2023AI在電力領域落地場景及相關企業分析報告.pdf

《2023AI在電力領域落地場景及相關企業分析報告.pdf》由會員分享，可在線閱讀，更多相關《2023AI在電力領域落地場景及相關企業分析報告.pdf（33頁珍藏版）》請在三個皮匠報告上搜索。

1、2023 年深度行業分析研究報告 2 內容目錄內容目錄 一、針對 AI 在電力領域的應用場景、我們提出“應用可行性分析框架”.5 二、發電功率預測、輸變電智能運維巡檢，有望成為 AI 率先賦能方向.8 2.1 智慧融合為新型電力系統建設推進基礎保障，國網智能化投資維持較高增長。.8 2.2 發電功率預測：基于 AI 的預測模型為當前研究主線，旨在提高預測精度.10 2.3 智能運維與巡檢：AI 有望全面升級巡檢產品，行業空間預計突破百億.14 三、中長期看好 BIM、電網智能調度、虛擬電廠和微電網 AI 賦能落地.20 3.1 電力行業 BIM 設計軟件：國產化替代需求強烈，AI 賦能貫穿設計

2、-施工-運維環節.20 3.2 電網智能調度自動化：AI 驅動新一代調度系統實現電網智能決策和智能控制.22 3.3 虛擬電廠、微電網：AI 與虛擬電廠技術核心匹配性強.25 四、相關公司.29 4.1 國電南瑞.29 4.2 國能日新.30 4.3 澤宇智能.30 4.4 申昊科技.31 4.5 智洋創新.32 4.6 東方電子.32 圖表目錄圖表目錄 圖表 1：AI+電網應用場景涵蓋用電側、電網側、用電側.5 圖表 2：意見提出的四項基本要求.5 圖表 3：AI 大模型在學界和業界持續拓展.6 圖表 4：2022-2027 中國 AI 市場 CAGR 為 25.6%（億元）.6 圖表 5：

3、AI+電網“應用可行性分析框架”.7 圖表 6：新能源發電功率預測，輸變電線路智能運維與巡檢，具有較高 AI 應用落地可能性.8 圖表 7：新型電力系統的四大基本特征.8 圖表 8：新型電力系統中數字與物理系統深度智慧融合.9 圖表 9：新能源系統電力的平衡難度升級.9 圖表 10：系統友好型電站示意圖.9 圖表 11：預計 23-25 年國網投資完成額增速為 3-5%.9 圖表 12：預計 23-25 年國網智能化投資金額增速為 5-7%.9 圖表 13：日間風電、光伏出力和負荷不平衡.10 OYfWsWkZkWpNtRmR9P9RbRmOqQoMtQeRoOqNfQoOmR7NmNmMMY

4、pNpPvPsPrP 3 圖表 14：新能源功率預測產品應用情況（國能日新）.10 圖表 15：功率預測相關政策趨于嚴格.10 圖表 16：“雙細則”功率上報率和準確率要求高.10 圖表 17：短期、超短期預測用于電網調度.11 圖表 18：基于 AI 的新能源功率預測技術框架圖.11 圖表 19：AI 在功率預測領域的應用：模型輸入、模型構建、參數優化.12 圖表 20：新能源功率預測產品技術路線（以國能日新為例）.12 圖表 21：功率預測產品每日工作流程（以國能日新為例）.13 圖表 22：線性回歸和樹模型應用效果好（GEFCOM 大賽）.13 圖表 23：深度學習模型嶄露頭角（國網調控

5、 AI 創新大賽）.13 圖表 24：業內成熟的功率預測系統主要采用組合建模方法.13 圖表 25：國內新能源功率預測相關公司中，國能日新市占率最高（2019 年）.14 圖表 26：華為盤古氣象大模型精度首次超過傳統數值方法.14 圖表 27：2022 年 220 千伏及以上變電設備新增容量增速為 5%左右（萬千伏安）.15 圖表 28：2022 年 220 千伏及以上輸電線路回路新增長度增速為 4%左右（千米）.15 圖表 29：“狀態檢修”運維策略及時性和可靠性高.16 圖表 30：人工巡檢諸多劣勢，AI 替代人工性價比更高.16 圖表 31：輸電線路智能運維管理主要方式.17 圖表 3

6、2：輸電線路智能運維管理方式具體情況.17 圖表 33：電力巡檢機器人行業規模測算（億元）.18 圖表 34：NERF 模型訓練：訓練前后對比.18 圖表 35：AI 輔助拍攝提升圖像清晰度.18 圖表 36：輸電線圖像檢測方法流程圖.19 圖表 37：無人機航拍識別電力設備缺陷.19 圖表 38：基于大模型的無人機電力巡檢，篩選效率提升 30 倍、篩選質量提升 5 倍.19 圖表 39：電力缺陷識別模型代替 20 多個傳統小模型.19 圖表 40：可視化是 BIM 的顯著特征.20 圖表 41：有關人員可借助 BIM 平臺及時溝通.20 圖表 42：2020 年全球 BIM 市占率情況.20

7、 圖表 43：Autodesk REVIT 為全球主流 BIM 軟件.20 圖表 44：BIM 支持政策梳理(2020 年至今).21 圖表 45：BIM 為發電側建設必要設計工具.21 圖表 46：BIM 被用于輸電環節設計.21 圖表 47：AI+BIM 技術展望.22 圖表 48：電網調度自動化系統概況.22 4 圖表 49：電網調度自動化系統的三個組成部分.22 圖表 50：我國電力調度機構分五級設置.23 圖表 51：電力調度自動化系統年化需求空間測算.23 圖表 52：電力調度系統市場競爭情況.23 圖表 53：國電南瑞新一代調度技術支持系統示意圖.24 圖表 54：新一代調度系統

8、已建成的兩級調控云.24 圖表 55：新一代調度系統覆蓋電力調控、發展、生產、經營和能源領域數據.24 圖表 56：AI 用于電網智能決策.25 圖表 57：AI 用于電網自適應控制.25 圖表 58：虛擬電廠結構示意圖.26 圖表 59：微電網示意圖.26 圖表 60：微電網可以并網運行、也可以離網運行.26 圖表 61：虛擬電廠和微電網的不同.27 圖表 62：傳統電力能源生態系統和虛擬電廠能源生態系統對比.27 圖表 63：冀北虛擬電廠示范工程.28 圖表 64：國內首家虛擬電廠管理中心.28 圖表 65：2025 年虛擬電廠投資規模達到 800 億元.28 圖表 66：2025 年虛擬

9、電廠運營規模達到 50 億元.28 圖表 67：虛擬電廠數字孿生總體架構.29 圖表 68：數字孿生虛擬電廠優化調度框架.29 圖表 69：相關推薦公司.29 圖表 70：國能日新主要業務和產品.30 圖表 71：業務涵蓋電力設計、系統集成和工程施工運維.31 圖表 72：2022 年江蘇省省外業務加速拓展（億元）.31 圖表 73：公司產品包括智能機器人和智能監測檢測及控制設備.31 圖表 74：公司主要面向電力、水利、軌交領域提供 AI 產品與解決方案.32 圖表 75：公司攜手昇騰 AI 推動無人變電站規?；瘧?33 5 一、針對 AI 在電力領域的應用場景、我們提出“應用可行性分析框

10、架”3 月 31 號，國家能源局發布關于加快推進能源數字化智能化發展的若干意見，針對電力、煤炭、油氣等行業數字化智能化轉型發展需求，提出若干建議，以把握新一輪科技革命和產業變革新機遇。其中電力行業方面，主要提出利用數字化智能化技術支撐：發電清潔低碳轉型、新型電力系統建設、電力消費節能提效。我們由此梳理出以下我們由此梳理出以下 5 5 項項 A AI I+電力電力應用場景：應用場景：1）發電側-發電清潔化智慧化轉型：新能源發電功率預測；電廠 BIM 智能化設計 2）電網側-新型電力系統建設：電網智能調控和輔助決策；輸電線路智能巡檢、變電站智能運檢、配電智能運維 3）用電側-電力消費節能提效：虛擬

11、電廠、微電網 圖表圖表1 1：AI+AI+電網應用場景涵蓋用電側、電網側、用電側電網應用場景涵蓋用電側、電網側、用電側 來源：國家能源局關于加快推進能源數字化智能化發展的若干意見、國金證券研究所 意見提出的四項基本要求包括需求牽引、數字賦能、協同高效、融合創新。推動數字化智能化技術與能源產業發展深度融合，加快人工智能、數字孿生、物聯網、區塊鏈等數字技術在能源領域的創新應用，最終為構建清潔低碳、安全高效的能源體系，為積極穩妥推進碳達峰碳中和提供有力支撐。圖表圖表2 2：意見提出的四項基本要求意見提出的四項基本要求 基本原則基本原則 主要內容主要內容 需求牽引 針對電力、煤炭、油氣等行業數字化智能

12、化轉型發展需求，通過數字化智能化技術融合應用，急用先行、先易后難，分行業、分環節、分階段補齊轉型發展短板，為能源高質量發展提供有效支撐。數字賦能 發揮智能電網延伸拓展能源網絡潛能，推動形成能源智能調控體系，提升資源精準高效配置水平；推動數字化智能化技術在煤炭和油氣產供儲銷體系全鏈條和各環節的覆蓋應用，提高行業整體能效、安全生產和綠色低碳水平。協同高效 推動數據資源作為新型生產要素的充分流通和使用，打通不同主體間的信息壁壘，帶動能源網絡各環節的互聯互動互補，提升產業鏈上下游及行業間協調運行效率，以數字化智能化轉型促進能源綠色低碳發展的跨行業協同。融合創新 聚焦原創性、引領性創新，加快人工智能、數

13、字孿生、物聯網、區塊鏈等數字技術在能源領域的創新應用，推動跨學科、跨領域融合，促進創新成果的工程化、產業化，培育數字技術與能源產業融合發展新優勢。來源：國家能源局關于加快推進能源數字化智能化發展的若干意見、國金證券研究所 6 1919 年后年后 A AI I 大大模型模型持續推進，持續推進，賦能千行百業賦能千行百業，2222 年市場規模近年市場規模近 2 2000000 億元億元。近十年來，包括機器學習（ML）、自然語言處理（NLP）、計算機視覺（CV）等技術快速發展，在企業設計、生產、管理、運營多個環節中均有滲透程度不斷提升，同時在礦業、電力、交通、農業、氣象等領域的應用逐步落地。AI 應用

