解决方案及典型案例 目录 一、系统构建 二、协同优化 三、安全保护 四、运行维护 五、典型案例 一、系统构建 n 上海电气电站集团上海电机厂的主要产品有大中型交流电动机、直流电动机、风力发电机、 汽轮发电机等； n 占地面积约 80 万平方米，最大厂房长 312 米，主跨宽 36 米，高 34 米； n 生产设备 3000 余台、精细设备 280 余台； n 上海电机厂用电量巨大，当前配电容量 7 月 平 均 日 负 荷 特 性 曲 线 4 月 平 均 日 负 荷 特 性 曲 线 10 月 平 均 日 负 荷 特 性 曲 线 负荷特性分析 参数 源 2.2MW 光伏发电系统、 10kW 风力发电系统 网 光伏系统低压 380V 、储能系统 6kV 储 4.02MW/12.6MWh 磷酸铁锂电池 70kW/307.2kWh 梯次利用动力电池 荷 厂区用电负荷 风光储充”系统本地控制终端 梯次利用储能系统 风力发电机 车棚光伏 充分利用厂区合理屋面，园区各方参与； 就地消纳，提升新能源利用率，降低能耗； 薄膜 CIGS 组件，效率高、美观、弱光性能好； 一、基于风光储充的工业园区综合能源系统构建 屋面光伏发电系统 二、协同优化 本工程建设的供电系统运行中调度优先级如下： （ 1 ）优先使用风电和光伏发电。 （ 2 ）储能系统中储存的电量。

3 万亿度 9 ● 智算中心成为用电量增长主力 10 第三章：中国净零碳电力算力地图 11 ● 智算中心发展初期主要在绿电供给不充分的东部 12 ● 2030 年清洁电力发电量预测 12 ● 智算用电需求的动态匹配 13 ● 绿色算力电力区位条件 15 第四章，智算加速建立新型电力系统 17 ● 24/7 全天候“智”“能”调度 17 以实现。这就是 AI 时代的杰文斯悖论的商业和经济基础。杰文斯悖论也说明了 原有的经发展模式是不可持续的：如果能源的无限需求内生于经济发展，唯一 的选择，就是使用绿色和清洁的能源。 可再生发电边际成本趋近于零，智能算力边际成本趋近于零，这两大趋势合龙， 将引发广泛的应用创新，渗透到经济与社会中，进一步带动对于能源和算力需 求的同步上升。生成式 AI 革命，与能源革命耦合在一起，也将带来能源管理方 且芯片能效无法持续提升，那么相同算力规模的用电量需求就会大增。电力换 算力成为一种选择，以保证在 AI 领域的竞争力。但就总量而言，中国电力的装 机总量约为美国 2.4 倍，发电总量约为美国的 2.1 倍，其中，可再生能源发电 新增装机超过全球的一半，累计装机规模占全球比重接近 40%，绿色电力供给总 量不是问题。 乐观来看，如果中国能够突破封锁，建立起比较完整的芯片产业链，芯片技术 持续

3 万亿度 9 ● 智算中心成为用电量增长主力 10 第三章：中国净零碳电力算力地图 11 ● 智算中心发展初期主要在绿电供给不充分的东部 12 ● 2030 年清洁电力发电量预测 12 ● 智算用电需求的动态匹配 13 ● 绿色算力电力区位条件 15 第四章，智算加速建立新型电力系统 17 ● 24/7 全天候“智”“能”调度 17 以实现。这就是 AI 时代的杰文斯悖论的商业和经济基础。杰文斯悖论也说明了 原有的经发展模式是不可持续的：如果能源的无限需求内生于经济发展，唯一 的选择，就是使用绿色和清洁的能源。 可再生发电边际成本趋近于零，智能算力边际成本趋近于零，这两大趋势合龙， 将引发广泛的应用创新，渗透到经济与社会中，进一步带动对于能源和算力需 求的同步上升。生成式 AI 革命，与能源革命耦合在一起，也将带来能源管理方 且芯片能效无法持续提升，那么相同算力规模的用电量需求就会大增。电力换 算力成为一种选择，以保证在 AI 领域的竞争力。但就总量而言，中国电力的装 机总量约为美国 2.4 倍，发电总量约为美国的 2.1 倍，其中，可再生能源发电新 增装机超过全球的一半，累计装机规模占全球比重接近 40%，绿色电力供给总 量不是问题。 乐观来看，如果中国能够突破封锁，建立起比较完整的芯片产业链，芯片技术 持续

