大模型在发电领域应用场景研究.pptx

大模型在发电领域应用场景研究,大模型应用方式,应用场景研究方法,大模型应用场景示例,1,2,3,模型迭化,提示工程,提,示工程,业,要,组,基模里 人工反饰团环,模型,A,模四,A,模型,云基础设施,手工标注,WORLDSDATA,(所有西官,ation,Model,础模,0,视,里程碑一,：2012年,CNN,获得,ImageNet,第一，标志着机器视觉识,别能力开始逐渐超越人眼,识别准确,率，开启了人工智能,革命里程碑二：,2022年,ChatGPT,的出现,掀起了又一波人工智,能发展热潮，以,大模型+,RLHF,为核心的技,术落地意,味着人工智能开启,AI,新范式单一领域数据集；诸多数据,集和诸多模型各成孤岛缺乏纵效；劳动密集型的数据标注,DATASET2,MODEL2,TASK2,DATASET1,MODEL1,TASK,9oX,AI,+,场景应用,超大模型，有人类反情的强化学习,AI,解答特定,领城问题,CNN,夺,得,ImageN,et,第,一,正确率超越第二名近10%,ChatGPT,发,布,可以理解人类语言并生成,类似人类的书面文本内容,“,AI,1.0”-,精肼细作,AI,2.0,规模化,A12.0,时代，人工智能的生产范式发生了,根本性改变,智能于机,智慧城市,智慧医疗,Suable,iffu,sion,取文,驱动的图像,多模态,型。

加视烦,大模型推动,AI,2.0,时代到来,着,AI,基础设施逐步完善，深度学习技术不所进步，人工,能应用场景退渐增多，大模型参数量以指数级,运中逆步提,升，数据量随着多模态,的引入也实现了大规增长,互联网,娱乐,专家系统 机器学习算法,人工智能现已经进入了以初级,AGI,为代表的,AI,2.0,时代,AI,大模型是人工智能迈向通用人工智能的里程碑技术,自,动,驾,驶,DALL-E2 PaLM-,高清原创图,AI 2.0,克服了,AI1.0,单领域、多模型的限制,2012,突破工业红线,2022,高效的通用,智能,超级海量数据，无需人工标注；,一个具有跨领域知识的“基础模型”,能执行五花,八门的任务,新,里,A,基础设施,N+,高性能计算+大数据,AI,新范式,1980s,Prolog&Lisp,DATA3ET3,MODEL3,Al,1.0,Al,2.0,模型,微调,MANY TASKS,2,ONEMODEL,Oo%,业,务,逻,Found,TASK3,19903,模型原生场景,对话聊天,常识问答,2,0,2,2,年,底,ChartGPT,发,布,模,型,初,始,功,能,短文创作,图像生成,专有行业场景,智能采购,计划编制,综合调度,巡检辅助,行业知识结合,故障诊断,报告攥写,应用集成,专业知识检索,综能客服,模,型,原,厂,衍生工具厂商,国产模型和国外开源模型的发展，行业认知度的增强，大模型,技术与行业应用快速结合,通用办公场景,会议总结,智能客服,大模型从,ToC,到,ToB,行业,应用快速结合,2023年 2024年,知识问答,专题写作,广告营销,行业解决方案厂商,办公需求结合,数字人,3,目前,AI,与用户协同的三种模式：问答模式：用户通过语言问答与模型交互；助手模式：用户与,AI,共同促成目,标的达成；跨应用协同模式：,AI,在,协同多个应用完成端到端任务。