14、已從消費、互聯網等泛 C 端領域，向 B 端傳統行業輻射，AI 大模型在基礎層、技術層、應用層均持續突破，AI 正加速賦能千行百業。22 年市場規模近 2000 億元,2022-2027 年 CAGR 為 25.6%。據艾瑞咨詢數據，2022 年中國AI 產業規模達 1958 億元，年增長率 7.8%。2022 年業務增長主要依靠：1）智算中心建設及大模型訓練等應用拉動需求的 AI 芯片市場、2）智能機器人及對話式 AI 市場。在 AI 成為數字經濟時代核心生產力的背景下，AI 芯片、自動駕駛及車聯網視覺解決方案、智能機器人、智能制造、決策智能應用等細分領域增長強勁。2027 年人工智能產業整

15、體規?？蛇_ 6122 億元，2022-2027 年的年復合增長率為 25.6%。圖表圖表3 3：A AI I 大模型在學界和業界持續拓展大模型在學界和業界持續拓展 圖表圖表4 4：2 2022022-20272027 中國中國 A AI I 市場市場 C CAGRAGR 為為 2 25.65.6%（億元）（億元）來源：A Survey of Large Language Models（2023.04）、國金證券研究所 來源：艾瑞咨詢、國金證券研究所 針對電力行業屬性，我們提出 AI+電力“應用可行性分析框架”，以多維度的視角，分析判斷 AI 有望最先在哪些細分行業和公司落地。面向面向行業主要行

16、業主要衡量衡量的維度有的維度有：1)能否解決長期痛點問題：電網承擔最主要的功能是維持用電側與電網側動態平衡，而新能源裝機比例上升無疑加大了電力調度與消納的難度，因此若 AI 加持能有效解決消納相關細分環節的痛點問題，相關政策導向和資金投入將有望向此環節傾斜。2)行業數據是否具有較低敏感性和安全性風險：大模型需要通過海量數據訓練，而電網行業本身涉及到民生用電與數據安全性問題，部分信息不便用于大規模公開訓練，因此若某一細分環節數據敏感性較低或用戶已授權使用，則大模型將更快接入落地。3)行業是否已較早應用布局 AI/技術實踐：電網多個應用場景較早地應用了 AI 技術，例如輸變電線路運維和巡檢方面，2

17、011 年開始，部分企業就已開展了通過 AI 對電力設備外表缺陷進行識別、預測、跟蹤運行等研究探索。4)已有華為等廠商開發出行業相關大模型：例如華為盤古 CV 視覺大模型，已在 L2 級細分場景上，推出基于電力大模型的無人機電力巡檢、電力缺陷識別等場景模型。面向面向公司公司主要主要衡量衡量的維度有：的維度有：1）擁抱 AI 的積極性：公司的主觀能動性如何？是否排斥應用大模型？2）積累的數據規模與數據質量：公司所積累的數據壁壘是否深厚？積累的數據能否直接用于模型訓練？是否會涉及到客戶數據泄密？3）享有某些數據的優先使用權：公司是否為兩網核心子公司？未來是否會優先享有某些重要數據使用權？4）重視信

18、息化建設基礎：公司性質是否偏軟件？是否早就重視信息化基礎建設？是否擁有較高信息化建設水平，以配合 AI 落地？5）具備自主開發訓練能力、或和大模型廠商有深入合作關系：公司是否具備開發實力/是否和大模型廠商深度合作？15461816195824733144399950086122010002000300040005000600070002020202120222023E 2024E 2025E 2026E 2027E中國AI產業規模CAGR=25.6%7 圖表圖表5 5：AI+AI+電網“應用可行性分析電網“應用可行性分析框架”框架”可行性分析維度（細分行業）可行性分析維度（細分行業）對對 AI

19、AI 落地行業的促進作用落地行業的促進作用 低低 中中 高高 能否解決行業長期痛點問題？能否解決行業長期痛點問題？行業數據是否具有較低敏感性和安全性風險？行業數據是否具有較低敏感性和安全性風險？行業是否已較早應用布局行業是否已較早應用布局 AIAI/技術實踐技術實踐？已有華為等廠商開發出行業相關大模型？已有華為等廠商開發出行業相關大模型？可行性分析維度（相關公司）可行性分析維度（相關公司）對對 AIAI 落地公司的促進作用落地公司的促進作用 低低 中中 高高 公司擁抱公司擁抱 AIAI 的積極性？的積極性？公司積累的數據規模與數據質量？公司積累的數據規模與數據質量？公司是否享有某些數據的優先使

20、用權？公司是否享有某些數據的優先使用權？公司是否重視信息化建設基礎？公司是否重視信息化建設基礎？公司是否具備開發實力公司是否具備開發實力/是否和大模型廠商深度合作？是否和大模型廠商深度合作？來源：國金證券研究所 新能源發電新能源發電功率功率預測預測，輸變電線路輸變電線路智能智能運維與巡檢是運維與巡檢是我們最看好的兩個方向我們最看好的兩個方向。新能源發電功率預測：1）痛點問題：對于電網調度部門，由于新能源發電間歇性和波動性的特點，功率預測難度較大，新能源大規模集中并網會對電網穩定運行造成沖擊；對于電站運營商，各地“雙細則”考核罰款標準趨于嚴格，預測精度可直接影響電站運營和盈利。2）數據敏感性：氣

21、象數據的可獲得性較高，數據敏感性較低，公開信息可以直接用于大規模模型訓練。3）AI 布局/技術實踐：自 2012 年起，全球能源預測大賽（GEFCOM）已舉辦過三屆，有超 60 個國家的數百只隊伍參賽；2021 年國網調控 AI 創新大賽-新能源發電預測賽道中，已有深度學習模型在實際應用中脫穎而出；產業中已有國能日新、國電南瑞等超過 10 家研究中心與企業推出了成熟的組合建模功率預測系統。4）廠商相關大模型：華為云發布了盤古氣象大模型，預測精度首次超過傳統數值方法，速度提升 10000 倍 輸變電線路智能運維與巡檢：1）痛點問題：我國輸電線回路與變電設備存量規模大，投運規模逐年增長，巡檢需求強

22、烈，而人工巡檢存在諸多劣勢，AI 替代是大勢所趨。2）數據敏感性：相較于用電側數據，設備故障缺陷相關數據敏感性較低，數據質量與規模取決于企業自身積累情況。3）AI 布局/技術實踐：自 2013 年起東方電子、億嘉和、澤宇智能等諸多企業已經布局輸變電線路智能運維、智能巡檢機器人、巡檢無人機業務，參與者眾多、產品多樣。4）廠商相關大模型：華為在 L2 級細分場景模型上，已經推出基于電力大模型的無人機電力巡檢、電力缺陷識別等場景模型，例如電力缺陷識別模型可以替代原有的20 多個小模型，做到平均精度提升 18.4%、模型開發成本降低 90%。8 圖表圖表6 6：新能源發電功率預測，輸變電線路智能運維與

23、巡檢新能源發電功率預測，輸變電線路智能運維與巡檢，具有較高，具有較高 A AI I 應用落地可能性應用落地可能性 新能源新能源發電發電功功率預測率預測 可行性分析維度（細分行業）可行性分析維度（細分行業）對對 AIAI 落地行業的促進作用落地行業的促進作用 低低 中中 高高 能否解決行業長期痛點問題？能否解決行業長期痛點問題？行業數據是否具有較低敏感性和安全性風險？行業數據是否具有較低敏感性和安全性風險？行業是否已較早應用布局行業是否已較早應用布局 AIAI？已有華為等廠商開發出行業相關大模型？已有華為等廠商開發出行業相關大模型？輸變電輸變電線路智線路智能運能運維、智維、智能巡檢能巡檢 可行性

24、分析維度（細分行業）可行性分析維度（細分行業）對對 AIAI 落地行業的促進作用落地行業的促進作用 低低 中中 高高 能否解決行業長期痛點問題？能否解決行業長期痛點問題？行業數據是否具有較低敏感性和安全性風險？行業數據是否具有較低敏感性和安全性風險？行業是否已較早應用布局行業是否已較早應用布局 AIAI？已有華為等廠商開發出行業相關大模型？已有華為等廠商開發出行業相關大模型？來源：國金證券研究所 二、發電功率預測、輸變電智能運維巡檢，有望成為 AI 率先賦能方向 2.12.1 智慧融合為智慧融合為新型電力系統建設推進新型電力系統建設推進基礎保障基礎保障，國網智能化國網智能化投資維持較高增長。投

25、資維持較高增長。安全高效、清潔低碳、柔性靈活、智慧融合為新型電力系統基本特征。1 月 6 日，國家能源局發布新型電力系統發展藍皮書（征求意見稿）,以新能源為主體的新型電力系統是以新能源為供給主體，以確保能源電力安全為基本前提，以滿足經濟社會發展電力需求為首要目標，以堅強智能電網為樞紐平臺，以源網荷儲互動與多能互補為支撐，具有安全高效、清潔低碳、柔性靈活、智慧融合基本特征的電力系統。圖表圖表7 7：新型電力系統的四大基本特征新型電力系統的四大基本特征 來源：新型電力系統發展藍皮書（征求意見稿）、國金證券研究所 智慧融合是構建新型電力系統的基礎。新型電力系統以數據為核心驅動，呈現數字與物理系統深度

26、融合特點，系統控制運行由“量測-控制”模式向多物理系統的狀態感知、智能學習和預測控制等方式轉變。1）狀態感知：電網內外參與耦合運行的物理系統，將從局部的感知量測,向全局的確定性精準映射轉變。2）智能學習:由于參與要素的多樣性，將從單純物理量的分析，向包括人的行為在內的非物理量的感知和智能研判進行轉變。3）預測控制：將從電力物理系統的機理模型仿真和預測，向融合機理和數據模型的信息物理耦合仿真預測轉變，提升隨機變量的預測精度，并應用于電網逐級調控和控制引導。9 圖表圖表8 8：新型電力系統新型電力系統中中數字與物理系統深度數字與物理系統深度智慧智慧融合融合 來源：國家電網、國金證券研究所 新型“源

27、網荷儲”協同調控，保障電力可靠供應。傳統電力系統可根據用電側的負荷來調整電源的發電量，其前提是用可控的發電系統去匹配波動幅度不大且可測的負荷端，在運行過程中滾動調節，從而實現電力系統安全可靠運行。在新型電力系統下，由于隨機變化、弱可控的電源并不容易直接跟隨可測性降低的負荷做出調整，電力系統需要從“被動”的跟隨調控，轉化為“主動”的協同調控。通過源源互補、源網協調、網荷互動、網儲互動和源荷互動等多種交互形式，充分發揮發電側、負荷側的調節能力，促進供需兩側精準匹配，保障電力可靠供應。圖表圖表9 9：新能源系統電力新能源系統電力的的平衡平衡難度升級難度升級 圖表圖表1010：系統友好型電站示意圖系統

