6月20日，在中國電科院人工智能應用學術研討會上，來自科研院所、高等院校、企業的人工智能和電力領域的院士、專家齊聚一堂，面向人工智能技術前沿，際會思想、砥礪智慧，為國家電網公司人工智能技術發展建言獻策。

當前，人工智能加速發展，已經具備在各領域落地應用的條件。黨中央、國務院高度重視人工智能技術的發展，將其上升為國家戰略。2017年7月，國務院印發《新一代人工智能發展規劃》，國家科技部公布首批人工智能開放創新平臺，推進人工智能創新和規模化應用，促進人工智能與實體經濟深度融合。人工智能技術作為新一輪產業變革的核心驅動力、經濟發展的新引擎，將帶動各行業形成智能化新需求，催生一大批智能化新技術、新產品、新產業，推動社會從數字化、網絡化向智能化飛躍。

智能電網的發展，也為人工智能技術應用提供了廣闊的平臺。基于數據驅動的電力人工智能技術將發揮越來越重要的作用，并將成為電網發展的重要戰略方向和電網智能化發展的必然解決方案。

人工智能技術是助力新一代電力系統建設的重要支撐，是推動電網管理方式創新的重要引擎

人工智能技術在電網建設、經營、決策、管理等領域中具有廣闊的應用前景，將對提高大電網駕馭能力、保障能源安全，更好地服務經濟社會發展發揮積極的作用。

研討會上，國家電網公司副總經理、黨組成員楊晉柏表示，公司全力推動人工智能與電網生產運營的深度融合，形成了總部統一規劃、直屬科研產業單位提供技術和裝備支撐、省(市)電力公司落地應用的人工智能創新體系布局，明確由中國電科院負責人工智能在電網中的應用技術研究。這是公司加強人工智能應用領域研發力量、完善人工智能創新體系布局的重要舉措，表明了公司支持人工智能技術發展的信心和決心。

中國電科院作為國家電網公司直屬科研單位，30多年來，持續開展電力領域人工智能應用技術研究，在輸變電工程智能巡檢、電網運行輔助決策、配用電數據智能挖掘與模式識別等方面取得了階段性成果。

中國電科院副總經理(副院長)王繼業在題為《人工智能重點研發方向及發展規劃》的主旨報告中提出，與傳統電網相比，能源互聯網不再是源、網、荷構成的工業系統，而是開放共享的，包含社會因素和人的意愿的互聯系統，具有廣泛互聯、平等接入的特點和互聯網的特征與效應。而與傳統互聯網相比，能源互聯網也有著本質不同。傳統的互聯網是模式驅動，而能源互聯網則是以技術為核心。采取數據驅動的人工智能技術，是支撐新一代電力系統的重要手段。

主旨報告闡述了電力人工智能的七個核心技術方向的分層架構。其中，智能傳感以構建全業務泛在電力物聯網為目標，集成先進技術、創新研究，突破先進感知、邊緣智能、網絡連接、微源取能等核心技術;人工智能平臺將提供豐富的算法和模型庫，并形成人工智能應用研發的全流程一站式服務;大數據將繼續研究數據驅動的研究方法，重點開展大數據統一平臺、數據分析挖掘、統一數據模型等技術研究和應用需求及業務模型研究;機器學習構建面向電力系統的機器學習算法庫并研發針對特定電力業務場景的機器學習應用模型;計算機視覺將重點研發電力影像資源庫、電力影像智能輔助標注技術、電力設備檢測與缺陷識別算法，形成設備級電力視覺模塊，實現實時設備識別和缺陷檢測;自然語言處理將構建電力主題詞表，研究電力文本特征提取、本體建模、知識加工和推理等技術，構建調控、運檢和營銷等領域知識圖譜，并最終形成新一代電力智能搜索和問答解決方案;智能機器人將重點突破智能算法封裝、自主識別、自主行為、自主學習、人機協作等核心技術，實現電力機器人的自主和智能化。

研討會展望了電力人工智能技術在新能源消納、大電網安全和穩定、新興負荷感知與預測、電力資產管理與智能化運維等四大領域的應用場景，提出打造能源電力系統的AlphaGo、實現能源電力系統的無人駕駛，最終形成電網的數字與物理雙平面的發展目標。

人工智能的關鍵技術與發展趨勢表明，電力人工智能前景廣闊

研討會邀請了中國工程院院士譚建榮，介紹國內外智能機器人的研究現狀和發展趨勢。他提出，智能機器人的本質是和人一起協同工作，提高機器人智能化程度的關鍵在于人工智能技術的發展和應用。制造業是支撐人類生存和發展的基礎產業，世界各國對制造業都是高度重視。而智能制造的核心在于提高機器的智能化程度，即人工智能技術的結合與應用。人工智能應該以知識庫和知識工程為基礎。“離開了知識，人工智能就空洞了，變成無源之水、無本之木。”譚建榮說，人之所以有智能，是因為人是有知識的，現在搞人工智能技術應用的核心就是知識工程。

譚建榮認為，過去，智能制造以機器為中心;現在，要強調人機和腦機交互。過去，強調個體智能，現在，要強調基于網絡的群體智能。

此外，譚建榮還梳理了智能裝備與智能機器人的十大關鍵技術，一是基于視覺的環境三維感知識別技術，二是多源頭多數通道傳感異構數據融合技術，三是基于環境理解的全局精確定位技術，四是多機協同的集群華交互與控制技術，五是大數據驅動故障診斷，六是大數據驅動的多模式融合學習，七是多約束下機器人運動路徑規劃，八是多任務自適應協同的群智決策技術，九是產品知識圖譜與知識網絡構建，十是機電液一體化云平臺知識服務技術。

清華大學計算機系教授李涓子所作的《知識工程及其領域知識圖譜構建》學術報告，闡述知識工程是人工智能非常重要的一個分支，是我們從看到數據、理解數據、轉化知識和形成智能的轉換過程，可以幫助我們做決策，讓我們有更好的生活或者生產的方式。她總結了知識工程的三個關鍵技術，一是知識引導和數據驅動相結合的知識表示和計算;二是知識圖譜技術平臺化、建立知識引擎;三是知識圖譜應用多樣化、創新知識應用。

北京大學大數據科學研究中心特聘研究員朱占星介紹了機器學習的流程，指出決定其學習效果的因素主要是目標函數和訓練方法。他展示了其研究團隊近期在交通標志識別中進行穩健學習的嘗試，并指出在深度學習領域仍沒有很好的數據工具能實現對目標函數的精細刻畫，后續深入的研究還需要數學分析、幾何、統計學、統計物理、博弈論等多學科的共同努力。

在本次研討會上，與會專家、學者從各自的研究領域深度解讀了人工智能的關鍵技術與發展趨勢，共同探討了人工智能支撐能源互聯網發展中的難題。研討會向人們傳遞出一個信息——電力人工智能前景廣闊,在各方的共同努力下，一定會取得豐碩成果。