不止ChatGPT，新型电力系统算力“告急”

8月27日，由中国电力企业联合会、中国中小企业协会、协鑫集团主办的“长三角数字能源算力大会暨专精特新产业融合发展论坛”在苏州举办。会上，清华大学北京信息科学与技术国家研究中心研究员曹军威、中国南方电网有限责任公司专家委员会副主任委员余建国、北京电力交易中心新能源交易部副主任张楠、北京大学高性能计算平台技术负责人樊春、NVIDIA英伟达中国教育科研与能源业务总经理马庆胜、中国电科院电力自动化研究所电力市场室副主任郑亚先，围绕“重大算力需求与新型电力系统”这一主题作了分享。中国能源研究会副理事长兼秘书长孙正运担任了此次分享的主持人。

孙正运：今天我们对话的题目是《重大算力需求与新型电力系统》。随着双碳战略的不断推进，新型电力系统不断在实施落地，新能源的波动性不确定性，对电力系统的安全稳定运行和用户的可靠供电，带来非常大的挑战。

第一个问题是，进入数字时代，构建新型电力系统过程中，从理论到应用场景，如何理解算力和电力的关系，两者发展的未来价值和现实困难分别是什么？

曹军威：也许我们会觉得两者的融合自然而然，但实际上算力与电力之间的融合发展经过了几十年的历程。

这最早可以追溯到1998年，信息技术领域面临计算机的硬件软件不能去分享的问题，购买一台计算机，其资源、软件、硬件利用率都很低，这应该是算力和电力第一次产生碰撞。

为了学习当时看来更先进的电力系统，学术上开始研究计算是否也同样能用多少花多少钱，这实际上就是电力跟算力之间思想理论上融合的开始，也是第一个阶段。

第二个阶段在2003年、2004年的时候。当把算力或计算资源看成底层的基础设施，我们发现它的运行时，50%的成本来源于电力消耗。所以彼时学术界在计算任务中必须要考虑能耗和电量。

第三个阶段在15年前，电网、电力的人，开始认识到信息技术的重要性，从美国到国内开始研究智能电网，这导致信息技术在电网电力系统的广泛应用。

后一个阶段是10年前，我们提出了能源互联网的理念和技术架构，就是把底层的信息能量、基础设施一体化，自上而下地构建能源基础设施，跟上层智慧能源、信息价值的分享，结合在一起形成一个所谓能源互联网的整体技术架构。

到了最近5年，新基建首次把信息基础设施纳入到整个基础设施，原来我们讲基础设施都是指电网或者交通，比如电力上的“西电东送”战略，算力则有“东数西算”。

如今能源企业想进入算力行业；反过来，很多互联网技术公司多年前就参与到新能源的建设里，从这个发展趋势上看，未来的价值就在于能源信息基础设施一体化。

清华大学北京信息科学与技术国家研究中心研究员曹军威。

余建国：随着新能源逐步推进、建设，传统能源发生了很大变化。但新型电力系统的建设不是一蹴而就的，它有个过程。在这个过程中，我们已经感觉到传统电力系统所面临的一些问题，在新型电力系统中会更加突出，更加凸显。

在传统电力系统中，主要是集中式的能源、发电厂。如果需要对电力系统进行分析或事故预警等，就是抓住一百多、最多两三百个主力电厂。

但日后的能源主体更多是风和光，且现在它们的装机容量已经超过了传统煤电，变成第一了。如果我们沿用传统方式，以几百个电厂来代表电源端是根本不可能的。

另外传统电力系统向新型电力系统过渡，往后的潮流是双向的，不单是传统电力系统那样简单地从电源到输电到用户，现在用户和电源是可以互换的。我们的潮流有可能倒转，这对我们的分析带来很大的问题。

我觉得新型电力系统的发展，离不开数字化、信息化，所以以后我们的电力网络，形态就是电力+算力。这也是南方电网五六年前就提出来的概念，我们也是按这个方面去做了，这两个要高度融合，才能适应新型电力系统的发展。

