枫影（王鸿华）：数智化坚强电网

【课程背景】

随着科技的进步和社会的发展，电力作为现代社会运转的基础能源，其安全、稳定供应对于国家经济、民生福祉具有至关重要的意义。近年来，数字技术和智能化技术在电网领域的应用不断深化，推动了电网从传统模式向数智化模式的转型升级。因此，培养一批掌握电网数字化、智能化技术的专业人才，对于保障电力供应、提升电网运营效率、推动能源革命具有重大的现实意义。

在此背景下，《数智化坚强电网》课程应运而生。本课程旨在系统介绍电网数字化、智能化的前沿技术和应用实践，通过深入浅出的讲解和丰富的案例分析，帮助学员掌握电网数智化的核心理念、关键技术和应用方法。同时，结合当前电网面临的挑战和机遇，探讨数智化技术在提升电网安全性、

【课程收获】

通过本课程的学习，学员将获得以下收获：

1. 掌握电网数字化、智能化的基本概念和原理，了解电网数智化的发展趋势和应用前景。

2. 深入理解电网数智化的核心技术，包括物联网、大数据、人工智能等在电网领域的应用方法和实践案例。

3. 掌握基于业务数字化要求下的信息化集成系统的开发要点

【课程时长】2天（6小时/天）

【课程大纲】

第一篇：电网数智化转型概念、内容及技术原理

1. 定义数智化：信息化-数字化-智能化-智慧化

2. 电网数智化转型：借助数字技术对电网业务展开创新

3. 电网数智化转型的背景：中国式现代化-高质量发展与双碳-新型电力系统-数字化改造

4. 电网数智化转型的目标：效率、体验、社会价值、竞争力、创新等

5. 电网数智化转型的技术逻辑

（1）效率体系(ROI/ROE)——科学决策

（2）科学决策——数据分析

（3）数据分析的流程：数据采集-数据整理-数据集成-数据管理-数据资产化-数据可视化-数据分析-数据分析报告-业务改善

（4）数据分析三大要素：模型、大数据、算力

6. 模型与AI算法

（1）业务模型传统构建方法

（2）AI是如何构建业务模型的：机器学习、深度学习、LLM（大模型）

（3）AI电力大模型的创建

【案例】百度飞浆与南网合作的共建电力大模型“大瓦特”

7. 大数据

（1）IOT与数据采集

（2）数据集成ETL

（3）数据治理

（4）数据可视化

（5）数据资产化

（6）数据挖掘

（7）数据安全

8. 算力

（1）算力定义

（2）算力分类1：通算、超算、智算

（3）算力分类2：云计算、雾计算、边缘计算

（4）算力网络

（5）云计算服务：IaaS、PaaS、SaaS

9. 数智化转型-效率-数据分析-三大要素与信息化系统之间的关系

（1）信息化集成系统的结构

（2）业务模块

（3）数据模块

（4）AI模块

（5）组织模块

【解析】站在信息化集成系统的角度解读电网数字化转型的整个技术逻辑

10. 电网数智化落地要素

（1）懂业务：了解电网数字化转型的内容

（2）懂技术：掌握大数据平台建设和AI建设体系

（3）懂管理：组织变革与人才成长

第二篇：电网数智化落地要素1——业务

1. 数智化转型的内容

（1）转型内容：战略转型、业务与商业模式创新、业务场景效率提升

（2）战略转型：智能电网、智能微电网

（3）业务与商业模式创新：基于新型电力系统下的新业务和新商业模式

（4）业务场景效率创新

2. 电力系统主要的转型内容

（1）能源、发电

Ø 智慧矿山：串采运排整个全流程的智慧化改造

Ø 智慧水电：水源水质、水厂泵房、智慧排水、水电站智能化管理、水务管理智能化

Ø 智慧新能源：光伏与智慧家居、工业农业城市光伏能源智能化控制和智能化控制、智能光伏储能、风光电厂智能化管理

Ø 综合能源管理：借助AI实现综合能源的管理

Ø 能源使用状态可视化

（2）输电

Ø 智能巡检：无人机巡检和3D巡检航道规划

Ø 智能安检：作业环境、前端界面、作业人员的智慧安监

Ø 智能调度：基于跨区域智能化调度

Ø 故障诊断、定位

Ø 输电线路状态评估：对线路的寿命、运行状态和安全状态进行评估

Ø 输电线路容量优化：根据负荷、气象条件都能智能优化娴熟输送容量

（3）变电

Ø 智能变电站巡检

Ø 变电站智能运维

Ø 故障预警、诊断、定位、预处理

Ø 作业安全监查

Ø 数字孪生变电站

（4）配电

Ø 智能电网规划

Ø 智能线路状态诊断（智能配网自动化）

Ø 智能配网优化运行

Ø 配电网智能调度

Ø 工业/城市/农村区域智能微电网

Ø 复合能源的智能化管理（虚拟电厂与智能调度）

Ø 数字孪生配电系统

Ø 用户侧智能用电管理

（5）供服

Ø 智能监控与预警

Ø 故障定位与快速恢复

Ø 智能客服（含基于LLM大模型的智能客服系统）

Ø 智能办电、智能工单

（6）用电

Ø 智能用电监控系统

Ø 需求响应与智能调度

Ø 用电异常检测和故障预警

Ø 智能家居与能源管理

Ø 电动汽车充电管理

Ø 能源综合管理解决方案

 