用户设立任务目标,动作由,AI,完成,初稿,用户调整确认,用户自主结束工作,AI,代理,任务拆分,工具选择,进度控制,用户调整确认,AI,执行结束工作,用户设定目标，AI完成工作,AT,协同多系统完成工作,AI,用户,用户,大模型与用户协同的三种模式,用户,用户和AI协作工作,AI,嵌入业务系统完成部分工作,用户完成绝大部分工作,业务系统与,AI,平行工作,跨应用协同模式(内外部结合),其中某(几)个任务,AI,提供信息或建议,设立目标,提供资源,监督结果,问答模式(体外循环),助手模式(体内循环),用户设立任务目标,用户自主结束工作,4,Al,AI,全程语音,VR,影像,基本不变的知识,变化的知识 复杂结构的知识,交互方式,个,LLM,大模型,大模型+向量库,大模型+向量库+知识图谱 语音-文字互转立体显示,问答模式(体外循环),用户,用户完成绝大部分工作,业务系统与,AI,平行工作,任务,问答模式的逐步演进,预训练问答,RAG,+,图谱,索引增强,RAG,5,特征,传统的任务流程主线依然保持,用户可以委托,AI,使用部分软件功能,整个流程的中步骤对用户透明，通常用户需要对中间结果进行调整和修改，或者由用户重新完成,用户通过新交互模式(自然语言为其中一部份)向,AI,传达任务指令,用户意图理解,API,集成,数据,处理,反馈循环,助手模式(体内循环),用户,Al,任务,助手模式下，,AI,与软件功能高度集成,，用户与,AI,共同完成任务。

行程梳理,填报补全,提交报销,票据识别,事项对应,确认报销,关联申请,规则匹配,差旅补助,助手模式,财务报销案例,6,付位,流程驱动模式和人机交互模式发生变革,完全把任务托管给,AI,用户不,再关心中间过程,接受指令后自动进行任务拆解，分配给单任务给应用,的,Agent,执行,场景,短程端到端流程,备件需求-本次库-,区,域库-采购单-发货提醒,计划目标-相关计划查询-计划约束-计划草案生,成,跨应用协同模式,适合端到端流程存在断点，系统间业务流尚未完全打通的场景用户发出指令，由智能体规划并调用多个应用，完成端到端流程简,单任务/明确任务,复杂任务/开放性,任,务,7,大模型应用方式,应用场景研究方法,大模型应用场景示例,1,2,3,针对细分领域需求提供,产品或服务,服务营销 选址 基建,运行调度,检维修 两票三制技术服务,以,SaaS,服务为载体，提供中间层,能力服务,功能服务模块(,API、,智能搜索、智能问答、智能写作、智能推荐),生产控制数据 检,修数据生产安全数据,营销数据,生产管理数据,AI,领域对齐,(用户反馈工程、数据增量补充、增量训练),提供行业大模型能力，实现,MaaS(Model,as,a,Service),训练,推动新能源发展,提升决策智能化水平,创新服务模式,优化能源调度,提高发电效,率,降低碳排放,实现智能化,提升设备,可,巡检,靠性,创新运维模式,模型服务平台：,为行业企业提供行业大模型,能力。

电力行业训练平台：,为行业企业提供行业大,模型,算力和训练支持深度学习框架与中间件等,如,：,TensorFlow Py,Torch,飞桨等,数据,边缘或端侧计,云计算,算平台,计算机硬件与芯片,AIGC,的,IT,技术栈,AI,赋能电力行业,AI,变,革电力产业,应用层,中间层,模型层,框架层,资源层,解决模型的基础设施与训练条件，如算力、数据及,网络资源：如训练,所需的框架及平台等,大模型技术与发电领域结合从,赋能到变革,数据,(常用基础知识、行业通用数,据),数据,中心与,Prompt,优,化,模型,API,与模型微调,芯片 云,服务,业务应用,平台,边缘或端,侧应用,非开源,预训练,模型,嵌入,(embeddin,g),闭源模型应用,智能体,(,Agent,),助手,(,Copilot,),开源,模型,模型,Hub,9,数据完备性：数据量、多样性、标注质量、覆盖面、时间序列完整性、可解释,性等,研发成本：人力、基础设施、软件许可费、,数据获取和标进成本、能本，时间本等,复杂性：模型大小计算复杂度，模可解程性、署与运维、跨平台兼容性、扩,展性与灵活性等,需求紧迫性：时间、市场变,化、技术进步、业务影等,应用价值:成本效益、,社会效益、可持续性等,风电,架,构,状,水电,技,设计集成方案,架构,集成,L0,功能,业务,L1,场景,布,集团层级,平台级、集团云,偏技术/管理,服务,应用,方案,L2,署,二级单位,子平台、二级云,偏应用/服务,L0,层,：,通用基座大模型(讯飞大模型),L1,层,：,充分考虑到电力业务的实际需求,，确保模型技术方案能够满足,电力行业的特殊要求，并在实际应用中发挥出更大的实用性,。