此外，我们对新型电力系统建设，我觉得还存在很多问题。电力行业对新型电力系统的建设一些基础理论、包括我们分析的手段、方法，目前还不完善，还需要继续去做。

张楠：电力市场建设也是新型电力系统里面一个重要的课题，无论是政策还是市场形态，到目前已经发生了很大的变化，其中也体现出了数据量巨大的变化。

随着市场体系越来越复杂，中长期交易我们出现了分时段的交易结算、常态化开市，现货市场和辅助服务等，应对不同的市场场景。

在这个过程里面，数据量在大幅度增长，比如过去我们每个月可能只有一个电量电价；有了分时段交易结算之后，每天24小时的电价，合到一个月里面就是720个电价；现货市场阶段是15分钟一个电价，每天96个电价，一个月接近3000个电价。从数据量来说，从一个数据发展到成千上万数据，都需要大规模算力的支持。

还有一个变化就是，过去购电和售电都是基于电网公司来进行，所以当时用户购电只有一个地方，而目前市场化的电量，占全社会电量的比例已经达到60%以上。

现在的市场体现出更多的双边性，用户可以跟发电企业直接签约，在这种背景之下，又出现了一个新的纬度。过去我们可以只关注发电侧、用电侧这两方面单独的数据，有了新的市场互动之后，增加了大量的数据交互和数据需求，所以算力对市场体系来说，未来必然会是一个相互融合，也是支持整个市场体系建设的过程。

樊春：算力中心对电的需求是很大的，同时算力的进展也对电力的供给提出了一些挑战。我们在学校里，建很多的算力中心是很困难的，因为申请不了那么多电。

因此，在国家还没有“东数西算”这个概念之前，我就提出了“西算东数”的概念，当时希望把我们的算力中心搬到西部去。

为什么要搬到西部去呢？因为我们在学校的电费0.691元/度，在内蒙古或者其他地方，我们可以拿到两毛多一度的电费，这样的话，我的算力中心一年就可以节省好几百万的电费。

在这个过程当中，我就体会到，算力和电力是一个非常强耦合的关系，没有电力就没有算力，同时算力能对各行各业，包括电力系统形成一个很强的支撑作用。

我们在过去几年中建立了一个公共平台，虽然只有很少的算力投入，但为很多领域做出了一些原创性的贡献。有一家跟我们紧密合作的企业，用我们算力资源，在很短的时间内研发出一款疫苗，估值已经超过两百亿。

小小的算力投入可以带来巨大的社会的变革，也会产生一些新的这个企业。但算力行业也是智力密集型行业，需要做好艰苦奋斗的准备。

马庆胜：在今天数字经济以及人工智能大模型的整个形势下，算力也成为电力一个很大的使用者，换句话说是能耗大户。

在今天算力是明显需求的情况下，如何来有效地使用算力，把算力发挥到极致，进而能够实现对能源有效利用，我觉得这既是对能源的尊重，也符合国家节能减排，甚至对人类社会有贡献。

另外，在今天的形势下，传统的源、核，以及中间的输电配到今天要关注源端的各种新型的供应系统，以及在核端的新能源汽车，以及储能所带来的挑战和变化，如何使得整个新型电力系统能够适应如今面临的挑战，更有效地融合调度，并保证稳定安全的前提下，能够更好地服务。

在这个方面，在人工智能、数字经济特别是大模型以及算力的支持下，或许可以更好的促进新型电力系统的健康规划和建设发展。

郑亚先：从电力方面管理算力的需求来看，我觉得新型电力系统确实是催生了对于算力方面的巨大需求，而且越来越迫切、明显。

例如，现在各个省电源桩结构不一样，新能源波动比较大。这时候新能源消纳更多是在全国范围内，因为不同的时间，功率分布都有差异。

全国范围内有交易需求后，则需要考虑省跟省之间输电通道能力不能超出它的限制等，这就变成了计算的问题，而实际上这是优化的问题，怎么样达到最高的效益来安排采购需求。

调度运行时又发现，新能源的波动性特别大会导致预测准度存在很大偏差，特别是一些分布式的光伏。早些我们实时调度安排时，都是按照15分钟一个间隔来做，但这样安排不行，因为预测偏差太大了。