第三篇：电网数智化落地要素2——技术

【模块一】数据平台建设

一、数字化转型、数据分析、数据治理的逻辑关系

1. 数字化转型的核心在于通过数据分析做出科学判断，进而提效降本

2. 数据分析的前提是拥有业务模型和有价值的数据

3. 数字化时代大数据的特征——多源异构

4. 大数据平台（数据底座）的诞生

5. 数据发挥价值的前提——数据治理

6. 数据治理的内涵

【案例】某集团公司在数字化转型过程中碰到的数据质量问题

二、数据治理的流程与内容（通过工作内容了解业务与技术的衔接之处）

1. 立数据

(1) 主数据管理

(2) 顶层架设（是否要开启中台）

(3) 基础设置（私有云、网）

【案例】南方电网4A大数据平台体系架构

2.通数据

(1) 数据接入（API）

(2) 数据处理（ETL）：数据清洗、数据处理、数据集成

(3) 数据管理：数据目录、数据地图、数据资产化

(4) 数据安全：数据安全治理、数据访问安安

(5) 数据可视化：BI报表、面向业务的数据可视化

(6) 数据挖掘

【案例】南方电网4A系统数字资产管理体系

3.挖价值

（1）数据分析赋能业务

（2）面向业务的数据中台体系

【案例】面向业务的可视化数据分析应用

三、企业实施数据治理的过程方法

1. 企业实施数据治理框架体系

（1）治理任务

（2）治理规划

（3）治理对象

2. 数据治理的组织架构

（1）组织架构：决策层、管理层、执行层

（2）管理层职责：项目经理、专家评审组、PMO

（3）执行层职责：业务专员、数据治理专家、数据架构师

3. 技术（数据管理部门）与业务（数据来源部门）之间的关系

(1) 立数据：要由业务部门清晰明确业务模型、业务流程

(2) 通数据：需要业务部门配合，完成数据的整理、清晰和导入工作

(3) 挖数据：基于业务变革转型，即时反馈，对主数据展开维护、不断优化

(4) 整体认知：业务是数据的来源，一切都源自于业务如何定义数据

【案例】某集团公司总公司和分公司之间、业务与技术部门

【模块二】AI模块

一、AI的发展历程与弱人工智能（分析性AI）

（1）AI的诞生和目的

（2）AI为什么可以抗衡个人经验

（3）AI是如何构建业务模型的

（4）AI在构建业务模型的发展趋势

（5）分析性AI

Ø 机器学习：监督学习、无监督学习、强化学习

Ø 神经网络：前馈神经、卷积神经、循环神经、生成式对抗网络

二、AGI通用人工智能与电力大模型

1. 生成式AI

2. 与分析性AI的区别

3. GPT的诞生

4. 通用AGI的核心思想

5. AGI大模型的分类：AIGC与AGI+产业大模型

6. 国内外主流AGI+产业大模型介绍

7. 电力大模型与南网“大瓦特”介绍

8. 对接指南

（1）国内目前主流能源大模型平台：百度飞浆

（2）电力系统做大模型的定位：

Ø 差异化功能

Ø 本地化知识库训练

（3）主要的方法

Ø 借助百度飞浆等开源模型进行产业特定领域大模型的开发

Ø 借助开源平台和API接口进行本地化部署训练

【案例解析】南网电网X华为技术联合开发“大瓦特”MaaS系统

第四篇：电网数智化落地要素3——组织

一．电网数字化转型的落地

1. 数字化转型是一把手工程

2. 数字化中心的成立与相关成员

3. 制定企业数字化转型的路径

4. 构建开放性文化

5. 以项目为抓手鼓励创新

6. 以项目牵头，梳理各类应用

7. 整合数据，打通组织内各类应用，提升组织效率

8. 攻克核心技术，以AI驱动电网智能化建设

二．敏捷性组织的构建

1. 定义敏捷性组织

2. 信通/云服务企业的组织架构体系

3. 中台化企业的内部组织体系与管理

4. 敏捷性组织的搭建

5. 激励与考核制度

三．数字化人才技能模型

1. 数字化人才能力模型解读

2. 数字化时代的人才职业发展规划

3. 个人成长体系与路径设计

【案例】某制造业企业做数智化改造的整体组织变革与技能模型