28、友好型電站示意圖 來源：國家電網、國金證券研究所 來源：新型電力系統發展藍皮書（征求意見稿）、國金證券研究所 預計預計 2323-2525 年年國網智能化投資為國網智能化投資為 893893、9 95454、1 1008008 億元億元，每年維持每年維持 5 5-7 7%較高速增長較高速增長。2023年國網計劃投資超 5200 億元，同比 2022 年的計劃投資 5012 億元增長 3.8%?！笆奈濉背跗谝巹?2.6 萬億，當前 21-23 投資額已達成 15200 億元，考慮到特高壓直流建設加速等因素，“十四五”期間實際投資額有望超預期。我們預計 23-25 年實際投資規劃為 5250億元

29、、5450 億元、5600 億元，每年增速為 3-5%。智能化投資占比方面，根據國家電網智能化規劃報告，“十三五”智能化投資占比為 12.5%，預計“十四五”期間整體智能化投資占比 17%，我們假設 23-25 年智能化投資占比為 17%、17.5%、18%，則對應投資金額 893、954、1008 億元，每年增速 5-7%。圖表圖表1111：預計預計 2 23 3-2525 年國網投資年國網投資完成完成額增速為額增速為 3 3-5 5%圖表圖表1212：預計預計 2 23 3-2525 年國網智能化投資金額增速為年國網智能化投資金額增速為 5 5-7 7%來源：wind、國家電網、國金證券研

30、究所 來源：wind、國家電網、國金證券研究所 5,012 5,250 5,450 5,600-12%-8%-4%0%4%8%4,0004,4004,8005,2005,6006,0002017 2018 2019 2020 2021 2022 2023E2024E2025E電網基本建設投資完成額（億元）yoy852 893 954 1,008 0%4%8%12%16%20%24%02004006008001,0001,2002017 2018 2019 2020 2021 2022 2023E2024E2025E國網智能化投資完成額（億元）yoy 10 2 2.2 2 發電功率預測發電功率預

31、測：基于基于 A AI I 的預測模型的預測模型為當前研究主線，旨在提高預測精度為當前研究主線，旨在提高預測精度 發電功率可靠預測是新能源大規模有序并網的關鍵。發電功率可靠預測是新能源大規模有序并網的關鍵。新能源發電對天氣依賴較強，具有間歇性和波動性特征，因此發電電量較難預測，大規模集中并網會對電網的穩定運行產生較大的沖擊。因此新能源發電的準確預測可幫助電網調度部門提前做好傳統電力與新能源電力的調控計劃，改善電力系統調峰能力，增加新能源并網容量。圖表圖表1313：日間風電、光伏出力和負荷不平衡日間風電、光伏出力和負荷不平衡 圖表圖表1414：新能源功率預測產品應用情況新能源功率預測產品應用情況

32、（國能日新）（國能日新）來源：大規模新能源發電基地出力特征研究、國金證券研究所 來源：國能日新官網、國金證券研究所 功率預測相關政策趨于嚴格，“雙細則”加強考核。2018 年 3 月，國家能源局印發關于提升電力系統調節能力的指導意見，要實施風光功率預測考核，將風電、光伏等發電機組納入電力輔助服務管理。各地區能源局隨后紛紛發布了本區域 發電廠并網運行管理實施細則和并網發電廠輔助服務管理實施細則（“雙細則”），加強對新能源發電功率預測的考核，明確和加強考核罰款機制，發電功率預測精度直接影響到電站的運營與盈利。圖表圖表1515：功率預測相關政策趨于嚴格功率預測相關政策趨于嚴格 相關政策相關政策 發布

33、機構發布機構 時間時間 主要相關內容主要相關內容 風電場功率預測預風電場功率預測預報管理暫行辦法報管理暫行辦法 國家能源局 2011.09 所有并網運行的風電場均應具備風電功率預測預報的能力，并按要求開展風電功率預測預報。光伏發電站接入電光伏發電站接入電力系統技術規定力系統技術規定 國家標準委 2012.12 裝機容量 10MW 及以上的光伏發電站應配置光伏發電功率預測系統，系統具有 0h-72h短期光伏發電功率預測以及 15min-4h超短期光伏發電功率預測功能。關于提升電力系統關于提升電力系統調節能力的指導意見調節能力的指導意見 國家能源局 2018.03 實施風光功率預測考核，將風光發電

34、機組納入電力輔助服務管理，承擔輔助服務費用，實現省級及以上電力調度的發電機組全覆蓋。來源：國家能源局、國家標準委、國金證券研究所 圖表圖表1616：“雙細則”“雙細則”功率功率上報率和準確率要求高上報率和準確率要求高 文件文件 時間時間 上報率上報率 風電精度風電精度 光伏精度光伏精度 超短期準確率超短期準確率 短期準確率短期準確率 超短期準確率超短期準確率 短期準確率短期準確率 華東地區雙細則 2018.01 100%85%80%85%80%西北地區雙細則 2018.12 95%75%75%80%80%華北地區雙細則 2019.09 100%90%85%90%85%東北地區雙細則 2020.

35、09 100%75%75%85%85%華中地區雙細則 2020.09-85%80%90%85%南網地區雙細則 2020.12 100%85%80%90%85%來源：國家能源局、國家標準委、國金證券研究所 11 新能源功率預測分類：（1）按照時間尺度：分為超短期、短期、中長期預測；（2）按照空間尺度：分為單機預測、單場站預測、區域預測；（3）按照建模方法：分為物理建模方法、時間序列建模方法、基于機器學習和深度學習等的人工智能建模方法。超短期和短期預測均用于電網調度。根據各能源局 發電廠并網運行管理實施細則：（1）電站必須于每天早上 9 點前向電網調度部門報送短期功率預測數據，用于電網調度做未來1

36、 天或數天的發電計劃；（2）每 15 分鐘向電網調度部門報送超短期功率預測數據，用于電網調度做不同電能發電量的實時調控。圖表圖表1717：短期、超短期預測用于電網調度短期、超短期預測用于電網調度 預測類型預測類型 報送時間報送時間 報送目的報送目的 分辨率分辨率 超短期預測 自報送時刻起未來 15分鐘至 4小時的發電預測功率 用于電網調度做不同電能發電量的實時調控 15min 短期預測 次日 0 時起至未來 24 小時或 72 小時的發電預測功率 用于電網調度做未來 1 天或數天的發電計劃 15min 來源：發電廠并網運行管理實施細則、國金證券研究所 基于人工智能的預測模型具有諸多優點，為當前

37、主流研究領域。相比物理建模、時間序列建模等傳統方法，基于 AI 的預測模型對于高維非線性樣本空間具有良好的擬合能力；模型參數基于數據訓練得到，更容易獲??；模型的輸入特征亦可靈活構建；結合智能優化算法還可進行參數自動尋優，進一步省去了人工調參的工作量。圖表圖表1818：基于基于 AIAI 的新能源功率預測技術框架圖的新能源功率預測技術框架圖 來源：中國知網：人工智能技術在新能源功率預測的應用及展望、國金證券研究所 當前 AI 在功率預測領域的應用主要包括：模型輸入、模型構建和參數優化。（1）模型輸入：包括數據預處理、數據增強和特征構建；（2）模型構建：包括 ANN、SVM、決策樹模型為代表的傳統

38、機器學習算法，基于深度學習的新一代 AI 技術，以及融合多種模型的組合預測技術；（3）參數優化算法：包括進化算法、群智能優化算法等靜態優化算法和強化學習等動態優化算法，主要用于模型訓練和組合參數優化。12 圖表圖表1919：A AI I 在功率預測領域的在功率預測領域的應用：應用：模型輸入模型輸入、模型、模型構建構建、參數優化參數優化 AIAI 應用領域應用領域 細分方向細分方向 相關介紹相關介紹 模型輸入模型輸入 數據預處理 功率預測前要對原始數據進行預處理，包括數據異常值處理和缺失值補全。數據增強 對于數據驅動的功率預測方法，高度依賴大量歷史數據對模型進行訓練，當前針對新能源預測采用的數據

39、增強方法主要有遷移學習、深度學習、生成對抗網絡。特征構建 模型訓練要利用收集到的歷史數據，直接利用所有特征進行訓練會導致模型訓練困難。因此在訓練前需進行特征構建，主要包括特征選擇和特征降維。模型構建模型構建 傳統機器學習算法 根據訓練數據是否有標簽，傳統機器學習算法可分為有監督學習、無監督學習和半監督學習。其中監督學習和無監督學習在新能源功率預測領域已廣泛應用。深度學習 深度學習算法由淺層的人工神經網絡演化而來，通過組合多個非線性表征層構建深層網絡模型，利用逐層抽象、逐層迭代的機制，實現對數據特征更高階的提取。組合預測 預測受多種因素影響，采用單一的預測模型對新能源功率進行預測，可能出現較大誤

40、差。為了更好地利用不同模型的優勢，綜合利用多種預測模型構建組合預測模型，能有效克服單一預測模型的固有局限。參數優化參數優化 靜態優化算法 遺傳算法、群智能優化算法等屬于靜態類智能優化算法，但由于不能和環境實時交互，難以實現模型參數的動態學習。動態優化算法 強化學習等一類動態優化算法，考慮的是智能體與環境的交互問題，目的是使智能體在與環境的交互過程中，通過學習策略達成回報最大化或實現特定目標。來源：中國知網：人工智能技術在新能源功率預測的應用及展望、國金證券研究所 功率預測技術路線主要包含數據計算、傳輸及模型優化。以國能日新為例，公司基本實現功率預測算法模型的自動匹配及預測數據的自動計算發送，因

41、此在項目日常營運端，人力投入較少，僅在少數場站模型遠程匹配失敗的情況下，由業務人員前往現場完成模型修正。在模型優化方面，一般會按照設定的周期，由智控平臺中的模型算法程序自動重新選取最優功率預測模型，并將其自動匹配至站場服務器。圖表圖表2020：新能源功率預測產品技術路線（以國能日新為例）新能源功率預測產品技術路線（以國能日新為例）來源：國能日新招股說明書、國金證券研究所 13 新能源功率產品每日工作流程（以國能日新產品為例）：獲得原始氣象預報數據、通過建模計算后得到更高精度的氣象預測數據、進行短期功率預測數據計算、傳輸短期功率數據到所服務電站、在電站軟件中進行超短功率預測、報送數據至電網調度部