L2,层,：,可以理解为具,备了专业知识的领域大模型，它具备了比通用大,模型更专业的领域服务能力大模型两条应用路线：递进式应用,和垂直式应用,垂直式应用：无模型,层级递进，模型分散，随需求选用,递进式应用：行业大模型-领域模,型-应用模型,响划,原则,业,务,领,域,翩,技,术,划用场,10,火电,运行与维护,周/日调度,功率预测,调度优化,碳排分析,生产计划 生产,运行,运检作业,检查和评估,诊断 故障,派单,处置 维护优化,产品/副产,品,运行安全监管,作业安全监管,安全风险评估,AML,生产运行,BIM,生产计划,调度记录,设备状态,维护计划,检修记录,安全状态,新能源辅助选址,风资源数据推理计,算,施工形象进度辅助,监测,新能源功率辅助预测,设备故障辅助诊断,辅助制定发电计划,智能检修作业助手,智能单兵巡检装置,AI,巡检无人机,智能营销助手,智能客户服务,发电价值链与业务过程组合，识别大模型应用场景,试运行,(火电168,新能源2,40),并网运行,竣工验收,施,IBIM,空间信息构件成本,前期,项目策划,可行性分析,实地踏勘,投资决策,政府审批,作业安全辅助监管,设备运行安全辅助监管,安全风险源辅助管理,基建知识图谱与知识模型运行知识图谱与知识模型检修知识图谱与知识模型营销知识图,谱与知识模型综能知识图谱与知识模型,3.运行调度,7.学富五车电力大脑,设计,BIM,AML,相关设施 设备信息,营销,市场分析,制定营销,策略,营销推广,设计成果评审,进度监测,质量管理,安全监管,服务,客户服务,4.检修维护,5.,安全监管,行业调,研,客户需,求调研,竞争对,手分析,开发潜 力评估,1.前期规划,2.基础建设,项目签约,规划设计,安全,领域,知识,领,域,高危人员识别跟踪管理,6.营销服务,领,域,模型,BIM,体化管,发电,流程,价值流,场地信息,市场调研,资金管理,基建,理,行业背景及大模型应用现状,应用场景研究方法论与范围,大模型应用场景示例,1,2,3,多模态,大模型,选址数,自动特征数据抽取,政策、规划、地貌、保护区、道路、地形等,特,征,数据抽,取,处理,地,理标准一致化,地理编码,坐标匹配，绘制区域,配准上上图,(地理配准、,几何纠正,),土地利用,生态红线,拟选场址自动寻找,地貌模拟,权重自动配置,拟选地,址推,理,关键指标自动排查,安全因素排查建,设条件比选,电网接入条件比选,限制因素排查,自然和社会环境分析,综合分析决策,新能源点位粗设,容量初步规划,输出拟选场址,Top,N,新能源场站选址是,一,个复杂过程，涉及多个关联机构、设计院、主机厂、地方政府等。

繁重的技术文档研读和编,写工作需要减负通过挖掘大量存量开发过程资料的价值，,形成“新能源场站选址助手”将大幅改善前期工作质量，加速开,发工作进程选址原则,历史案例,Prompt,工程,上下文语,义理解,多模态大模型辅助空间数据融合，,增强新能源选址效能,本项目选址位于：*布置单机容量：2.2,MW,131m,叶轮直径的风机13台,总装机容量：28.6,MW,同步配套：建设110,kV,升,压,站一座选址需求,政策,经,原电,微调,-指令调优,embedding,调优,-安全性,地理分析,引擎,线下资料,选址规则,13,专业引擎,+可视化引擎,+BIM,引擎,进度可视化展示,图层融合展示,自动建模匹配,施工进度分析,施工进度预测,施工风险分析,施工质量分析,双碳目标加速场站建设，基建总理激增，,总部或区域公司规模性掌握施工进度成为痛点通过现场无人机、视频监控、拍照等手段采集现场信息，通过大模型降维与叠加，形成,施工进度形象图，构成进度可视化结合,AI,阅读施工环节验收报告，自动进行,里程碑进度跟踪，形成甘特图施工进度展示进度展示需求,现场数据,现场视频,现场照片,无人机,施工报告,汇报材料,物。