人工智能技術推動能源變革的政策體系和應用挑戰研究

　　劉偉1 李朝陽2 史海超3

　　(1.北京現代循環經濟研究院，北京 100814;

　　2.北京博納互通科技有限公司，北京 100070;

　　3.中國信息通信研究院技術與標準研究所，北京 100191)

　　摘要：人工智能(Artificial Intelligence，AI)技術的快速發展正在重塑全球能源行業的格局。通過AI發展對能源的依賴和能源行業全產業鏈綠色化轉型對AI技術的需求兩方面分析了AI技術與能源變革的雙向影響。系統梳理了國內AI與能源發展相關政策，詳細分析了不同階段的政策，為后續AI技術與能源變革的進程提供了宏觀政策環境參考。通過對典型AI+能源案例的分析，總結了當前取得的成效，同時也對現階段存在的問題與調整進行了匯總，為后續制定科學、有效和有針對性的融合發展政策提供了一定的參考。

　　關鍵詞： AI;能源變革;政策分析;可持續發展;技術創新

　　0 引言

　　在全球氣候變化和能源需求不斷增長的雙重壓力下，能源行業的轉型迫在眉睫。傳統能源體系面臨著資源枯竭、環境污染等諸多挑戰，而可再生能源的開發與利用雖具有巨大潛力，但因其間歇性、波動性等特點，在大規模接入和穩定供應方面存在困難[1-2]。與此同時，AI技術的突破性發展，為破解能源轉型困局提供了新思路新方法。從優化電力系統運行到推動可再生能源消納，從降低碳排放到加速能源技術創新，AI的潛力已滲透至能源生產、傳輸、消費的全鏈條[3-5]。然而，AI技術賦能與產業轉型之間仍存在較多問題，包括算力基礎設施的能耗激增與綠色電力供給的矛盾日益尖銳、跨領域數據壁壘制約AI模型的應用拓展、傳統能源管理與智能決策需求不匹配等[6-8]。

　　在此背景下，深入研究相關政策如何引導和規范這一變革進程，充分發揮AI技術的優勢，規避其潛在風險，將成為能源領域和政策研究領域共同關注的焦點[9-12]。本文立足我國能源轉型實踐，通過研究政策演進邏輯和剖析典型場景的技術融合路徑，揭示AI技術驅動能源變革的內在機理與現實挑戰，為構建“技術—制度—生態”協同發展的新型能源體系提供理論支撐與實踐參考。

　　1 AI發展與能源變革的雙向影響分析

　　1.1 AI應用高度依賴算力基礎，能源消耗激增

　　AI模型的訓練與部署高度依賴算力基礎設施，尤其是數據中心的規模化擴張。2025年4月國際能源署發布的《能源與人工智能》[13]報告顯示，自2022年以來，全球對數據中心的投資幾乎翻了一番，2024年總額已達到5 000億美元;同時，數據中心的耗電量巨大，一個典型的以AI為核心的數據中心所消耗的電力相當于10萬個家庭的用電量;自2017年以來，全球數據中心的電力消耗年均增長約12%，超過全球總電力消費增長速度的4倍以上;預計到2030年，數據中心電力需求將增加一倍以上，達到約945 TWh，約等于日本目前的總電力消耗。

　　1.2 能源全產業鏈依賴AI實現降本增效

　　能源全產業鏈與AI的互相影響逐漸加深，如圖1所示。在能源生產環節，AI技術應用于不可再生能源(煤、石油、天然氣等)地質勘探、地質建模過程，極大提高勘探的效率與準確性。在開采過程中，AI驅動的智能作業系統(設備)能夠根據實時地質條件自動調整作業參數，提高作業效率和安全性。從礦床開采全生產周期來看，基于AI分析的生產優化模型可以通過協調調度和運營優化，合理調配開采作業強度，優化生產周期。在可再生能源生產方面，利用AI技術優化選址、設備運行參數以及與其他能源形式的協同調度，在一定程度上可克服太陽能、風能等間歇性能源的不確定性，提升可再生能源在電網中的接入比例和穩定性，促進能源結構的優化。

圖1 AI發展與能源變革的雙向影響分析

　　在能源傳(運)輸環節，多種能源形式(電、熱、氣等)相互耦合，形成了復雜的能源傳輸網絡。AI技術可以實現能源的智能路由和協同傳輸，根據不同能源的特性、用戶需求以及網絡運行狀態，優化能源傳輸方案，實現能源的高效配置和綜合利用。同時，可利用AI技術實時監測傳輸線路的數據(如溫度、濕度、風速、電流等)進行分析進而預測線路故障，提前采取維護措施，減少安全事故的發生。

