大模型混合孪生技术，引领光伏大基地产业智能化革新

根据国家能源局发布的最新数据，到2030年，规划建设以沙漠、戈壁、荒漠地区为重点的大型风光基地总装机容量达到4.55亿千瓦。从2023年开始，构网型光伏大基地正式进入了快速增长期，其电网支撑能力、设备可靠性、运行经济性和高效管理成为各方的关注重点。

在此背景下，北京智盟信通科技有限公司（下文简称“公司”）参加了由中国光伏行业协会主办的“2024光伏市场发展论坛”， 公司CTO阮佳阳博士以“大模型技术助力GW级超大型光伏基地智慧化运营管控“为主题，讲述了大模型混合孪生技术与设备资产管理业务的深度融合应用，为解决光伏超大规模接入后产生的场站、设备管控问题提供了前沿的AI智慧化解决方案。

图片图片阮博士围绕着公司的三大核心技术和一个GW级光伏大基地应用案例进行汇报：

◾ 大模型Neural-ODE序列孪生技术。该技术基于大模型序列神经网络，学习物理设备所经历的外部激励与输出的动态响应之间的非线性微分动力学关系，对正常运行物理设备内部的未知复杂运作机制进行精确孪生复刻。

◾ 大模型类脑知识体孪生技术。汇集电力行业各业务领域专家大脑中的海量经验，对大模型进行冷启动阶段的初始化，再吸收不断产生的真实故障案例、检修案例大数据，迭代更新大模型中记忆的复杂知识网络权重。最后依托大模型语言生成技术，使用强化学习进行场景迁移和微调，将机器语言表达的诊断结论转化为实际的检修、运维决策建议。

◾ 大模型优化决策体孪生技术。基于大模型构建的深度强化学习网络，对特性未知的被控对象进行在线建模，通过与外部环境的模拟互动产生决策优化方向使得奖励函数持续上升，从而对决策网络进行不断微调，获取最优的控制效果。

◾ 以“国家能源集团宁东2GW光伏基地“为应用案例，详细解释了上述三大核心技术如何在光伏领域得到实际应用，探讨了在发电水平分析、设备故障超前预警、运行指标分析、场站健康度评估等业务领域产生的生产价值，从而极大提高了数据分析、缺陷预警、故障定位、检修决策等环节的执行效率。

推动人工智能技术与实体经济深度融合，赋能传统产业数字化、智能化转型升级，是把握新一轮科技革命和产业变革新机遇的战略选择。“大模型混合孪生技术”在运营管控中体现出了优良的数据分析性能和显著的应用价值，有效解决了传统机器学习算法在工业领域落地过程中遇到的可解释性低、数据样本少、更新迭代困难的问题，使以“多模态神经网络”为代表的下一代人工智能技术的应用迈入了新的里程碑阶段。