42、門。圖表圖表2121：功率預測產品每日工作流程（以國能日新為例）功率預測產品每日工作流程（以國能日新為例）來源：國能日新公司公告、國金證券研究所 當前線性回歸模型和樹模型實際應用效果好，深度學習類模型表現亮眼。全球能源預測大賽（GEFCOM）至今已經舉辦過三屆，有超過 60 個國家的數百只隊伍參賽，在歷屆優勝算法中，線性回歸模型和樹模型實際應用效果最好。此外，在 2021 年國家電網調控 AI 創新大賽，新能源發電預測賽道中，基于決策樹的同質集成算法在實際應用中效果較好，還有優勝隊伍使用了深度學習類模型，表明深度學習模型逐漸在實際應用中嶄露頭角。圖表圖表2222：線性回歸和樹模型應用效果好（線

43、性回歸和樹模型應用效果好（G GEFCOMEFCOM 大賽）大賽）圖表圖表2323：深度學習深度學習模型模型表現亮眼表現亮眼（國網調控（國網調控 A AI I 創新大賽）創新大賽）來源：全球能源預測大賽（GEFCOM）、國金證券研究所 來源：國家電網（2021 年國網調控 AI 創新大賽）、國金證券研究所 業內成熟的功率預測系統主要采用組合建模方法。實際功率預測系統采用的技術路線由早期的物理建模方法，過渡到以數據驅動方法為主，且幾乎全部為組合建模方法。組合建?？赏ㄟ^串行和并行兩種方式分別減少模型的偏差和方差，從而提高預測精度。圖表圖表2424：業內成熟的功率預測系統主要采用組合業內成熟的功率預

44、測系統主要采用組合建模建模方法方法 預測系統預測系統 年份年份 采用方法采用方法 開發者開發者 光電功率預測系統 SPFS 2010 組合方法 國網電力科學研究院 SPSF-3000 2011 組合方法 北京國能日新 NSF3200 2012 組合方法 國電南瑞科技 光伏發電功率預測預報系統 V2.0 2013 組合方法 湖北省氣象服務中心 風電功率預測系統 WPFS 2008 組合方法 中國電科院 FR3000F 2010 組合方法 北京中科伏瑞 NSF 3100 2011 組合方法 國網電力科學研究院 WINPOP 2011 組合方法 中國氣象局公共服務中心 高精度風電功率預測系統 201

45、7 組合方法 北京國能日新科 來源：中國知網：人工智能技術在新能源功率預測的應用及展望、國金證券研究所 2 2024024 年新能源功率預測市場規模年新能源功率預測市場規模 1 13.43.4 億元，國能日新為行業龍頭。億元，國能日新為行業龍頭。根據沙利文報告，2019年我國發電功率預測市場的市場規模約 6.3 億元，到 2024 年市場規模將增長至約 13.4億元，2019 至 2024 年均復合增長率將達 16.2%，其中光伏發電功率預測市場規模預計為6.5 億元，風力發電功率預測市場規模預計為 6.9 億元。市場格局方面，國能日新為行業 14 龍頭，2019 年公司在光伏和風能發電功率預

46、測市場的占有率分別為 22.3%和 18.8%。圖表圖表2525：國內國內新能源功率預測新能源功率預測相關公司中，國能日新市占率最高相關公司中，國能日新市占率最高（2 2019019 年年）公司公司 相關產品名稱相關產品名稱 提供服務提供服務 光伏市占率光伏市占率 風能市占率風能市占率 國能日新 光伏/風電場發電量預測系統 提供超短期-短期-中長期/單站-集中電站功率預測 22.1%22.1%18.8%18.8%南瑞繼保 PCS 9700WF/PF 新能源功率預測系統 預測光伏電站未來 4 小時和未來72 小時內的有功功率 17.7%6.3%東潤環能 東潤天問新能源功率預測系統 提供超短期-短

47、期-中期功率-理論-可用功率預測、發電量預測 16.2%11.7%金風慧能 新能源智慧運營系統 SOAM 預測未來一定時間內的風電場風速、溫度和功率，精度達 85%-14.9%遠景能源 孔明 預測風電場每臺機位超短期-短期-中期的風速及理論功率-13.3%中科伏瑞 風光儲一體化發電場站能量管理-6.9%-來源：各公司官網、國能日新招股說明書、沙利文、國金證券研究所 華為盤古華為盤古氣象大模型精度首次超過傳統數值方法，速度提升氣象大模型精度首次超過傳統數值方法，速度提升 1 100000000 倍以上。倍以上。華為云發布的盤古氣象大模型 1 小時-7 天預測精度均高于傳統數值方法，同時預測速度提

48、升 10000倍，能夠提供秒級的全球氣象預報（傳統數值預測方法無法做到），包括位勢、濕度、風速、溫度、海平面氣壓等。同時，盤古氣象大模型在一張 V100 顯卡上，只需要 1.4 秒就能完成 24 小時的全球氣象預報。圖表圖表2626：華為盤古氣象大模型精度首次超過傳統數值方法華為盤古氣象大模型精度首次超過傳統數值方法 來源：華為，國金證券研究所 2 2.3 3 智能運維與巡檢智能運維與巡檢：A AI I 有望全面升級巡檢產品，行業空間有望全面升級巡檢產品，行業空間預計預計突破百億突破百億 我國輸電線我國輸電線回路回路與變電設備存量規模大，與變電設備存量規模大，投運總規模平穩增長投運總規模平穩增

49、長。根據中電聯數據，截止2022 年，全國電網 220 千伏及以上變電設備容量共 51.98 億千伏安，同比增長 5.2%；220千伏及以上輸電線路回路長度共 88.2 萬千米，同比增長 4.6%。從新增量看，2022 年全國新增 220 千伏及以上變電設備容量 25839 萬千伏安，同比增長 6.3%；新增 220 千伏及以上輸電線路長度 38967 千米，同比增長 21.2%。2021 年、2022 年，220 千伏及以上變電設備容量增速維持在 5%左右，220 千伏及以上輸電線路回路長度增速維持在 4%。新增規模中，變電設備容量增量位于近十年次高點，輸電線路回路長度增量為近十年第三高點。

50、15 圖表圖表2727：20222022 年年 220220 千伏及以上變電設備千伏及以上變電設備新增新增容量增速容量增速為為 5%5%左右左右（萬千伏安）（萬千伏安）來源：中電聯、wind、國金證券研究所 圖表圖表2828：20222022 年年 220220 千伏及以上輸電線路回路千伏及以上輸電線路回路新增新增長度增速長度增速為為 4%4%左右左右（千米）（千米）來源：中電聯、wind、國金證券研究所 電力系統運維管理分為：“被動”-“主動”-“狀態檢修”三個階段，“狀態檢修”策略及時性和可靠性高。由于輸變電線路架設在各種自然環境中，常年經受日曬雨淋，難免會造成電力設備缺失或損壞，應當及時

51、發現各種劣化過程的發展狀況，并在可能出現故障或性能下降前，進行維修更換。電力系統運維管理主要包括“被動”運維、“主動”運維、“狀態檢修”策略三個發展階段，其中“狀態檢修”策略提高了故障發現的及時性和電網運行的可靠性。242632208223814222882433425839-80%-40%0%40%80%120%0600012000180002400030000新增220kv以上變電設備容量：累計值新增220kv以上變電設備容量：累積同比414594103535912350293222038967-100%-20%60%140%220%300%090001800027000360004500

52、0新增220kv及以上線路長度：累計值新增220kv及以上線路長度：累計同比 16 圖表圖表2929：“狀態檢修”運維策略及時性和可靠性高“狀態檢修”運維策略及時性和可靠性高 來源：智洋創新公司公告、國金證券研究所 人工巡檢諸多劣勢，人工巡檢諸多劣勢，AIAI 替代是大勢所趨替代是大勢所趨。電力行業有大量巡檢工作條件惡劣，傳統人工巡檢的工作難度大、危險指數高、及時性低、工作量大；采用智能巡檢，既具有人工巡檢的靈活性和智能性，同時響應更加及時、效率更高、成本更低，隨著技術的發展，智能機器人技術具有廣闊的應用前景，未來電氣行業無人化巡檢將成為行業常態。AI 替代人工性價比更高。以 500kv 變電

53、站為例，人工巡檢模式下需要 4 個工人耗費一個禮拜的工時才能進行一次全面檢查，假設每位工人年薪約 8 萬，而同樣的工作量，一臺巡檢機器人能在更短的時間內完成，其平均成本為 65 萬/臺，計提折舊后約 16 萬/年，使用巡檢機器人比人工巡檢能節約 16 萬/年。圖表圖表3030：人工巡檢諸多劣勢人工巡檢諸多劣勢，AIAI 替代人工替代人工性價比更高性價比更高 人工巡檢人工巡檢 機器人巡檢機器人巡檢 對比總結對比總結 巡檢方式 手持式紅外熱像儀測溫、人工表計抄錄，手動導出設備照片，并將紙質記錄數據再次錄入做電子存檔 機器人按照預設檢測時間全自動到現場進行設備測溫、表計抄錄。數據、圖片等自動存庫并可

54、自由導出 人工巡檢重復工作，數據存檔及應用繁瑣 工作量對比 視變電站設備數及規模，每次人工全面巡檢需要至少 1 天 機器人自動巡檢，并自動生成數據報表，紅外圖片等均可選擇導出 機器人巡檢可以有效減少工作量 客觀性對比 人工巡檢存在不固定性 機器人按照預設任務，檢測角度、檢測位置等均保持一致 機器人更具客觀性 準確性對比 表計抄錄因距離、表計位置等準確性受到影響；在個別特殊條件的識別讀取上人工有優勢 機器人可以較為準確識別表計，對于距離較遠的表計依然可以清晰拍照識別；個別特殊設備機器人無法有效識別 除個別無法識別的設備外，機器人巡檢數據識別有效 便利性對比 雷雨大風等惡劣天氣時，人員無法到設備區

55、進行檢測 機器人惡劣天氣下仍能正常巡檢 單站應用及集控應用方式更便利 缺陷跟蹤對比 缺陷設備需人工定期定時檢測 機器人可以按照預設巡檢任務及特定缺陷跟蹤任務，實現對缺陷設備的全天候全時段跟蹤檢測，并結合數據曲線跟蹤發展趨勢 機器人巡檢更適合 來源：國家電網、國金證券研究所 輸電線路智能運維與巡檢主要分為可視化狀態監測、無人機巡檢、及機器人巡檢等方式。1）可視化狀態監測：能夠全天候全時段在線自動運行監測的方式，能夠及時發現安全隱患及對本體整體運行狀態進行評估；2）無人機巡檢：作為線路特巡的一種手段，對線路進行巡視，可用于發現線路較為細節的缺陷，通常需要專業人員在現場操控才能完成對線路的巡視；3）