以及业务连续性能力 » 数据应用 ：企业数字化、人工智能应用、电子 商务和数字政府服务等多个领域的数据使用 » 数字能源 ：支持数字系统的可持续能源基础设 施，包括可再生能源投资和绿色发电的经济效率 » 政策 ：支撑数智经济增长的国家监管、法律、 投资和可持续发展框架 » 人才与生态 ：涵盖 ICT 人才、STEM 毕业生、 初创企业、开源贡献者以及在线社区参与度的 人才与创新生态 人工智能作为引领未来的战略性技术，正深度融入 能源转型进程，成为构建新型能源体系的关键力 量。以电力行业为例，新一代 AI 技术（如大模型） 与电力系统加速融合，依托大数据分析与机器学习 算法，可显著提升可再生能源发电预测精度、优化 需求侧灵活性资源调度、实现电网故障智能预警与 诊断，全方位增强电网运行的安全性与效率。 然而，电力数智化转型并非一蹴而就。当前各国发 展水平差异显著 ：部分国家已启动面向未来的新型 ：跨行业数据应用，涵盖企业数智化 转型、人工智能应用、电子商务及电子政务 » 数字能源 ：支撑数智基础设施可持续发展的关 键能源基础设施，包括可再生能源投资、绿色 出行率、充电便利性以及可再生能源发电的经 济效率 » 政策 ：国家层面的监管、法律、投资及可持续 发展政策为数智经济增长提供结构性支持 » 人才与生态 ：国家的人才与创新生态，涵盖 ICT 从业者、STEM 毕业生、初创企业、开源贡

传统能源产业转型升级，能源科技 现代化水平进入国际先进行列。 技术层面 德国修改《气候保护法》 , 规定 2045 年实现碳中和；美国宣布 正 式重返《巴黎协定》。 政策层面 数字化全面转型连接发电价值链， 辅助发电企业实现生产、运营、服 务的降本增效和创新升级。 全球视角下的电力系统发展和转型趋势 市场层面 级能 建 证 变电站面板使能识别 配电房运行状态智能识别 配电线路缺陷智能识别 配电线路杆塔异物智能识别 配网山火灾害智能识别 企业管理 供应链业务 变电站指针型表计读数 数字型变电站表计读数 新能源发电功率预测 ( 新能源组合预测技术提升及应 用 ) 电力应用场景模型矩阵 电网运行系统负荷预测 电网运行母线负荷预测 电力营销业务查询智能语音机器人 输 电 用 电 碳排放趋势预测 次比赛，其中线上大赛 1 次 发放算力券近 100 万元，用户可选择 华 为、百度和商汤的不同类型加速卡 都或鼠新 A 2024 年电力信息通 信 新技术 大会 上线了 23 个样本 集 17 成功研发电力行业首个自主可控大模型“大瓦特”。在国产技术工程化水平较低的情况下，构建了多项核心技术， 具备意图识别、多轮对话、总结提炼、自动生成巡检报告、可视化数据服务等能力，在智能巡检、智能客服等多

万倍，催生出全新的范式，如模仿大脑高效能的神经形态处理器与 量子处理器等。存储将迈入尧字节时代，让数据“觉醒”，为持续学习提供有形资源。云边协同共 生将推动 AI 民主化，而能源领域的突破，特别是高密度电池和可持续发电，将消除认知和实现之间 的最后障碍。在这些基础设施的加持下，具身智能将成为可能，促进制造机器人、家庭助手等物理 实体以自主性、适应性和目标导向的方式行动。 这将对我们的星球产生深远积极的影响。 农业、物流和电网中发挥积极作用，优化资源配置并大幅减少浪费和碳排放。在 AI 增强传感器和无 人机的支持下，精准农业不仅能提高产量，还能在保护生物多样性方面发挥作用。智能电网将通过 实时分析系统的安排，实现可再生能源发电与需求的平衡，开启零碳城市生态系统的时代。此外， 基于 AI 的气候建模将提供前所未有的预测能力，帮助决策者采取预防措施，应对极端天气事件和海 平面上升，这对像香港这样易受影响的沿海地区来说至关重要。 在智能时代，全球范围内电力设施和能源成本将会是制约 AI 高速发展的核心要素，预计到 2035 年，全球数据中心耗电量将高达 1.5 万亿度，能源供给需要发生大的变革，可再生能源加速替 代传统化石能源，新能源发电量占比将突破 50%。同时，人工智能将成为新能源系统的核心，通过 Token 管理瓦特，实时管理每一焦耳的能量，从而实现更加动态和高效的电网。 技术作为驱动人类文明跃迁的引擎，其根本在于融入生活、家庭、企业与环境，以实现更美好

技术在水 利工程中的具体应用场景和实施方案，为相关领域的技术人员和管 理者提供了切实可行的参考依据。 2. 水利工程现状分析 水利工程作为国家基础设施的重要组成部分，长期以来在防 洪、灌溉、发电、供水等方面发挥着不可替代的作用。然而，随着 气候变化、人口增长和城市化进程的加快，水利工程面临诸多挑 战。首先，极端天气事件频发，导致洪涝灾害和干旱问题日益严 重，传统的水利管理手段已难以应对复杂的自然环境和多变的灾害 的应用将为实现水利工程的精细化 管理和可持续发展提供强有力的技术支撑。 2.1 水利工程概述 水利工程作为国家基础设施建设的重要组成部分，主要涉及水 资源的开发、利用、管理和保护，包括防洪、灌溉、发电、供水、 航运等多个领域。其核心目标是通过科学规划和工程建设，实现水 资源的可持续利用，保障社会经济的发展和生态系统的平衡。近年 来，随着气候变化的加剧和人口的增长，水资源短缺、洪涝灾害和 为提升决策的精准度，系统还引入了多目标优化算法。通过对 多个决策目标（如防洪、供水、发电等）进行权衡，生成最优化的 综合调度方案。以下是系统在决策过程中考虑的主要因素：  防洪安全：基于实时水位和流量数据，评估潜在洪水风险。  供水保障：结合用水需求和水库蓄水量，制定供水计划。  发电效率：根据水库水位和流量，优化发电机组运行方案。  生态环境保护：确保下游河流生态流量的维持。 此外，系

