提高预测精度

　　发电功率可靠预测是新能源大规模有序并网的关键。新能源发电对天气依赖较强，具有间 歇性和波动性特征，因此发电电量较难预测，大规模集中并网会对电网的稳定运行产生较 大的冲击。因此新能源发电的准确预测可帮助电网调度部门提前做好传统电力与新能源电 力的调控计划，改善电力系统调峰能力，增加新能源并网容量。

　　功率预测相关政策趋于严格，“双细则”加强考核。2018 年 3 月，国家能源局印发《关于 提升电力系统调节能力的指导意见》，要实施风光功率预测考核，将风电、光伏等发电机 组纳入电力辅助服务管理。各地区能源局随后纷纷发布了本区域《发电厂并网运行管理实 施细则》和《并网发电厂辅助服务管理实施细则》(“双细则”)，加强对新能源发电功率预 测的考核，明确和加强考核罚款机制，发电功率预测精度直接影响到电站的运营与盈利。

　　新能源功率预测分类：(1)按照时间尺度：分为超短期、短期、中长期预测;(2)按照空 间尺度：分为单机预测、单场站预测、区域预测;(3)按照建模方法：分为物理建模方法、 时间序列建模方法、基于机器学习和深度学习等的人工智能建模方法。 超短期和短期预测均用于电网调度。根据各能源局《发电厂并网运行管理实施细则》：(1) 电站必须于每天早上 9 点前向电网调度部门报送短期功率预测数据，用于电网调度做未来 1 天或数天的发电计划;(2)每 15 分钟向电网调度部门报送超短期功率预测数据，用于 电网调度做不同电能发电量的实时调控。

　　基于人工智能的预测模型具有诸多优点，为当前主流研究领域。相比物理建模、时间序列 建模等传统方法，基于 AI 的预测模型对于高维非线性样本空间具有良好的拟合能力;模 型参数基于数据训练得到，更容易获取;模型的输入特征亦可灵活构建;结合智能优化算 法还可进行参数自动寻优，进一步省去了人工调参的工作量。

　　当前 AI 在功率预测领域的应用主要包括：模型输入、模型构建和参数优化。(1)模型输 入：包括数据预处理、数据增强和特征构建;(2)模型构建：包括 ANN、SVM、决策树模 型为代表的传统机器学习算法，基于深度学习的新一代 AI 技术，以及融合多种模型的组 合预测技术;(3)参数优化算法：包括进化算法、群智能优化算法等静态优化算法和强化 学习等动态优化算法，主要用于模型训练和组合参数优化。

　　功率预测技术路线主要包含数据计算、传输及模型优化。以国能日新为例，公司基本实现 功率预测算法模型的自动匹配及预测数据的自动计算发送，因此在项目日常营运端，人力 投入较少，仅在少数场站模型远程匹配失败的情况下，由业务人员前往现场完成模型修正。 在模型优化方面，一般会按照设定的周期，由智控平台中的模型算法程序自动重新选取最 优功率预测模型，并将其自动匹配至站场服务器。

　　新能源功率产品每日工作流程(以国能日新产品为例)：①获得原始气象预报数据、②通 过建模计算后得到更高精度的气象预测数据、③进行短期功率预测数据计算、④传输短期 功率数据到所服务电站、⑤在电站软件中进行超短功率预测、⑥报送数据至电网调度部门。

　　当前线性回归模型和树模型实际应用效果好，深度学习类模型表现亮眼。全球能源预测大 赛(GEFCOM)至今已经举办过三届，有超过 60 个国家的数百只队伍参赛，在历届优胜算 法中，线性回归模型和树模型实际应用效果最好。此外，在 2021 年国家电网调控 AI 创新 大赛，新能源发电预测赛道中，基于决策树的同质集成算法在实际应用中效果较好，还有 优胜队伍使用了深度学习类模型，表明深度学习模型逐渐在实际应用中崭露头角。

　　业内成熟的功率预测系统主要采用组合建模方法。实际功率预测系统采用的技术路线由早 期的物理建模方法，过渡到以数据驱动方法为主，且几乎全部为组合建模方法。组合建模 可通过串行和并行两种方式分别减少模型的偏差和方差，从而提高预测精度。

　　2024 年新能源功率预测市场规模 13.4 亿元，国能日新为行业龙头。根据沙利文报告，2019 年我国发电功率预测市场的市场规模约 6.3 亿元，到 2024 年市场规模将增长至约 13.4 亿元，2019 至 2024 年均复合增长率将达 16.2%，其中光伏发电功率预测市场规模预计为 6.5 亿元，风力发电功率预测市场规模预计为 6.9 亿元。市场格局方面，国能日新为行业龙头，2019 年公司在光伏和风能发电功率预测市场的占有率分别为 22.3%和 18.8%。

　　华为盘古气象大模型精度首次超过传统数值方法，速度提升 10000 倍以上。华为云发布 的盘古气象大模型 1 小时-7 天预测精度均高于传统数值方法，同时预测速度提升 10000 倍，能够提供秒级的全球气象预报(传统数值预测方法无法做到)，包括位势、湿度、风 速、温度、海平面气压等。同时，盘古气象大模型在一张 V100 显卡上，只需要 1.4 秒就 能完成 24 小时的全球气象预报。