56、機器人巡檢主要用于變電站、配電房、電纜隧道等場景應用，可按照設定的線路或鋪設的導軌對重點點位進行巡視。17 圖表圖表3131：輸電線路智能運維管理輸電線路智能運維管理主要方式主要方式 來源：智洋創新招股說明書、國金證券研究所 圖表圖表3232：輸電線路智能運維管理輸電線路智能運維管理方式具體情況方式具體情況 項目項目 簡介簡介 解決的問題解決的問題 優勢優勢 劣勢劣勢 通道可視化及本體狀態監測 運用輸電線路可視化裝置，結合傳感器和人工智能算法，監拍分析線路通道及本體隱患 1)輸電線路日常巡視、常規監測；2)監測桿塔對線路本體造成的安全隱患 1)替代多數人工，提升巡檢效率和準確率；2)全天候全時

57、段監測，應用范圍廣；3)及時精準發現隱患和缺陷；4)匯集數據并智能分析，使用簡單且成本低 1)無法發現輸電線路本體的細節缺陷;2)安裝固定后不能覆蓋所有觀測角度 無人機巡檢 運用無人機對線路本體進行特殊巡視以便發現缺陷細節 發現銷釘缺失、導線斷股等潛在缺陷 1)降低巡視頻率，只需人工修復問題線路點位，提升巡檢效率和準確率;2)可查看線路本體的細節部分 1)巡檢距離受限:2)需要專業人員操控:3)不能實現在線監測 機器人巡檢 機器人搭載攝像機、各類傳感器技術進行巡檢 主要解決人員巡視周期長，設備缺陷不易及時發現的問題 1)可遠程查看設備情況，針對問題制定計劃;2)減輕工作量，提升巡檢效率和準確率

58、，能匯集數據并進行智能分析和預警 1)應用場景受限;2)購買成本高，施工難度大 來源：智洋創新公司公告、國金證券研究所 電力巡檢機器人行業規模測算：輸電線巡檢、變電站巡檢、配電站巡檢及隧道巡檢是電力智能巡檢的核心應用場景，其中主流巡檢場景為室外和室內。假設：1）變電站及配電房數量 2020 年后保持年增速 3%；2）依據國家能源局智能電網的規劃覆蓋目標，假設滲透率未來四年保持年增速 2%；3）隨產品技術升級與競爭加劇，預計機器人單機價格持續小幅下滑；4）變電站/配電房配置機器人比例分別為一機一站/一機兩房。綜上，預計預計 20252025年我國室外年我國室外/室內巡檢機器人市場規模分別為室內巡

59、檢機器人市場規模分別為 54/11854/118 億元億元，市場空間廣闊。18 圖表圖表3333：電力巡檢機器人行業規模測算電力巡檢機器人行業規模測算（億元）（億元）20172017 20182018 20192019 20202020 2021E2021E 2022E2022E 2023E2023E 2024E2024E 2025E2025E 變電站數量（萬）2.0 2.3 2.6 3.0 3.1 3.2 3.3 3.4 3.5 滲透率 2.7%4.4%8.1%11.9%13.9%15.9%17.9%19.9%21.9%機器人均價（萬元）78.4 77.1 75.9 74.8 73.6 72

60、.5 71.5 70.4 69.4 配置比例 一機一站 室外巡檢機器人市場（億元）4.2 7.8 16.0 26.7 31.7 36.9 42.2 47.6 53.2 配電房數量（萬）27.2 28.6 30.0 31.5 33.1 34.7 36.5 38.3 40.2 滲透率 2.3%3.3%4.3%5.1%7.1%9.1%11.1%13.1%15.1%機器人均價（萬元）44.1 43.3 42.6 42.0 41.3 40.7 40.0 39.4 38.8 配置比例 一機兩房 室內巡檢機器人市場（億元）13.8 20.4 27.5 33.7 48.5 64.3 81.0 98.8 117

61、.8 市場合計 18.0 28.2 43.5 60.4 80.2 101.1 123.3 146.5 171.0 yoy 57%54%39%33%26%22%19%17%來源：中電聯、前瞻研究院、申昊科技、國金證券研究所 AI 技術有望全面升級智能巡檢產品，包括快速清晰建模、AI 輔助拍攝、和智能檢測。1）快速清晰建模：例如，NERF 是一種基于神經網絡的三維重建算法，它可以從 2D 圖中，快速高效地生成高質量的 3D 場景模型。其輸入稀疏的多角度帶 pose 的圖像訓練得到一個神經輻射場模型，根據這個模型可以渲染出任意視角下的清晰的照片。2）AI 輔助拍攝：無人機結合 AI 輔助拍攝技術，可

62、以實時對目標位置進行識別，動態調整云臺角度，得到準確目標位置的照片。綜合利用相機光線動態補償技術和精準對焦技術，保證照片拍攝質量，有利于輸電線路的安全運行和快速巡檢。圖表圖表3434：N NE ERFRF 模型訓練模型訓練：訓練前后對比：訓練前后對比 圖表圖表3535：A AI I 輔助拍攝提升圖像清晰度輔助拍攝提升圖像清晰度 來源：煜邦電力、國金證券研究所 來源：煜邦電力、國金證券研究所 3）智能檢測：變電站、換流站中的電力設備普遍都具備的明顯特征，包顏色、材質和紋理等。利用圖像處理和識別能力，對采集到的設備圖像進行圖像處理，從而判斷是否發生故障或不正常。智能巡檢機器人可使用搭載紅外傳感器、

63、電磁感應傳感器和高清攝像頭，對電氣設備進行多維度、近距離的監測。還可采用無人機搭載高清攝像儀和紅外傳感器，完成對鐵塔、導地線和絕緣子串的運行狀態監測和安全評估。19 圖表圖表3636：輸電線圖像檢測方法流程圖輸電線圖像檢測方法流程圖 圖表圖表3737：無人機航拍識別電力設備缺陷無人機航拍識別電力設備缺陷 來源：基于深度學習的輸電線路視覺檢測方法研究進展、國金證券研究所 來源：基于深度學習的輸電線路視覺檢測方法研究進展、國金證券研究所 盤古大模型盤古大模型加持電網智能巡檢，代替傳統加持電網智能巡檢，代替傳統 2 20 0 多個小模型。多個小模型。應用盤古 CV 大模型，利用海量無標注電力數據進行

64、預訓練和篩選，并結合少量標注樣本微調的高效開發模式，獨創性地提出了針對電力行業的預訓練模型。在模型通用性結合盤古搭載的自動數據增廣以及類別自適應損失函數優化策略，做到一個模型適配上百種缺陷，替代原有 20 多個小模型。從而做到平均精度提升 18.4%、模型開發成本降低 90%。目前，華為在 L2 級細分場景模型上，已經推出基于電力大模型的無人機電力巡檢、電力缺陷識別等場景模型。圖表圖表3838：基于大模型的無人機電力巡檢，篩選效率提升基于大模型的無人機電力巡檢，篩選效率提升 3 30 0 倍、篩選質量提升倍、篩選質量提升 5 5 倍倍 來源：華為、國金證券研究所 圖表圖表3939：電力缺陷識別

65、模型代替電力缺陷識別模型代替 2 20 0 多個傳統小模型多個傳統小模型 來源：華為、國金證券研究所 20 三、中長期看好 BIM、電網智能調度、虛擬電廠和微電網 AI 賦能落地 3 3.1 1 電力行業電力行業 B BIMIM 設計軟件：設計軟件：國產化替代需求強烈，國產化替代需求強烈，A AI I 賦能貫穿設計賦能貫穿設計-施工施工-運維運維環節環節 可視化與可協調性是 BIM 軟件的核心優勢。BIM，即建筑信息模型，指代以三維圖形為主、物件導向的電腦輔助設計軟件，可將設計、可參與項目規劃設計、施工建設、運營的全過程。（1）可視化：借助三維圖形營造生動自然的物體形象,使物體存在具備真實性，

66、有效減少了設計與施工時的圖畫讀取難度。（2）可協調性：有關人員可以借助信息模型平臺實現及時溝通，能促進設計、施工和管理等人員形成良性互動,針對存在的問題進行集中管理，幫助工作更為順利和高效進行。圖表圖表4040：可視化是可視化是 B BIMIM 的顯著特征的顯著特征 圖表圖表4141：有關人員有關人員可借助可借助 B BIMIM 平臺及時溝通平臺及時溝通 來源：恒華科技官網、國金證券研究所 來源：Revit、國金證券研究所 信創發展背景下，信創發展背景下，B BIMIM 行業國產化替代需求強烈行業國產化替代需求強烈。信息技術應用創新為近年以來我國關鍵命題，旨在通過對 IT 硬件、軟件的重構，建

67、立我國自主可控的 IT 產業標準和生態，逐步實現各環節國產替代。國內使用的 BIM 平臺主要為國外軟件，而國內廠商主要以項目管理和單點應用類型的產品為主，底層核心技術大多掌握在國外廠商手中。2020 年全球 BIM行業市場中，Autodesk 市占率為 67.9%，其次 Bentley Systems 市占率為 14.37%，CR2集中度較高，顯示出國產替代的必要性和緊迫性。圖表圖表4242：2 2020020 年全球年全球 B BIMIM 市占率情況市占率情況 圖表圖表4343：AutodeskAutodesk REVITREVIT 為全球主流為全球主流 B BIMIM 軟件軟件 來源：前瞻

68、研究院、國金證券研究所 來源：REVIT、國金證券研究所 國產化軟件更國產化軟件更適應國內電網生態。適應國內電網生態。（1）電力、水利等國民經濟基礎行業中的信息數據處理，信息安全要求較高。（2）電力行業中涉及到大量的技術體系及行業標準，相比國外 Bentley、Revit 等廠商，國產 GIM 軟件能夠深度理解客戶需求，滿足專業性要求。（3）國產軟件具有更高性價比，售價略低于國外軟件，在對于國產軟件內容質量較認可的前提下，客戶的服務付費意識和意愿隨行業發展逐年上升。政策牽引自主可控信息產業發展，BIM 支持政策陸續出臺。從國家層面來看，關鍵核心技術的發展直接影響國家經濟安全、國防安全等，自主可

69、控信息發展有高戰略價值。近 3年來，我國自中央到地方都出臺了各類相應政策以支持 BIM 技術的發展與落地，2020 年至今，中央下發關于支持 BIM 技術發展的政策已超 10 項，BIM 技術在各類建筑業相關政策中被提到的次數逐年增加，政策牽引 BIM 技術的發展充分體現政府的高度重視。67.90%14.40%17.70%AutodeskBentley Systems其他 21 圖表圖表4444：B BIMIM 支持政策支持政策梳理梳理(20202020 年至今年至今)時間時間 相關文件相關文件 相關內容相關內容 2020.5 關于推進建筑垃圾減量化的指導意見 推進 BIM 等技術在工程設計和

