结论：算力即国力，电力支出占大模型训练成本的60%，大模型训练一次你需要1200万美元，其中720万美元花费在电力，电力降本增效空间巨大。而在周末华为首席科学家说的几个应用行业里面也提及到电力，可见电力的重要性，AI+电力势在必行，如周末华为提到的电力巡检。

电网的潮流状态和潮流预测，基于经典电力网络仿真，是建立机理数学模型，然后用矩阵算法去收敛。未来可能不需要了，AI直接就根据每个节点的状态去识别和预测出某个模态班图。

节点越多，而经典矩阵算法越不喜欢，因为算法复杂度随节点数量增加，几何级数的增加，而AI偏偏喜欢超大规模的节点并发，因为识别和预测最可能的网络模态是AI擅长的。

无论是围棋的下一步预测（AlphaGO可以预测后面几十步，每一步都有无数种可能），还是天气复杂系统的模态预测，AI的精确度都比机理模型高很多。

电力行业绝大多数是结构化、半结构化数据，比如电压、电流，是时间序列的点数据集合，是半结构化的。

结构性数据集合，需要让计算机理解，是需要“对齐”的，比如设备对齐——一个开关的电压、电流、功率数据，都需要对齐到这个节点上。

还有更麻烦的是时间对齐，要根据时标去对齐电压、电流、有功无功，这样才能后续识别。还有正反向，是四象限的空间对齐。

不像文本数据，不用对齐，一段话扔给计算机就行了，它自己去识别出可能的信息关联。

为了对齐这件事，比如营配数据的设备对齐，而且是不断需要对齐，因为中低压配网每天都在增删改设备和线路，电网公司花费巨大的人工成本。

其次，电力领域的数据获取成本很高，都要装传感器，而不是有个手机就能说话拍照。电压每降低一个等级（或者配电关系每降低一个层级），所需传感器投资至少增加一个数量级，

如果要识别电网暂态模式，那需要高精度高频采样，这一块未来增量其实非常大。

随着大量分布式光伏、分布式储能的并网，以及负荷侧虚拟电厂的应用需求，客观上需要对公共配电网系统、用户配（微）电网系统，进行源、荷预测，以及配（微）网的实时潮流优化。

配网侧的计算复杂度其实高于输电网调度，即使一个商业综合体，负荷设备就可能几万几十万，开关成百上千，所以AI+电力势在必行，这是一个非常大的应用场景。

 

恒华科技：能源行业垂直模型，电力+算力降本增效，应该是市场唯一还在低位的300+垂直模型+海量数据+AI电力。

在行业应用拓展方面，积极推进AI+BIM的应用场景与解决方案。一是AI+BIM服务智能设计与建造，在输电、变电、配电、新能源等业务中的标准化及复杂度较低的场景中尝试AI技术突破，利用人工智能辅助或取代部分人工设计工作，在工地现场结合BIM、装配式建造、物联网和AI技术为工地管理提供安全、优质、高效的工程建造服务；二是AI+无人机服务于勘测、监测和巡检，在工作条件恶劣或成本较高的场景，结合无人机或机器人，利用人工智能降低电力、水利、交通等行业现场作业的人工成本；三是AI+能源大数据分析与增值服务，在多年积累的电力大数据分析、AI模型和知识图谱基础上，结合针对外部AI大模型进行勘察设计、运检及用户侧用能等行业调优，拓展多场景增值服务。

公司有海量电力数据，电力领域的数据获取成本很高，都要装传感器，而不是有个手机就能说话拍照。电压每降低一个等级（或者配电关系每降低一个层级），所需传感器投资至少增加一个数量级。

今年一月份9亿元订单，历史最牛逼业绩，去年全年营收也才6亿元。这么低的位置，基本属于可能亏时间但必赚的股。

 

智洋创新：电力，铁路，水利巡检 华为cv大模型，电力版“海天瑞声”，懂的都懂。

公司是电网输变电线巡检AI算法龙头，自研智洋AI开放平台，自主进行大数据导入、数据标注、数据训练，为算法模型提供丰富训练集。

22年6月公司与华为合作，双方将基于昇腾AI打造行业智能运维管理平台，致力于为输电等电网环节和新能源发电等行业场景提供智能化解决方案。

23年2月23日互动表示，公司以物联网+无人机+人工智能+数字孪生作为技术和产品方向，积极研发无人机全自动巡检产品，水利数字孪生全域管理平台、铁路运行环境安全智能管控系统等产品。

资料：ChatGPT火爆 电力AI春天来了么？

https://news.bjx.com.cn/html/20230323/1296575.shtml