　　在能源存儲環節，AI技術主要在電池儲能管理系統中發揮重要作用。通過對電池充放電過程中的數據進行監測和分析，利用機器學習模型預測電池的剩余壽命和健康狀態，并優化充放電策略，可以延長電池使用壽命，提高電池儲能系統的安全性和可靠性。同時，AI技術還能夠實現對大規模電池儲能集群的協同控制，根據電網需求快速響應，平滑電力輸出，提高可再生能源發電的穩定性和可調度性。

　　在能源消費環節，利用AI技術可實現對居民用戶用電行為的精準監測和分析，進而預測用戶未來的用電需求，為用戶提供個性化的節能建議和用電方案。在工業和商業領域，AI技術助力能源管理系統實現智能化升級。通過對企業或建筑物內的能源消耗數據(如電力、燃氣、水等)進行實時采集和分析，利用AI算法發現能源浪費的環節和設備，制定有針對性的節能措施和優化策略。

　　2 AI驅動能源變革的政策實踐

　　2.1 早期探索與規劃階段

　　早期階段，AI逐步進入大眾視野，隨后政府出臺了一系列早期探索與規劃政策。2015年7月，國務院發布《國務院關于積極推進“互聯網+”行動的指導意見》，將AI納入重點任務，作為“互聯網+”行動的重要組成部分。2016年5月，國家發展和改革委員會(簡稱“國家發改委”)等四部門聯合印發《“互聯網+”人工智能三年行動實施方案》，提出了AI的總體思路、主要目標與重點任務，為后續相關政策發布奠定了基礎。2017年3月，AI被納入政府工作報告，標志著其地位的快速提升。

　　2017年7月，國務院印發《新一代人工智能發展規劃》，提出大力推動智能化信息基礎設施建設，為AI研發和廣泛應用提供海量數據支撐。同時明確提出“建設分布式高效能源互聯網”“推廣智能儲能設施、智能用電設施”等，體現了AI與能源互相促進發展的思路。

　　2.2 技術融合與應用階段

　　隨著技術的不斷進步，AI與各領域的融合逐漸加深，政府開始推動AI在能源領域的廣泛應用，并出臺了一系列支持政策。2023年12月，《關于深入實施“東數西算”工程 加快構建全國一體化算力網的實施意見》正式發布，提到算力與綠色電力一體化融合，重點對促進數據中心節能降耗、創新算力電力協同機制提出要求。

　　2024年1月，國家發展改革委與國家能源局聯合發布《關于加強電網調峰儲能和智能化調度能力建設的指導意見》，提出要推進新型電力調度支持系統建設。其中明確了要將AI等先進數字信息技術應用于電力系統各環節，提升電源、儲能、負荷與電網的協同互動能力。

　　2.3 標準體系建設完善階段

　　為了保障能源技術的安全、可靠和合規應用，我國開始加強AI與能源技術的標準體系建設。2024年5月，國家發改委等多部門聯合發布《關于深化智慧城市發展 推進城市全域數字化轉型的指導意見》，提到要“統籌推進城市算力網建設，有效降低算力使用成本”和“利用數字技術提升綜合能源服務綠色低碳效益”，對AI發展與能源消耗優化提供了具體指導。

　　2024年7月，國家發改委等部門印發《數據中心綠色低碳發展專項行動計劃》，專門發布政策文件對數據中心的綠色低碳發展提出要求，要求到2025年底國家樞紐節點新建數據中心綠電占比超過80%，體現出政府開始對AI技術發展帶來的高耗能問題進行規范化指引。同年，《加快構建新型電力系統行動方案(2024—2027年)》《關于加快經濟社會發展全面綠色轉型的意見》《國家數據基礎設施建設指引》等政策文件發布，提出了統籌數據中心發展需求和新能源資源稟賦，開展算力、電力基礎設施協同規劃布局，提升算力與電力協同運行水平，提高數據中心綠電占比;加快數字化綠色化協同轉型發展，深化AI在電力系統全環節的應用，推動綠色低碳數字基礎設施建設，實現數字技術賦能綠色轉型;推進算力與綠色電力融合，加強數據中心智慧能源管理，開展數據中心用能監測分析與負荷預測優化數據中心電力系統整體運行效率等規范性指導。

