AI + 电力是能源领域数字化转型的核心驱动力。电力系统天然需要预测、调度、优化、控制——这正是 AI 的强项。从发电预测到电网调度，从故障检测到需量管理，AI 正在让电力系统更智能。

为什么重要？光伏和风电"靠天吃饭"，预测精度直接影响电网稳定性。误差每降低 1%，新能源并网容量可提升 3~5%。

光伏发电预测流程：

天气数据 ─┐
气象雷达 ─┼──→ 特征融合 → 时序模型(LSTM/TFT) → 功率预测
卫星云图 ─┘
              │
        历史发电数据 ───────── 模型校准 ───────┘
              │
        预测结果：
        • 短期（0~6h）：15 分钟粒度，用于实时调度
        • 中期（1~7d）：1 小时粒度，用于机组组合
        • 长期（月/季）：用于检修计划、电力交易

精度指标：
• 光伏：RMSE 5~8%（先进）
• 风电：RMSE 8~12%（风电波动更大）
• 传统方法：RMSE 15~25%

传统调度 vs AI 调度：

┌──────────────┬────────────────────────┬────────────────────────┐
│              │     传统方法            │     AI 方法              │
├──────────────┼────────────────────────┼────────────────────────┤
│ 负荷预测     │ 时序外推 + 人工经验      │ Transformer + 多模态融合  │
│ 机组组合     │ 混合整数规划（计算慢）    │ 强化学习近似最优解        │
│ 经济调度     │ 线性规划                │ 深度强化学习              │
│ 安全校核     │ 离线枚举                │ 在线学习的代理模型        │
│ 新能源消纳   │ 保守预留空间             │ 概率预测 + 动态调整       │
└──────────────┴────────────────────────┴────────────────────────┘

虚拟电厂 = AI 调度 + 分布式能源聚合

             ┌─────────────┐
             │  虚拟电厂平台 │
             │  (AI 调度)   │
             └──────┬──────┘
                    │
     ┌──────────────┼──────────────┐
     │              │              │
  ┌──▼──┐     ┌────▼───┐    ┌───▼───┐
  │光伏  │     │储能电池 │    │充电桩  │
  │屋顶  │     │(充放电) │    │(V2G)  │
  └─────┘     └────────┘    └───────┘

AI 的作用：
• 聚合海量分布式资源（成千上万的光伏/储能/充电桩）
• 实时预测各资源出力和负荷
• 优化调度策略：什么时候充电、什么时候放电
• 参与电力市场：在电价高时放电，低时充电

市场规模：全球 VPP 市场 2025 年约 50 亿美元，2030 年预计 200 亿+

1. 安全第一 — 电力系统容错率极低，AI 决策必须可解释、有边界
2. 极端天气 — AI 模型可能在训练数据外的极端情况下失效
3. 数据孤岛 — 发电、输电、配电数据分属不同主体，难以打通
4. 实时性 — 电网调度要求毫秒级响应，复杂模型难以落地
5. 合规要求 — 电力行业监管严格，AI 输出需符合调度规程