15分钟之前，更早的时候安排出来的计划完全没法执行，所以要在5分钟之内把所有的电网运行约束都考虑在内，形成一个合理的安排，这个计算的强度比较大。但如果把算法集成上，模型层也做一些优化，就能保证在5分钟之内一定完成计算。

需求推动会贡献价值，优化目标每一点改进，带来的都是巨大的收益，所以我觉得新型电力系统带来了比较大的算力需求。

孙正运：请问曹研究员，数字时代数据是生产要素，算力侧是生长地，数字价值的挖掘及算力的支撑，你认为从理论到实践，电力企业结合自身的特点，可以做哪些富有成效的探索？

曹军威：针对这个问题从电力企业的角度怎么来结合，在通用人工智能这一波新的技术发展浪潮中，能够快速取得一些突破和成效，我提3点建议。

第一，用户体验的提升。我觉得能源电力企业如果想快速的打造AI算力，最应该做的，直接要发挥出来现在通用人工智能对用户体验质的提升优势。如果能打造垂直领域的AI大模型，实际上是很快可以解决一些痛点，提升用户体验。

第二，突破认知障碍。我们现在做的很多工作，双碳、能源互联网等，很大的障碍就是认知上的障碍，因为它很专业，又跨领域，我们很难做到。但通用人工智能在知识上的积累和学习，让我们有机会在跨领域的认知层面上取得边际效应。

第三，创新商业模式。通用人工智能的发展，现在已经体现出来了，比如说平台化，我不要从头做了，科技开源、创新商业模式，颠覆传统能源领域的一些问题，都存在相应的机遇。总之我觉得应该快速地找到杀手级的应用，去解决、管理超大规模的分散储能，大量的光伏、充电桩，以及需求侧的管理。

孙正运：请问余总，新能源占比大幅提高是构建新型电力系统的主要组成部分，这要求源网荷储协同发展，你认为要实现这一目标，大算力产业在这其中扮演什么样的角色？

余建国：我用个不恰当的比喻，新型电力系统与算力的关系就像人的身体一样，电力是人的血肉，算力就是大脑和神经网络。

传统电力系统的资产利用率是不高的，我做过很多年的资产管理工作，我们主网设备即电网设备利用率，大概是40%，与日本的知识产权用电70%差别很大，而配网利用率大概只有30%，差距就更大了，原因在于传统电力系统的分析工具、分析方法存在局限性。

如果我们现在有强大的算力、足够多的数据能够做实时分析，运行控制可以随时调控，资产利用率就会大大提高，也就没有必要再重复投资很多资金去进行电网或配网改造，所以在这块我觉得算力的支撑是非常重要的。

以及设备需要做的定检，即定期三年五年检一次大修。随着数字技术以及数据获取能力的提高，我们的设备都是可测、可观、可控、可分析。

这种情况下，我们再建一大算力的能力，对设备的健康状况实时分析，并根据实际需要对设备的预示做出安排，这些工作在南方电网和国家电网，都取得了非常好的效益。

此外，其他问题也可以通过算力的提高来解决，所以在我们看来，新型电力系统建设的发展，更需要算力的支持。

孙正运：我国电力交易市场的不断完善，但是从目前市场看，交易规则掌控是难点，交易品种不同、规则不同、标准不同等问题，张主任，你认为数据算力是否可以有效解决部分难题，如何解决？

张楠：随着市场大规模的发展，规则体系也在不断地发展完善，并变得复杂，对于我的市场主体特别是发电主体来说，也是非常大的挑战。

比如从我刚才说的数据来看，参与交易的时候，面对的数据不是从1~100的幅度的增长，而是达到了1~1万的增量，在这种情况之下，算力就变成了一个基础设施，否则很难支撑市场的运行。