开放，易用，您身边的能碳管理专家 西门子智能基础设施集团 整合西门子中压、低压、用能侧设备的行业经验，基于物联数据、数据模型和AI算法，为用户提供面向能源站、各类用能系 统的优化策略和算法；利用算法模型和对微电网的发电预测、负荷预测，实现光储充综合优化、用电需量管理。 支持灵活选择国际、本地标准进行碳盘查；支持依据第三方审核机构要求提供核查数据包；提供完整碳管理业务功能，从 盘查、分析、减排规划到落地方案管理，帮助企业实现碳中和。 进行成本计算分析 基于机器学习和大数据分析，结合用户侧能耗历史 数据和天气环境数据进行负荷预测，可预测发电、 用电、制冷、供热负荷 设备能效分析 对冷机、锅炉、热泵等设备效率进行采集和计算，结 合实际负荷给出优化建议，可与西门子楼宇自控系 统深度联动实现执行控制 光储充优化运行 利用负荷预测和发电量预测数据，进行光储充综合 优化调度。通具备低碳排放、最低用能成本、指定最 大需量等策略选择 低碳驾驶舱

45%，显示出强劲的发展势头。然而，算力产业的爆发式增长也带来 了巨大的能源消耗问题。以数据中心为例，2023 年全国数据中心用电 量突破 1500 亿千瓦时，占全社会用电量的 1.6%，相当于三峡电站全 年发电量的 1.5 倍。更值得关注的是，随着大模型技术的快速发展， 单次训练能耗屡创新高——OpenAI 的 GPT-3 模型训练耗电达 128.7 万千瓦时，相当于 430 个家庭一年的用电量；而 GPT-4 31%，但数据中心年耗电量预计 2030 年将突破 4000 亿千瓦时，占全 社会用电量 4%，其中东部算力集群因绿电供给不足仍依赖化石能源， 加剧碳排放矛盾。与此同时，电力系统面临新能源消纳的结构性难题； 尽管我国风光发电装机超 14.5 亿千瓦（2024 年底），但间歇性、波动 性导致西部“弃风弃光”与东部“缺电”并存，而算力中心的灵活负 载特性可成为破解这一困局的关键——通过 AI 调度算法将非实时计 算任 模式提升数据中心绿电占比，并探索算力负荷与新能源功率联合预测、 柔性控制等技术，以降低电网保障容量需求。国家能源局 2025 年 5 月发布的《新型电力系统建设第一批试点通知》进一步细化实施路径， 提出通过余热回收、光热发电协同等技术提升能源利用效率，并要求 试点项目在 2024 年 8 月后开工，2025 年底前形成阶段性成果。 同时，《2025 年能源工作指导意见》将算电协同纳入新型电力系 统建设重点任务，

来看，已有比如新疆绿电智算中心，合盈数据智算中心等实现绿电和算力的耦合，采用 UPS 的供电结构。其中合盈数据智算中心项目在张家口的蔚县、沽源、张北建设总计 5.53GW 装机容量的新能源电站，共分为 13 个新能源发电项目，年新增新能源发电量达 130 亿千瓦 时，满足其怀来科技产业园算力集群超 1GW 负荷规模。为稳定供电，新能源也计划配置储 能系统，合盈数据“源网荷储”一体化示范项目首期 540MW 风电光伏已于 2023 提升的功率需求+扩大分布式能源接入。 高电压应用方面，提升电压可以减少系统中由多个降压环节导致的损耗，且电压提升后也 会缩小电缆截面，增加走线空间利用率，并降低电缆成本；新能源接入方面，光伏和储能 发电为直流，可以快速接入数据中心全直流系统，进而减少交直流转换的损耗，根据 NTT DATA，光伏直接接入直流系统相比经电网接入可减少 5%到 10%的电能损耗。 全直流供电系统或为绿电耦合需求 细分赛道来看，我们预计 HVDC、锂电池备电两大环节在渗透率提升驱动下有望实现增速 领跑（2024-2026E 复合增速分别 77%、58%）；服务器电源（AC/DC）、柴油发电机在单 价提升驱动下亦有望分别实现 36%（高功率电源模块单价提升）、32%（柴油发电机全球产 能紧张价格提升）的增速、跑赢行业。 图表29： 数据中心核心设备市场规模及增速预期 2024E-2026E 资料来源：英伟达，台达，华为，华泰研究