70、施工中的應用，減少設計中的“錯漏碰缺”，輔助施工現場管理，提高資源利用率 2020.7 關于推動智能建造與建筑工業化協同發展的指導意見 加快推動新一代信息技術與建筑工業化技術協同發展，在建造全過程加大 BIM 等新技術的集成與創新應用。2020.8 關于加強新型建筑工業化發展的若干意見 大力推廣 BIM 技術,加快推進 BIM 技術在新型建筑工業化全壽命期的一體化集成應用。2021.1 關于加強超高層建筑規劃建設管理的通知 具備條件的超高層建筑應充分利用超高層 BIM，與 CIM基礎平臺加強對接 2022.1“十四五”建筑業發展規劃 2025 年，基本形成 BIM 技術框架和標準體系。推進自主

71、可控 BIM軟件研發 2022.3“十四五”住房和城鄉建設科技發展規劃 BIM 技術在工程設計、生產和施工領域得到推廣應用 2022.5“十四五”工程勘察設計行業發展規劃 推動工程勘察設計行業數字轉型，提升發展效能，推進 BIM全過程應用 2022.6 城鄉建設領域碳達峰實施方案 利用 BIM 技術和 CIM平臺等，推動數字建筑、數字孿生城市建設，加快城鄉建設數字化轉型。2022.7“十四五”建筑業發展規劃的通知 運用 BIM 等技術開展運行監測預警技術產品研發和迭代升級 2022.12“十四五”城鎮化與城市發展科技創新專項規劃 提出研究非線性幾何特征建模與 BIM 圖形引擎，建立具有自主知識

72、產權的 BIM 三維圖形平臺并發展相應軟件生態。2023.2 關于推進工程建設項目審批標準化規范化便利化的通知 推動國產 BIM產品應用；在設計方案審查、施工圖審查、竣工驗收、檔案移交環節采用 BIM 成果提交和審批；建立完善 BIM成果交付和技術審查標準，逐步實現計算機智能輔助審查。來源：中國住建部、中國政府網、國金證券研究所 BIM 為發電側設施、“輸變配”環節建設必要設計工具。1）在發電場設施的全生命周期中，BIM 可解決建設難題、降低成本、縮短工期。設計階段中 BIM 可以幫助建立精確地形模型并優化微觀選址；施工階段中 BIM 可用于管理進度、建構結構模型和統計工程量等；運維階段中 B

73、IM 可幫助培訓員工和掃描復雜設備結構。2）在“輸變配”環節中，BIM 可精準繪制三維建筑模型以提升工程安全性，并且在可視化的前提下保障各單位之間信息的流暢性以防止權責不清?！半p碳”背景下，清潔能源發電量占比逐步提升，儲能、分布式電廠、縣域光伏等建設有望帶來增量，輸電線路、變電站、配網建設加速，相關從事設計建設電力 BIM 領域的公司有望受益。圖表圖表4545：B BIMIM 為發電側為發電側建設建設必要設計工具必要設計工具 圖表圖表4646：B BIMIM 被用于輸電環節設計被用于輸電環節設計 來源：Openplant、國金證券研究所 來源：恒華科技官網、國金證券研究所 22 B BIMIM

74、 與人工智能深度融合，有望在設計與人工智能深度融合，有望在設計、施工施工、運維、運維階段開拓應用場景與解決方案。階段開拓應用場景與解決方案。設計階段：1）構件智能搜索：可以在構件智能搜索中使用人工智能對構件進行準確的自動分類，以及使用自然語言理解技術實現構件屬性的智能校準；2）AI 輔助布局規劃：融入最新的機器學習技術，可以在瀏覽器上生成建筑策劃文件，并輸出建筑空間的最優化布局；3）AI 輔助 BIM 審圖：AI 技術可以輔助 BIM 對大量規范、圖集、標準以及模型、圖紙的匹配性學習，做好設計合規性、合理性的把控。施工階段：進行輔助施工場地規劃，AI 可以通過場地智能布置和合規合理性校驗來幫助

75、經驗不足的技術人員增質提效，通過建模對施工現場不同階段的復雜狀態進行模擬展示，通過數據分析及時反饋前期方案的合理性，同時反向指導施工組織設計，進行資源配置優化。運維階段：進行運維智能管理，AI 可以通過機器人和無人機等的應用，使用大量實際現場視頻數據進行訓練，對現場數據進行分類處理和智能管理，大幅提升施工效率和安全質量水準。圖表圖表4747：A AI+BIMI+BIM 技術展望技術展望 來源：中國知網：AI 時代的 BIM 新設計技術展望、國金證券研究所 3 3.2 2 電網智能調度自動化電網智能調度自動化：A AI I 驅動新一代調度系統實現電網智能決策和智能控制驅動新一代調度系統實現電網智

76、能決策和智能控制 電網調度自動化系統是電網運營控制重要基礎設施，由調控中心主站系統、廠站系統和數據傳輸通道三部分構成。1）主站系統：是調度自動化系統的核心，實現電力系統的數據處理、運行監視和分析控制，是電網安全、經濟運行的神經中樞，支撐調度機構成為電力系統運行控制的司令部。2）廠站系統：實現廠站內一二次設備的數據采集、就地控制以及運行控制信息的遠程交換，相當于系統的眼耳和手足。3）數據傳輸通道：相當于神經系統，負責把廠站端采集和處理后的各類數據傳送給主站系統，同時將主站端系統的遙控、遙調命令發送給廠站系統。圖表圖表4848：電網調度自動化系統概況電網調度自動化系統概況 圖表圖表4949：電網調

77、度自動化系統電網調度自動化系統的三個的三個組成部分組成部分 來源：國家電網、國金證券研究所 來源：國家電網、國金證券研究所 23 我國電力調度機構分五級設置。包含國家電力調度中心（國調）、區域調度中心（區調）、省調度中心（省調）、地級調度中心（地調）、縣級調度中心（縣調），各級調度間分層控制、信息逐級傳送。目前，國家電網公司已建立完備的五級調度體系，南方電網公司與國家電網為平行機構，因為管轄的省份較少，調度機構分為四級。圖表圖表5050：我國電力調度機構分五級設置我國電力調度機構分五級設置 來源：國家電網、國金證券研究所 預計預計電力電力調度自動化系統年化需求空間為調度自動化系統年化需求空間為

78、 40 40 億元。億元。根據前瞻產業研究與國網招標數據，各級調度機構數量分別約為 1/6/35/420/2900，當前各級調度自動化系統普及已基本完成。假設國調、網調、省調、地調、縣調系統價格分別為 10000/8000/6000/2000/400 萬元，更新年限分別為 8/8/8/6/5 年，則對應年均市場空間預計約為 40 億元。圖表圖表5151：電力調度自動化系統年化需求空間電力調度自動化系統年化需求空間測算測算 調度機構調度機構 調度系統數量調度系統數量 更新年限更新年限 系統價格（萬元系統價格（萬元)年均市場空間（億元）年均市場空間（億元）國調自動化 1 8 10000 0.13

79、網調自動化 6 8 8000 0.60 省調自動化 35 8 6000 2.63 地調自動化 420 6 2000 14.00 縣調自動化 2900 5 400 23.20 合計合計 33623362 -40.5540.55 來源：前瞻研究院、國家電網、國金證券研究所 國電南瑞在各級調度系統市占率領先。國電南瑞較早進入電網調度自動化領域，2008 年曾全程參與國家電網公司智能電網調度技術支持系統建設框架和總體系統制定，具備明顯先發優勢，并主導新一輪調度自動化系統的研發，主要產品為 D5000。公司承擔調度自動化業務子公司主要為南京控制系統、北京科東和繼保電氣，業務已貫穿“發輸配用”各環節和“網

80、、省、地、縣、站”各層級系統，在各層級調度自動化系統領域均具有明顯優勢。2022 年國網數字化項目設備招標，調度類軟件/數字化軟件標段 22 家企業實現中標，標段總金額達到 6.78 億元，國電南瑞南京控制系統有限公司以 2.49 億元奪得第一。圖表圖表5252：電力調度系統市場競爭情況電力調度系統市場競爭情況 市場類型市場類型 調度層級調度層級 市場壁壘市場壁壘 主要參與者主要參與者 競爭程度競爭程度 高端市場 國調 高 主要由國電南瑞（北京科東）壟斷 較低 網調及省調 較高 國電南瑞（北京科東）、積成電子和少數國外領先廠商，國電南瑞優勢明顯，份額超過 70%一般 低端市場 地調 較低 按照

81、市場地位依次為國電南瑞（北京科東）、積成電子、東方電子，南瑞市場份額超過 30%較高 縣調 低 參與者眾多，供應商之間競爭力差異不明顯，產品同質化較嚴重 極高 來源：前瞻研究院、國家電網、國金證券研究所 24 新一代調度系統為 AI 廣泛應用奠定了良好的模型和數據基礎。新一代調度技術支持系統采用“云大物移智”先進成熟技術，構建模型/實時數據運行數據平臺，無縫結合高速通信、移動互聯等通信方式和語音、圖像等交互技術，提供可靠安全高效的系統運行環境，為電網監控與分析決策提供模型、數據、計算引擎、AI 服務和自然人機交互手段，并打造標準開放的多業務、多場景開發生態。目前已建成的兩級調控云，為 AI 的

82、廣泛應用，奠定了模型和數據基礎。圖表圖表5353：國電南瑞新一代調度技術支持系統示意圖國電南瑞新一代調度技術支持系統示意圖 圖表圖表5454：新一代調度系統新一代調度系統已建成的兩級調控云已建成的兩級調控云 來源：國電南瑞公司公告、國金證券研究所 來源：國家電網、國金證券研究所 覆蓋電力調控、發展、生產、經營和能源領域。新一代調度系統構建了覆蓋電力調控、發展、生產、經營全專業和能源各領域數據的全景數據平臺，實現模型數據、實時數據和歷史數據的空間融合、時間多態和應用關聯，為各類業務提供協調一致、完整準確的“一模、一圖、一數”，提供多級多維自適應可擴展的大數據智能分析挖掘引擎。圖表圖表5555：新