　　2.3 智能运维与巡检：AI 有望全面升级巡检产品，行业空间预计突破百亿

　　我国输电线回路与变电设备存量规模大，投运总规模平稳增长。根据中电联数据，截止 2022 年，全国电网 220 千伏及以上变电设备容量共 51.98 亿千伏安，同比增长 5.2%;220 千伏及以上输电线路回路长度共 88.2 万千米，同比增长 4.6%。从新增量看，2022 年全国 新增 220 千伏及以上变电设备容量 25839 万千伏安，同比增长 6.3%;新增 220 千伏及以 上输电线路长度 38967 千米，同比增长 21.2%。2021 年、2022 年，220 千伏及以上变电设 备容量增速维持在 5%左右，220 千伏及以上输电线路回路长度增速维持在 4%。新增规模 中，变电设备容量增量位于近十年次高点，输电线路回路长度增量为近十年第三高点。

　　电力系统运维管理分为：“被动”-“主动”-“ 状态检修”三个阶段，“状态检修”策略 及时性和可靠性高。由于输变电线路架设在各种自然环境中，常年经受日晒雨淋，难免会 造成电力设备缺失或损坏，应当及时发现各种劣化过程的发展状况，并在可能出现故障或 性能下降前，进行维修更换。电力系统运维管理主要包括“被动”运维、“主动”运维、 “状态检修”策略三个发展阶段，其中“状态检修”策略提高了故障发现的及时性和电网 运行的可靠性。

　　人工巡检诸多劣势，AI 替代是大势所趋。电力行业有大量巡检工作条件恶劣，传统人工 巡检的工作难度大、危险指数高、及时性低、工作量大;采用智能巡检，既具有人工巡检 的灵活性和智能性，同时响应更加及时、效率更高、成本更低，随着技术的发展，智能机 器人技术具有广阔的应用前景，未来电气行业无人化巡检将成为行业常态。 AI 替代人工性价比更高。以 500kv 变电站为例，人工巡检模式下需要 4 个工人耗费一个 礼拜的工时才能进行一次全面检查，假设每位工人年薪约 8 万，而同样的工作量，一台巡 检机器人能在更短的时间内完成，其平均成本为 65 万/台，计提折旧后约 16 万/年，使 用巡检机器人比人工巡检能节约 16 万/年。

　　输电线路智能运维与巡检主要分为可视化状态监测、无人机巡检、及机器人巡检等方式。 1)可视化状态监测：能够全天候全时段在线自动运行监测的方式，能够及时发现安全隐 患及对本体整体运行状态进行评估;2)无人机巡检：作为线路特巡的一种手段，对线路 进行巡视，可用于发现线路较为细节的缺陷，通常需要专业人员在现场操控才能完成对线 路的巡视;3)机器人巡检主要用于变电站、配电房、电缆隧道等场景应用，可按照设定 的线路或铺设的导轨对重点点位进行巡视。

　　电力巡检机器人行业规模测算：输电线巡检、变电站巡检、配电站巡检及隧道巡检是电力 智能巡检的核心应用场景，其中主流巡检场景为室外和室内。假设：1)变电站及配电房 数量 2020 年后保持年增速 3%;2)依据国家能源局智能电网的规划覆盖目标，假设渗透 率未来四年保持年增速 2%;3)随产品技术升级与竞争加剧，预计机器人单机价格持续小 幅下滑;4)变电站/配电房配置机器人比例分别为一机一站/一机两房。综上，预计 2025 年我国室外/室内巡检机器人市场规模分别为 54/118 亿元，市场空间广阔。

　　AI 技术有望全面升级智能巡检产品，包括快速清晰建模、AI 辅助拍摄、和智能检测。 1)快速清晰建模：例如，NERF 是一种基于神经网络的三维重建算法，它可以从 2D 图中， 快速高效地生成高质量的 3D 场景模型。其输入稀疏的多角度带 pose 的图像训练得到一个 神经辐射场模型，根据这个模型可以渲染出任意视角下的清晰的照片。 2)AI 辅助拍摄：无人机结合 AI 辅助拍摄技术，可以实时对目标位置进行识别，动态调 整云台角度，得到准确目标位置的照片。综合利用相机光线动态补偿技术和精准对焦技术， 保证照片拍摄质量，有利于输电线路的安全运行和快速巡检。

　　3)智能检测：变电站、换流站中的电力设备普遍都具备的明显特征，包颜色、材质和纹 理等。利用图像处理和识别能力，对采集到的设备图像进行图像处理，从而判断是否发生 故障或不正常。智能巡检机器人可使用搭载红外传感器、电磁感应传感器和高清摄像头， 对电气设备进行多维度、近距离的监测。还可采用无人机搭载高清摄像仪和红外传感器， 完成对铁塔、导地线和绝缘子串的运行状态监测和安全评估。

　　盘古大模型加持电网智能巡检，代替传统 20 多个小模型。应用盘古 CV 大模型，利用海 量无标注电力数据进行预训练和筛选，并结合少量标注样本微调的高效开发模式，独创性 地提出了针对电力行业的预训练模型。在模型通用性结合盘古搭载的自动数据增广以及类 别自适应损失函数优化策略，做到一个模型适配上百种缺陷，替代原有 20 多个小模型。 从而做到平均精度提升 18.4%、模型开发成本降低 90%。目前，华为在 L2 级细分场景模 型上，已经推出基于电力大模型的无人机电力巡检、电力缺陷识别等场景模型。