CHINA SOUTHERN POWER GRID 7 电力人工智能 (AI EPS) (AI Electric Power System) 是专业大模型， 能够满足物理规律、电力系统技术准则， 实现电力系统生产智能应用 理论与技术是构建新型电力系统的重大需求 新型电力系统需要人工智能 中国南方电网 CHINA SOUTHERN POWER GRID 8 新型电力系统新在哪里 中国南方电网 CHINA SOUTHERN POWER GRID 10 新型电力系统需要人工智能 以新能源为主体新型电力系统的理论 -- 电力电量平衡理论 新型电力系统将会遵循电学的基本理论和物理规律，这是不会变的。但是基于机电系统转动惯量 的稳定理论，受到系统转动惯量小，将不足够承担以新能源为主体的新型电力系统的稳定。 新型电力系统是基于电力电量的实时平衡的系统平衡理论，是“无限大”的功率、 人工智能是电网“无条件”接受新能源的技术基础。 ■ 人工智能是管理好新能源的技术基础。 ■ 研发符合电力系统基本物理规律、遵循电力系统技术原则、满足电力系统 应用需求的电力人工智能系统。 不完全依赖电网模型，在海量数据基础上，通过大数据和计算技术，透过 数据关系发现电力系统运行规律，实现电网的智能分析、智能决策、智能 管理、智能运行、“智能导航”。 人工智能推动电力创新发展： 人工智能技术使得海量新能源接入新型电力

结合，让操作人员监控数据运行状态，及时干预设施运行等工作能方 便、直观的进行。 4.4.1 设备设施集成与管理 4.4.1.1 交通流、事件集成管理 包括并不限于交通参数统计分析报表、交通流量变化规律分析、交通事件 报警、历史交通运行状态分析、交通拥堵指数展示、监测参数配置等功能。 4.4.1.2 交通视频集成管理 包括视频监控点分布地图展示、视频浏览、视频控制、视频回放、视频巡 逻、视 、失衡指数) 及趋势，刷新频率不大于 2 分钟。应支持采用多种方式快速定位路口，包括路 口 搜索、列表分类展示、区域选择等。 2)路口概要信息 应支持提供任意路口在选定时段范围内的进一步规律分析，在路口详情中显 示。 3)路口详情信息 应支持展示路口相关指标信息(路口服务水平、饱和度),分析路口各个进 口道相关指数(包括延误时长、排队长度、停车次数)。同时支持根据交通参数， 需基于卡口过车数据分析出行的 OD 分布规律，提供各区域之间车辆互通 的 数据分析，包括各个时段的数据量、早晚高峰通勤情况、车辆构成等，从区 域角 度分析出车辆运行宏观规律以及通勤压力点，为后续交管决策建议提供分 析工具 以及数据支撑。整体需提供区域 OD 分析模块对区域车辆驶入驶出情 况、区域 OD 详情情况进行分析；需提供通勤 OD 分析对盐城通勤规律进行分析。 5、指标准确度分析

露的问题发生。 IDPS 系统以交通出行对象全域、全量、全时、全要素信息感知 为基础，集可计算路网、交通认知分析、交通仿真决策以及交通业 务驱动等功能于一体，掌握路网容量、需求、状态等动态演变规律， 赋能精细化、精准化的道路交通管理警务，实现道路交通供需动态 匹配、通行效率大幅提升、人车安全更有保障、管理能力智慧成长 这一总体目标。IDPS 系统具体功能如下： 路网可计算：通过路网的可计算能力，进行车道转向规则、设施 路网可计算：通过路网的可计算能力，进行车道转向规则、设施 设备逻辑关联等分析，解析当前路网基本通行能力和承载能力，掌 62 握交通静态运行底数；构建身份检测体系，获取具有统一标准的身 份检测数据，以精准掌握个体出行规律为基础，实现交通运行规律 和特征的分析计算，从而摸清交通动态运行底数。 交通认知分析：在对交通运行精准认知的基础上实现车辆轨迹分 析、交通问题发现、安全事故风险管控等分析及业务应用精细掌握 每一出行对象 每一出行对象、每一路口、每一路段、每一停车场运作情况，支撑 交通运行分析。 交通出行认知：对个体车辆出行进行分析，包括个体车辆出发地 途经地、目的地、出行时间等，从而掌握车辆出行规律及特征，建 立车辆档案，支撑重点车辆缉查布控，研判车辆安全风险、交通运 行规律分析等业务应用。 道路运行认知：对路口、路段、区域内、关注点交通运行特征进 行分析，包括路口、路段、关注点交通流变化特征、区域车辆出行 特征等，实现路段

打破数据壁垒， 实现全景洞 察 佛山市 杭州市 成都市 北京市 上海市 深圳市 西 安 市 东莞市 需求侧：洞察人从哪来 引入腾讯地图位置大数据，捕捉城市间人口流动的轨迹、强度与周期性规律，识别潜 在高价值航线，挖掘“看不见 ”的客流需求。 供给侧：优化飞机怎么飞 融合航班时刻、票价、运力、客座率等运营数据，科学评估航线效益，优化航班波结 构，提升运营效能。 4270 4394