83、一代調度系統新一代調度系統覆蓋電力調控、發展、生產、經營和能源領域數據覆蓋電力調控、發展、生產、經營和能源領域數據 來源：國家電網、國金證券研究所 A AI I 技術有望實現電力調控智能決策與智能控制。技術有望實現電力調控智能決策與智能控制。智能決策包括基于知識圖譜的輔助決策和基于機器學習的智能決策。1）基于知識圖譜的輔助決策，通過提取電網運行方式關鍵特征，在線匹配方式并進行知識推理，依據穩定規程、事故預案等知識，快速引導調度員處置電網各類異常問題。2）基于機器學習的智能決策，以電網海量歷史運行數據訓練樣本，以機組出力調整、設備投停為動作空間，以機組約束、網絡約束、平衡約束為條件，以調度決策知

84、識和優化算法為啟發引導，以設備負載率、新能源消納等電網安全低碳量化指標為評價，構建相應樣本、決策模型和獎勵函數，進行調度操作模擬智能體訓練，最終獲取實時運行調度決策智能體、超短期風險預防調度決策智能體、計劃編排智能體。25 圖表圖表5656：A AI I 用于電網智能決策用于電網智能決策 來源：國家電網、國金證券研究所 AI 智能控制實現電網自適應巡航。在常規機組自動發電控制、新能源有功自動控制、源網荷儲有功協同控制、自動電壓控制、拓撲實時優化控制等控制功能方面，基于多種機器學習模型，實現在線閉環智能控制，通過全景監視和指標分析評估，在滿足電網安全約束條件下，以自動計算和智能決策為主引導電網自

85、動調度和控制，實現電網自適應巡航，提升電網安全和調控能力。圖表圖表5757：A AI I 用于電網自適應控制用于電網自適應控制 來源：國家電網、國金證券研究所 3 3.3 3 虛擬電廠、微電網虛擬電廠、微電網：A AI I 與虛擬電廠技術核心匹配性強與虛擬電廠技術核心匹配性強 虛擬電廠本質上是一套軟件平臺系統，核心為“通信”和“聚合”。虛擬電廠本質上是一套軟件平臺系統，核心為“通信”和“聚合”。通過先進信息通信技術和軟件系統，實現分布式電源、儲能系統、可控負荷、電動汽車等分布式能源資源的聚合和協調優化，以作為一個特殊電廠參與電力市場和電網運行的電源協調管理系統，為配電網和輸電網提供管理和輔助服

86、務。虛擬電廠概念的核心可以總結為“通信”和“聚合”，關鍵技術主要包括協調控制技術、智能計量技術以及信息通信技術。虛擬電廠分為兩類：“負荷類”虛擬電廠，和“源網荷儲一體化”虛擬電廠。1）“負荷類”：聚合了具備調節能力的電動汽車、充電樁等市場化用戶，作為一個整體，對外提供負荷側靈活性相應調節服務。2）“源網荷儲一體化”：聚合新能源發電、用戶及配儲一系列環節，作為獨立市場主體參與電力市場、具備自主調峰調節能力。具備“源-荷”雙重身份，有效實現削峰填谷。虛擬電廠把各類可調負荷資源匯聚，根據電網削峰填谷的需求，進行線上填報，計劃下發，執行反饋，類似于線上工單派單系統。電網給調度指令計劃，需求響應調控計劃

87、，提前幾天/幾周把計劃發下來。負荷集成商，虛擬電廠運營商，會把計劃告訴客戶，哪些時段把負荷停掉，把用電負荷降下來，具有源-荷雙重身份。26 圖表圖表5858：虛擬電廠結構示意圖虛擬電廠結構示意圖 來源：中國知網：虛擬電廠基礎特征內涵與發展現狀概述、國金證券研究所 與虛擬電廠有所不同，微電網是能夠實現自我控制、保護和管理的自治系統。由分布式電源、儲能裝置、控制系統、相關負荷等匯集而成的小型發配電系統，可為區域內負荷供冷、熱和電，能夠實現自我控制、保護和管理的自治系統，是智能電網的重要組成部分，是輸電網、配電網之后的第三級電網，既可以并網運行、也可以離網運行。圖表圖表5959：微電網示意圖微電網示

88、意圖 圖表圖表6060：微電網可以并網運行、也可以離網運行微電網可以并網運行、也可以離網運行 來源：固德威官網、國金證券研究所 虛擬電廠與微電網的不同點：1）微電網一般要求分布式能源位于同一區域，對地理位置要求高；2）微電網一般在某一特定的公共連接點接入配電網側；3）微電網聚合分布式能源時，需要改變電網原有的物理架構；4）微電網可以離網運行也可以并網運行；5）微電網側重自治功能。微電網屬于研究初期，未來一片藍海。美國、歐盟、日本等國家和地區對微電網的研究和建設起步較早，已取得了一些成果。我國對于微電網的研究起步較晚，在關鍵技術上和歐美仍有差距，目前國內對于微電網的研究還處于逐步推廣階段，隨著“

89、雙碳”政策和新型電力系統的落地，國內的微電網示范項目逐漸增多，越來越多企業加入到微電網技術的研發中，智能微電網逐漸成為行業新熱點。27 圖表圖表6161：虛擬電廠和微電網的不同虛擬電廠和微電網的不同 來源：安科瑞、國金證券研究所 相對于傳統電力能源生態系統，虛擬電廠的能源生態系統出現了明顯變化，發電、輸電、配電、用電界限相互交叉，同時兼具生產者與消費者的角色，根據需求可以改變身份特征，其價值主要體現在以下三方面：1）可緩解分布式發電的負面效應，提高電網運行穩定性。虛擬電廠對大電網來說是一個可視化的自組織，既可通過組合多種分布式資源進行發電，實現電力生產；又可通過調節可控負荷，采用分時電價、可中

90、斷電價及用戶時段儲能等措施，實現節能儲備。虛擬電廠的協調控制優化大大減小了以往分布式資源并網對大電網造成的沖擊，降低了分布式資源增長帶來的調度難度，使配電管理更趨于合理有序，提高了系統運行的穩定性。2）可高效利用和促進分布式能源發電。我國分布式光伏、分散式風電等分布式能源增長很快，其大規模、高比例接入給電力系統的平衡和電網安全運行帶來一系列挑戰。如果分布式發電以虛擬電廠的形式參與大電網的運行，通過內部的組合優化，可消除其波動對電網的影響，實現高效利用。同時，虛擬電廠可以使分布式能源從電力市場中獲取最大的經濟效益，縮短成本回收周期，吸引擴大此類投資，促進分布式能源的發展。3）可用市場手段促進發電

91、資源的優化配置。虛擬電廠充當分布式資源與電力調度機構、與電力市場之間的中介，代表分布式資源所有者執行市場出清結果，實現能源交易。從其他市場參與者的角度來看，虛擬電廠表現為傳統的可調度發電廠。由于擁有多樣化的發電資源，虛擬電廠既可以參與主能量市場，也可以參與輔助服務市場，參與多種電力市場的運營模式及其調度框架，對發電資源的廣泛優化配置起到積極的促進作用。圖表圖表6262：傳統電力能源生態系統和虛擬電廠能源生態系統傳統電力能源生態系統和虛擬電廠能源生態系統對比對比 來源：中國知網：虛擬電廠基礎特征內涵與發展現狀概述、國金證券研究所 28 冀北虛擬電廠作為我國首個以市場化方式運營的虛擬電廠示范工程投

92、運。2019 年年底，國網冀北虛擬電廠示范項目投運。公開數據顯示，到 2020 年，冀北電網夏季空調負荷將達 6GW，10%空調負荷通過虛擬電廠進行實時響應，相當于少建一座 600 MW 的傳統電廠?！懊焊碾姟弊畲筘摵蓪⑦_ 2GW，蓄熱式電采暖負荷通過虛擬電廠進行實時響應，預計可增發清潔能源 720GWh，減排 63.65 萬 t 二氧化碳。今年深圳也建成了虛擬電廠管理平臺，這是國內首家虛擬電廠管理中心。標志著深圳虛擬電廠即將邁入快速發展新階段，也意味著國內虛擬電廠從初步探索階段向實踐階段邁出重要一步。圖表圖表6363：冀北虛擬電廠冀北虛擬電廠示范工程示范工程 圖表圖表6464：國國內內首家虛

93、擬電廠管理中心首家虛擬電廠管理中心 來源：國家電網、國金證券研究所 來源：國際電力網、國金證券研究所 預計預計 2 2025025 年虛擬電廠投資規模達到年虛擬電廠投資規模達到 8 80000 億元，運營市場規模達到億元，運營市場規模達到 5 50 0 億元。億元?，F階段主要的盈利模式為通過需求側響應賺取輔助服務費用后的分成。據中電聯預計，2025 年我國全社會用電量將達 9.5 萬億千瓦時，而最大負荷將達到 16 億千瓦，按 5%可調節能力、投資成本 1000 元/千瓦計算，預計到 2025 年，虛擬電廠投資規模有望達 800 億元。參考目前峰值負荷時長水平，我們預計 2025 峰值負荷將達

94、到 50 小時，對應 2025 年電網需求側響應電量 40 億千瓦時。目前我國虛擬電廠處于發展初期，度電補償較高以刺激時長，參考廣州市虛擬電廠實施細則0-5 元/千瓦時的削峰響應補貼，預計 2025 年虛擬電廠進入商業化運營后，補償標準為 2.5 元/千瓦時。假設分成比例為 50%，則預計 2025 年虛擬電廠運營市場規模將達到 50 億元。圖表圖表6565：20252025 年虛擬電廠投資規模達到年虛擬電廠投資規模達到 800800 億元億元 圖表圖表6666：20252025 年虛擬電廠年虛擬電廠運營規模達到運營規模達到 5 50 0 億元億元 20252025 年全社會用電量（億千瓦時）

95、年全社會用電量（億千瓦時）9.59.5 2025 年電網最大負荷（億千瓦）16 虛擬電廠可調節能力 5%虛擬電廠投資成本（元/千瓦時）1000 虛擬電廠投資規模（億元）800800 20252025 電網最大負荷（億千瓦）電網最大負荷（億千瓦）1616 虛擬電廠可調節能力 5%最大負荷時長（小時）50 響應電量（億千瓦時）40 度電補償（元/千瓦時）2.5 虛擬電廠分成比例 50%運營市場規模（億元）50 50 來源：中電聯、國金證券研究所 來源：中電聯、廣州工信部、國金證券研究所 應用數字孿生構建新一代虛擬電廠。通過數字化建模和部署物聯網設施將其納入到數字孿生虛擬電廠體系中，通過智能感知和數