　　2.4 技術突破與變革階段

　　隨著AI技術的快速發展和能源轉型的加速推進，政府出臺多項政策，積極探索AI在能源領域的新應用、新模式，以推動能源系統的智能化、綠色化轉型。2025年1月，工業和信息化部等八部門印發《新型儲能制造業高質量發展行動方案》，要求支持基于數字孿生和AI技術開展新型儲能安全預警技術攻關和推動AI技術在新型儲能制造業廣泛應用。2025年2月，國家能源局印發《2025年能源工作指導意見》，提出培育發展壯大能源新產業新業態，推進AI技術在能源領域的試點應用。2025年3月，國家發改委、國家能源局印發《新一代煤電升級專項行動實施方案(2025—2027年)》，提到推進先進創新技術應用，積極集成應用5G、AI等技術，提升機組智能運行技術水平。2025年4月，國家能源局發布《關于促進能源領域民營經濟發展若干舉措的通知》，提出支持民營能源企業轉型升級，創新“人工智能+”應用場景，提高預測精度、運行效率和管理水平。

　　3 AI驅動能源變革典型案例分析

　　3.1 AI+智能發電

　　新能源發電系統受氣候環境影響呈現顯著的不穩定性特征，尤其在風電、光伏等可再生能源大規模并網后，電網調峰壓力與棄能現象已成為制約行業發展的“瓶頸”。國網新疆電力有限公司針對此問題構建了大數據AI模型，通過整合新能源項目審批信息、場站運行日志及氣象衛星數據等異構資源，創新開發了具有動態評估功能的新能源消納決策支持系統。

　　在該項目實施過程中，技術團隊通過建立跨部門數據共享機制，覆蓋了807座新能源場站的異構數據集，包含光伏運行記錄8 497萬條、風電運行參數5.7億條，據此建立了AI消納能力預測模型，實現了不同技術方案下消納潛力的量化評估，并具備并網風險預警功能[14]。經實際運營驗證，該解決方案使風電短期功率預測精度提高了4.3%，光伏短期預測精度提高了2.2%，新能源上網電量達31.9億kWh[14]。這種數據驅動的智能決策模式為西北地區新能源高質量發展提供了可復制的技術范式。

　　3.2 AI+智能生產

　　作為支撐國民經濟發展的支柱型產業，鋼鐵行業長期處于高能耗與碳排放大戶行列。在碳中和目標指引下，鋼鐵行業正通過智能技術融合、制度創新和數字賦能構建新型節能體系。寶鋼集團聯合華為公司以“數據驅動+AI決策”為核心，打造了基于AI的能源管控平臺，通過機器學習識別低效設備運行模式。

　　2024年該平臺應用后，實現了噸鋼綜合能耗下降6.3%，年節約標準煤42萬噸;AI驅動的余熱回收系統將廢氣溫度預測精度提升至95%，全年新增余熱發電量達1.8億kWh[15]。2024年平臺全面投用后，寶鋼集團上海基地噸鋼綜合能耗從560 kg標準煤降至525 kg(下降6.3%)，年節約標準煤42萬噸，直接降本超3.6億元[15]。通過AI優化，全廠碳排放強度下降8.2%，余熱發電占比提高至總用電量的18%[15]。

　　3.3 AI+智能監測

　　能源消耗動態監測與智能分析是驅動能源結構轉型和產業升級的重要技術支撐。云南電網有限責任公司通過構建省級能源數據治理平臺，整合省內電力消費、公共事業運營及經濟運行數據，并依托多源異構數據融合技術構建了多維度能碳核算體系，可動態測算重點行業碳足跡軌跡。

　　自2023年該平臺投入運營以來，已形成覆蓋700余家[16]重點耗能企業的監測網絡，構建起“政府-電網-用戶”三級聯動的智慧能源管理架構。實踐成效表明，企業用戶通過能效優化方案年均降低能源支出1.8億元，碳排放減少10萬噸以上[16]。這種基于大數據挖掘的能源治理模式，為西南邊疆地區實現“雙碳”目標提供了可量化的實施路徑。

　　4 AI驅動能源變革的挑戰與對策分析

　　4.1 數據中心擴張給能源供應帶來挑戰

　　全球數據中心用電量激增，且用電需求仍在持續增加，對電網穩定性構成了巨大壓力。為解決此問題，建議優化能源結構，積極發展可再生能源，將風光電、儲能技術與AI調度算法結合，降低電網對傳統能源的依賴。同時通過優化數據中心布局，引導數據中心向電力資源豐富的區域遷移，簡化并網流程，可一定程度上緩解局部電網壓力。