帮助研发人员了解数据的基本特征和 内在关系 。数 据可视化工具能够将复杂的数据以直观 、生动的图表形式展 示出来， 如柱状图 、折线图 、散点图 、热力图等， 便于研 发 人员快速理解数据含义， 发现数据中的规律和趋势 。数 据挖 掘工具则运用机器学习、深度学习等算法，对数据进行 分类、 聚类 、关联规则挖掘等操作， 帮助研发人员从海量 数据中挖 掘出潜在的知识和价值 。例如， 研发人员在研究 新型半导体 材料时， 通过平台查询到相关的实验数据和模 拟计算数据， 利用数据统计分析工具分析材料性能与成分之间的相关性， 使用数据可视化工具将分析结果以图表形式展示， 直观地发 现材料性能随成分变化的规律， 再借助数据挖掘工具挖掘出 影响材料性能的关键因素， 为进一步优化材料设计提供依 据。 新材料模拟计算：平台集成了多种先进的模拟计算软件和算 法， 为研发人员提供一站式的模拟计算服务 方可以依据区块链上的操 作记录明确责任和权益。 5.4 数据分析与应用技术 5.4.1 机器学习与深度学习算法 运用多种机器学习和深度学习算法 ，对新材料数据进行建模 和分析， 挖掘数据中的潜在规律和价值 。在机器学习方面 ， 采用决策树、随机森林、支持向量机、神经网络等经典算 法， 实现对新材料性能 、工艺 、市场等数据的分类 、回归 和聚类 分析 。深度学习算法如卷积神经网络（CNN）

, 突出地域自然特色。 文化主题飞行 串联历史文化遗址、传统村落等节点，开发“古建俯瞰线” 或 “民俗风情线” , 结合空中讲解增强体验感。 季节性动态调整 根据植被变化、候鸟迁徙等自然规律推出“红叶航拍季”“ 湿 地观鸟线”等限时线路，保持产品新鲜度。 夜间灯光航线 利用城市灯光秀或自然荧光现象 ( 如蓝眼泪 ) 打造夜间低 空 游览项目，配套激光投影或 AR 导览技术。

算中心能够 为金融机构提供更精准的风险评估和投资建议，提高金融服务的效率和安全性。 AI的应用场景从单一的训练模式扩展到丰富的推理服务，包括实时推理、批量推理、 边缘推理等多种形态，业务流量从规律化转向复杂化和多样化。与训练场景相对单一的流量 模式不同，推理业务呈现出显著的异构性和动态性特征。业务调度流量、集合通信流量、 KV Cache访问流量、存储访问流量等多种流量类型在同一网络中并存，且流量模式具有明 合” 将不再是 单一技术或产品的创新，而是产业链共同参与的生态工程，推动AI产业从“单点突破”向 “规模化落地” 迈进。 45 综上，AI Fabric 2.0 不仅总结了数据中心网络的演进规律，更明确了AI时代 网络的核心定位，网络架构重构涉及的关键技术路径；未来，随着算网协同的深化 与生态的完善，数据中心网络将成为驱动智能产业发展的关键基础设施，为数字经 济向更高质量迈进提供坚实支撑。

基于人工智能、 区块链和问视化等创新技术引擎 ，构建开放式的轻量化敏捷型智能应用开发生态圈，为城沛治理、政府运行、公共服务，进 行城市可信身份认证、数据安全管理及人工智能汾析服务，处理超大规模多源数据，洞恶规律，全局协同。同时基于城市场景应用中的算法共 性需求，进行洞察、预测、分析、优北决策等一站式数据分析与挖掘服务。为政府治理、产业发展和企业创新增效赋能 . 开放 A1 能力 ，区块链 能 力、可 视化模型即

方法与应用” 物理引导神经网络（PINN）是一类将物理规律嵌 入神经网络训练过程的深度学习方法，其核心思想是 利用已知偏微分方程（PDE）描述的物理约束，引导 神经网络在预测和拟合数据时自动满足这些约束。自 17 世纪牛顿和莱布尼茨创立微积分以来，偏微分方程 作为描述连续介质动力学、热传导、量子力学和流体 力学等物理系统演化规律的数学工具，已有几百年的 发展历史，其数值求解经历了有限差分法、有限元法 库实现了复 杂几何域上的前向和逆问题求解，为科研和教育提供 了可操作性工具。未来发展方向包括进一步提升高维 复杂系统的训练效率、设计可自动满足物理不变量的 网络结构、结合多模态实验数据进行隐式物理规律发 现，并拓展至多物理场耦合与实时预测的工程应用场 景。整体而言，该前沿不仅展示了深度学习与偏微分 方程求解的深度融合，也推动了科学机器学习（SciML） 在理论研究和工程应用中的快速发展。 先建成国家高水平科技智库的重要 载体和综合集成平台，并集成中国科学院院内外以及国内外优势力量建设智库型研究院。战略咨 询院的主要任务是发挥中国科学院集科研院所、学部、教育机构为一体的优势，从科技规律出发 研判科技发展的趋势和突破方向，从科技影响的角度研究经济社会发展和国家安全重大问题，聚 焦科技和学科发展战略、科技和创新政策、生态文明和可持续发展战略、系统分析与管理、科技 战略情报、智库