为了解决发电领域长期面临的诸多难题，诸如安全风险较高、交易决策难度大、多能源协同作业复杂以及设备运维处于被动状态等问题，国家能源集团于6月28日在北京推出了全球首个达到千亿级别规模的发电行业大模型，即“擎源”发电大模型。
新京报贝壳财经记者在会议中获悉，“擎源”发电的大型模型是针对电力系统量身定制的，它在异构数据的整合、不同业务智能体的协同工作以及自主智能决策等方面取得了显著的创新进展。据消息，这一大模型的首批应用已经涵盖了安全环保、电力交易、生产调度中心以及设备维护等四个业务领域，涉及共计13个应用场景和41个智能体。该规划全面囊括了火力发电、水力发电以及新能源发电行业的工程建设和生产运营，涉及15个业务领域，以及75个核心应用场景。
“擎源”发电大模型发布。主办方供图
海量行业数据成模型优势，“擎源”首批落地四大业务域
国家能源集团电力产业部运行分析处经理王安在接受贝壳财经记者采访时指出，目前发电领域的智能化发展遭遇了诸多困难。电力行业对技术要求较高，通用的模型难以满足其业务需求，并且，要培养适用于行业的模型，必须要有高质量的行业数据。
同时，发电业务领域与大型模型技术之间存在着显著的差距，一方面，发电领域的从业人员对大型模型技术及其应用方式认识不足；另一方面，人工智能领域的专家对哪些发电场景适宜采用大型模型技术也缺乏明确认知。因此，迫切需要技术与业务领域的专业人士携手合作，共同探寻一条技术与应用相结合的途径。王安指出，国家能源集团采纳了“双域负责”的管理机制，致力于开发发电领域的大型模型，以此打破传统壁垒，并成功开创了AI助力发电行业的全新模式。
凭借国家能源集团在全球范围内最大的电力设备安装容量、庞大的数据资源以及全面的应用场景布局等优势，“擎源”大模型展现了其显著的技术特长。
据相关介绍，这一大型模型依托于450G的高品质行业数据集，通过专家的标注构建了610万组SFT问答对。它运用了跨模态推理对齐技术，在发电领域的表现相较于基座模型提升了19.6个百分点。此外，专用智能体能够精准识别用户意图，显著提升了回答的准确性。不仅如此，该模型还集成了百余款专业软件和1100个专业模型，具备了完成多种任务的能力。
具体应用场景分析，"擎源"项目已成功应用于安全环保、电力交易、产业调控中心以及设备检修等四个业务领域。特别是在安全环保方面，"擎源"显著提高了技术监督和查评工作的效率。在江西某火电厂进行安全生产水平评估时，以往需14位专家投入一周时间。然而，如今只需将电厂涵盖18个专业的3000余份备查资料输入“擎源”系统，便能在短短一天内完成全厂预评价，效率显著提高，增幅超过100%。
“擎源”落地安全环保领域。主办方供图
在电力交易行业，“擎源”能够提供市场信息、辅助交易决策以及指导电力运营。过往，我们采用了十余种常规的电价预测方法，这些方法各有优势但难以协同。国家能源集团电力营销公司的电力交易员王晓莹表示，如今，“擎源”通过多模型优化，能在不同情境下挑选出最佳的预测模型组合，显著提高了电价预测的精确度。
此外，在产调中枢这一领域，“擎源”能够提升调度效率、准确预测相关指标；而在设备检修方面，“擎源”能够监测机组运行状况、进行精确诊断，进而制定检修计划和安排维修任务。
行业大模型直面数据安全与决策时效挑战
在行业大模型的布局与应用过程中，我们不可避免地会遇到数据安全与决策时效性方面的挑战。
国家能源集团科技与信息化部数据资源处负责人闫计栋在接受贝壳财经记者采访时指出，该集团在数据安全方面采取了双重保障措施：在传输环节，严格执行横向隔离和纵向加密的规定，确保工控网与内网之间只能单向传输，数据按照既定标准流向集团数据中心，严格禁止反向流动；在数据本身的安全方面，通过分级分类对数据进行管理，构建可信数据环境，并建立了数据采集、存储、管理、提取和使用的完整技术体系和制度保障，确保集团内所有数据在统一平台上高效流通，使用者在操作过程中无需直接接触数据本身。
尽管大模型在预测和制定设备检修方案等领域展现出优异的性能，但在工控领域等对响应速度有秒级或毫秒级要求的场景中，其表现尚不尽如人意。国家能源集团电力产业部运行分析处经理王安向记者透露，未来有望通过“模型蒸馏”技术，将大模型的功能浓缩成小样本模型，并将这些小模型部署到生产现场，从而有效解决特定场景中的时效性问题。
据消息透露，国家能源集团计划分阶段实施，首先进行分试点验证，接着扩大规模进行推广，最后构建生态合作，以推进“擎源”大模型的资源共享。
闫计栋指出，国家能源集团将致力于核心场景的解决方案研发，分阶段推进其实际应用，特别强调推广首批推出的13个场景以及未来精心打造的典型核心场景。同时，将统一建立标准化数据集，借助实时数据反馈和专家经验的融入，确保模型能够实现每月的迭代升级。开放API接口及工具链给产业链，携手高校、研究机构和企业等众多研发实体，共同攻克多模态融合技术、科学计算应用以及小样本学习等核心难题。
新京报贝壳财经记者 韦博雅
编辑 陈莉
校对 赵琳