　　4.2 “數據孤島”與算法透明性不足

　　能源行業數據來源廣泛但分散(政府、企業、媒體等)，缺乏統一標準與共享機制，進而導致“數據孤島”現象嚴重，難以滿足AI訓練的數據量需求，形成的單一模型也難以滿足多樣化的場景需求。此外，AI算法的復雜性使其決策過程缺乏透明性，算法錯誤可能導致資源評估偏差或電網故障進而帶來安全風險。

　　為解決此問題，建議由政府牽頭，整合多方數據資源，推動能源行業數據標準化，同時需開發可解釋性AI模型，在算法設計中引入可解釋性框架，增強決策透明度。

　　4.3 技術融合與商業化滯后

　　能源行業數字化程度較低，AI技術普及率遠低于其他行業，無法支持AI技術的深度應用進而實現節能降耗。同時，能源領域新技術從研發到商業化通常需要數十年，而AI技術更新迭代速度快，存在不匹配不協調的問題。。

　　為解決此問題，需要政府與企業聯合推動AI技術在能源領域的專項研發，縮短商業化周期。同時構建跨行業創新聯盟，通過產學研合作，共享技術成果，推動AI技術與能源技術深度融合。

　　4.4 網絡安全與數據隱私泄露風險

　　AI系統可能成為網絡攻擊的目標。若電力調度中的AI算法被篡改，可能導致大范圍停電。同時能源數據的采集與使用涉及用戶隱私，存在數據泄露風險。

　　為解決此問題，需要構建AI安全防護體系，在電力系統中部署AI驅動的網絡攻擊監測工具，實時識別異常行為。同時持續完善法律法規，制定能源數據隱私保護準則，確保技術應用符合規定。

　　5 結束語

　　隨著技術的不斷進步，AI技術在能源領域的應用將呈現以下趨勢：一是多技術融合創新，AI技術將與物聯網、大數據、區塊鏈、5G等技術深度融合，形成更強大的技術合力，推動能源系統的全面數字化和智能化升級;二是跨領域協同應用，逐步打破能源行業內部各環節以及能源與其他行業(如交通、建筑、工業等)之間的壁壘，實現AI技術在更廣泛領域的協同創新和應用，構建綜合性的能源生態系統;三是自主智能決策能力提升，AI系統將具備更強的自主學習和決策能力，能夠在復雜多變的能源環境下實時作出優化決策，減少人工干預，提高能源系統的運行效率和可靠性。

　　Research on the policy system and application challenges of AI-driven energy transformation

　　LIU Wei1, LI Zhaoyang2, SHI Haichao3

　　(1. Beijing Modern Research Institute of Recycle Economy, Beijing 100814, China;

　　2. Beijing Bona Interchange Technology Co., Ltd., Beijing 100070, China;

　　3. Technology and Standards Research Institute, China Academy of Information and Communications Technology,Beijing 100191, China)

　　Abstract: The rapid development of Artificial Intelligence (AI) technology is reshaping the pattern of global energy industry. This paper analyzes the bidirectional influence relationship between AI technology and energy transformation from two aspects: the development of AI technology’s reliance on energy and the demand for AI technology in the green transformation of the entire energy industry chain. It systematically sorts out the domestic policies related to AI and energy development, and analyzes the policies at different stages in detail, providing a macro policy environment reference for the subsequent process of AI technology and energy transformation. Through the analysis of typical AI+energy cases, it summarizes the current achievements, and summarizes the existing problems and adjustments at the current stage, providing a certain reference for the subsequent formulation of scientific, effective and targeted integrated development policies.

　　Keywords: AI; energy transformation; policy analysis; sustainable development; technological innovation

　　本文刊于《信息通信技術與政策》2025年 第6期

　　作者簡介

　　劉偉：北京現代循環經濟研究院工程師，主要從事礦山數字化、智能化等方面的研究工作。

　　李朝陽：北京博納互通科技有限公司工程師，主要從事機械化、軟件開發與應用方面的研究工作。

　　史海超：中國信息通信研究院技術與標準研究所工程師，主要從事智慧能源、工業互聯網、數字化發展等領域的技術研究、標準研制、產業政策支撐等工作。

　　論文引用格式：

　　劉偉, 李朝陽, 史海超. 人工智能技術推動能源變革的政策體系和應用挑戰研究[J]. 信息通信技術與政策, 2025, 51(6): 27-32.