随着未来算力与市场数据的结合，一定会有更好的效果，比如通过大数据的分析，找到让市场主体更好报价的方式，同时对我们交易机构来说，也能更好地分析我们的市场规则是否完善，是否能够支撑市场健康运行。

主持人：下一个问题要问樊老师，无论是算力产业还是新型电力系统都不是一家公司、一家科研院所能够独立完成的，作为具有国际影响力的一流科技创新和孵化平台，你对务实企业初有成效的推动行业发展有何建设性的意见，以及可以参考的成功经验？

樊春：刚才主持人从算力预测的重要性谈到算力的重要性，以及应用场景这些重要性，我想说的就是咱们现在已经有了硬件设备，还有很多供应商，但是设备是一方面，就像我们买了一台电脑一样，第一件事情要装好的操作系统，在我们数据中心/算力中心，就需要有一个好的资源管理系统。

另一方面，我看咱们规划了15个城市，都要做算力中心，操作系统应该是能够互相联网的，所以说算力中心形成的算力网络也需要进行关注，算力网络和算力中心都有了之后，对于算力资源的数据调度也是很重要的。

主持人：请问马总，在数字经济快速发展过程中，特别是AIGC的爆发式增长下，算力成为不可或缺又非常重要的一个技术资源，在这种情况下你如何看待这些供需矛盾，又有哪些建议？

马庆胜：在大语言模型特别是ChatGPT出现后，非常明显的就是算力跟需求之间的供需矛盾。

今天基于语言大模型下的人工智能技术，看起来具备解决很多现实问题的能力，甚至对人类的生活、生产、科学研究都有非常大的推动能力，但大模型对算力的需求非常大，且需要海量的数据去训练，如果冷静地看一下，是否任何领域、行业都一定要做通用大模型？其实不然。

通用大模型虽有利，但也存在明显不足，在特定的细分市场、细分领域，通用大模型无法拿到准确而详实的数据，也无法准确满足企业的需求。

因此要想把大模型推向企业，特别是推向特定领域，一定要在大模型的基础之下，构建一个具象化的模型，并应用到特定的领域中去，所以说这样的情况下，可以使得已达到的或构建的算力资源，更有效地投入到设定的特定领域。

另一方面协鑫选择了一个非常有意思的赛道，就是在能源领域构建计算中心，并且基于这个计算中心来支持新型能源、新型电力系统，我觉得在这就是一个非常有前瞻性的决定。

如果依托于气象模型，能够准确预测到天气的变化，光伏、风能等，甚至具体到每台风机的模型进行预判，或许对新能源的输出，以及储能都有非常大的帮助，这样就能把大模型的作用发挥到极致。

NVIDIA英伟达中国教育科研与能源业务总经理马庆胜。

主持人：最后一个问题留给郑主任，传统的电力模型很难准确刻画，新型电力系统的内涵数据，算力和算法的交叉融合，才能实现从数到质的转变，基于你工作研究的经验方法和路径，从哪一条路径上能够更好实现这一点？

郑亚先：新型电力系统到来后，在电网侧机理层的变化并不是翻天覆地的，只是因为有一些电子装备进来产生了变化，最大的变化主要来源于输出侧。

从这个角度来看，未来电力系统方面的算力构建，我认为这是一件大投入，但初期回报比较慢的工程。其中不仅有计算能力的投入，更重要的是应用场景和开发方式的构建。

关于虚拟电厂，最基础的是对于市场价格的预测，很多年前就有人做，国外也在做。所以新型电力系统来了之后，我们发现实际上算力的构建是模型+驱动数据的概念，纯用数据很难做。因为存在巨大的痛点，我们的数据只能用历史数据，未来的发展变化很难摆出来，所以把模型机理层放进来是个好方式。