96、據采集補充完善信息中樞數據中臺。在優化運行方面，虛擬孿生空間與物理實體通過高效連接和實時傳輸實現孿生并行與虛實互動。通過智能感知和信息實時采集技術實現“由實入虛”；虛擬電廠物理實體和虛擬空間通過反饋機制實現虛實迭代，并通過智能決策平臺的支撐和實時優化運行控制實現“由虛控實”。29 圖表圖表6767：虛擬電廠數字孿生總體架構虛擬電廠數字孿生總體架構 圖表圖表6868：數字孿生虛擬電廠優化調度框架數字孿生虛擬電廠優化調度框架 來源：數字孿生虛擬電廠系統框架設計及其實踐展望、國金證券研究所 “聚合”和“通信”是虛擬電廠的核心，與 AI 匹配性強。建設虛擬電廠可分為兩大關鍵信息化技術：即協調控制、信息

97、通信技術。其中，協調控制技術要聯通源網荷儲多個環節的調整，并要做出對于發電量、用電量、電價等多個數據的判斷，AI 的接入有望極大提升分析效率和準度。另一方面，主要影響 B 端用電水平的虛擬電廠對于電網整體穩定性影響較小、數據相比 C 端更容易授權用于訓練，有望率先接入大模型應用。四、相關公司 我們重點推薦：1）發輸變配用及調度全環節覆蓋的電力智能化龍頭：國電南瑞；2）風光發電功率預測龍頭：國能日新；同時建議關注：輸變電線路智能運維和巡檢機器人及無人機：澤宇智能、申昊科技、智洋創新、東方電子。圖表圖表6969：相關推薦公司相關推薦公司 代碼代碼 公司公司 市值（億市值（億元）元）EPSEPS（元

98、）（元）PEPE 相關業務相關業務 2022E2022E 2023E2023E 2024E2024E 2022E2022E 2023E2023E 2024E2024E 600406.SH 國電南瑞 1748 0.99 1.16 1.36 26 22 19 發輸變配用全環節 301162.SZ 國能日新 58 0.95 1.37 1.77 93 61 47 風電/發電功率預測 301179.SZ 澤宇智能 72 1.72 1.31 1.7 22 23 18 電網智能運維、巡檢機器人 300853.SZ 申昊科技 46-0.44 1.34 1.92-50 23 16 電網巡檢機器人 688191.

99、SH 智洋創新 22 0.18-70-輸變電智能運維 000682.SZ 東方電子 120 0.33 0.43 0.56 25 21 16 電網自動化、智能運維 來源：wind、國金證券研究所。以上數據均采用 wind 一致性預測，截至 2023.04.28。4.14.1 國電南瑞國電南瑞 國網電力智能化龍頭，發輸變配用及調度全環節覆蓋。國網電力智能化龍頭，發輸變配用及調度全環節覆蓋。利用大數據、云計算、物聯網、移動互聯、AI、區塊鏈等技術，為電網、發電、軌道交通、水利水務、市政公用、工礦行業提供軟硬件產品，共有四大業務板塊：1）電網自動化及工控：圍繞新型電力系統建設，引領能源數字革命。公司是

100、國內電力系統和自動化領域唯一能夠提供全產業鏈產品及服務的供應商。承擔的新一代調度技術支持系統目前已在 6 個省市試運行并在江蘇省正式推行；新一代用電系統在 6 省市上線；新型電力負荷管理系統在 11 省市應用。2022 年國網數字化項目設備招標，調度類軟件/數字化軟件標段共有 22 家企業實現中標，標段總金額達到 6.78 億元，國電南瑞南京控制系統有限公司以 2.49 億元奪得第一。2）繼電保護及柔性輸電：國內繼電保護技術開拓者，柔性輸電設備國際領先。根據國網 30 電子商務平臺歷史數據，公司繼電保護市場份額約 42%、環流閥市場份額約 40%、直流控制保護系統市場份額約 50%。公司大容量

101、換流閥、直流斷路器、控制保護系統等關鍵設備整體達國際領先水平。3）電力自動化信息通信：支撐能源互聯網轉型和電網企業數字化轉型。業務涵蓋電網生產管理、調度管理、營銷、安監基建、網絡信息安全、信息通信綜合監管、通信設備及系統、信息通信系統集成及運維、實時數據庫、大數據及云服務、量子保密通信、能源工業云網等。4）發電及水利環保：有力支撐新型電力系統建設。提供火電、水電、核電、風電、光伏、抽蓄、分布式能源機組控制保護及并網解決方案。公司研發的 7MW 海上風電變流器已在廣東陽江應用；35kV 高壓直掛儲能系統已在紅墟儲能電站順利并網運行。4.24.2 國能日新國能日新 光伏發電功率和風能發電功率預測市

102、場份額第一。光伏發電功率和風能發電功率預測市場份額第一。公司在氣象、算法、軟件開發領域均有大量的核心技術。1）氣象領域：能對多種氣象背景場數據進行時間和空間上的降尺度處理，能夠在復雜氣象條件下對天氣情況精確預測。2）算法領域：公司通過多途徑構建算法模型，可以實現模型持續優化、預測精度持續提高。3）軟件開發領域：通過了最高級別的軟件能力成熟度模型 CMMI5 認證。2020 年公司的短期光伏功率預測綜合精度為 89.21%，短期風電功率預測綜合精度為84.60%。通過不斷技術研發和算法優化，持續從提高氣象數據精度、提高算法模型精度等角度提高產品發電功率預測的精度，降低了客戶由“雙細則”考核帶來的

103、損失。電力交易、智慧儲能、虛擬電廠新業務拓展積極。22 年公司電力交易、儲能、虛擬電廠業務收入 0.11 億元，同增 93.0%。1）電力交易方面，公司相關產品已完成在山西、甘肅、山東和蒙西四個省份的布局。2）儲能 EMS 系統方面，公司持續研究山東、山西等全國近十個省份儲能參與電力市場的政策，并基于深度學習算法，結合儲能充放電特性，探索儲能參與電力市場的交易策略、參與輔助服務市場策略。3）虛擬電廠方面，公司于 2022年 6 月設立控股子公司國能日新智慧能源，已通過西北電網聚合商響應能力技術測試，具備了參與西北省間調峰輔助服務市場的技術條件。圖表圖表7070：國能日新主要業務和國能日新主要業

104、務和產品產品 來源：公司官網、國金證券研究所 4.34.3 澤宇智能澤宇智能 江蘇省智能電網一站式服務商龍頭，江蘇省智能電網一站式服務商龍頭，2 20 02 22 2 年省外業務加速拓展。年省外業務加速拓展。目前公司已形成電力設計先行、以系統集成為業務主線、貫穿了工程施工以及后期運維服務的一站式業務布局。江蘇省用電需求旺盛且投資規模居于前列，公司將充分受益省內發輸變配用環節高需求。在省外方面，公司于 2017 年設立了安徽、北京等多個分公司，目前已覆蓋 29 個省份和地區。2022 年公司在安徽省/北京市分別實現營收 1.70/1.67 億元，同比高增 349%/328%。31 開始布局智能機

105、器人領域，新一代巡檢機器人預計三季度制成。2023 年 1 月，公司公告稱擬成立合資子公司北京澤宇高科智能科技，聚焦智能機器人的研發制造，出資 1.6 億元持有子公司 62.5%的股份。公司計劃推出新一代電力巡檢機器人產品，預計三季度制成?？赏ㄟ^ AI 自主計算，采取避障措施，可自由搭載可見光、紅外、局方檢測等設備以滿足變電站巡檢要求。圖表圖表7171：業務涵蓋電力設計、系統集成和工程施工運維業務涵蓋電力設計、系統集成和工程施工運維 圖表圖表7272：20222022 年年江蘇省江蘇省省外業務加速拓展省外業務加速拓展（億元）（億元）來源：公司公告、國金證券研究所 來源：公司公告、國金證券研究所

106、 4.44.4 申昊科技申昊科技 深耕深耕智能電網領域智能電網領域超超 1 15 5 年，年，堅持“堅持“A AI I+工業大健康”戰略，工業大健康”戰略，“海陸空隧”全面布局“海陸空隧”全面布局。公司深耕工業大健康領域，利用傳感器、機器人、人工智能及大數據分析技術，為電力電網、軌道交通、油氣化工行業提供解決方案。公司及全資子公司擁有獲授專利 266 項，其中發明專利 47 項、實用新型專利 139 項、外觀設計專利 80 項公司已作為智能電力機器人研發生產的領先企業，作為主要起草單位負責“變電站智能巡檢機器人”、“戶內掛軌式巡檢機”等多項行業標準制定。公司智能機器人由巡檢向操作延伸。2015

107、 年推出第一代輪式智能巡檢機器人并進入國家電網采購體系；2017 年完成第二代輪式智能巡檢機器人、掛軌巡檢機器人的樣機研制；2018 年完成第二代掛軌智能巡檢機器人的樣機研制，并開啟第三代輪式智能巡檢機器人的立項研發；2021 年推出國內首臺極寒地區巡檢機器人并通過驗收，可應用于氣溫低至-40環境，同時開關室操作機器人已有批量訂單落地。電網數字化智能化由“感知”向“操作”延伸，公司憑借高技術壁壘建立的先發優勢，有望受益于下有需求釋放。圖表圖表7373：公司產品包括智公司產品包括智能機器人和智能監測檢測及控制設備能機器人和智能監測檢測及控制設備 來源：公司公告、國金證券研究所 18%33%23%

108、20%53%0%12%24%36%48%60%024681020182019202020212022江蘇省安徽省北京其他地區省外業務占比 32 4.54.5 智洋創新智洋創新 輸變電智能運維領軍企業，聚焦行業數字化轉型。輸變電智能運維領軍企業，聚焦行業數字化轉型。公司業務主要集中在輸電、變電、配電的智能運維管理領域，以 AI 為基礎并融合行業知識，貫通了從模型訓練、硬件適配、推理部署到場景應用的全流程，研發一站式 AI 開發平臺，將算力、算法、算據和應用場景等四要素融為一體。堅持研發創新，客戶認可度高，為華為昇騰合作伙伴。2022H1 研發費用投入為 3660 萬元，占營收比例為 11.7%，

109、在原有智能可視化巡檢產品和全景平臺的基礎上，公司以“物聯網+無人機+人工智能+數字孿生”作為技術和產品方向，積極研發無人機全自動巡檢、水利數字孿生全域管理平臺等產品。2021 年 7 月，作為華為昇騰生態體系戰略合作伙伴，公司受邀參加了 2021 世界人工智能大會（WAIC）昇騰人工智能高峰論壇。2022 年 6 月，智洋創新與華為簽署合作協議，正式加入昇騰萬里合作伙伴計劃。圖表圖表7474：公司主要公司主要面向面向電力電力、水利、軌交、水利、軌交領域領域提供提供 A AI I 產品產品與解決方案與解決方案 來源：公司官網、國金證券研究所 4.64.6 東方電子東方電子 電網自動化全產業鏈布局

110、龍頭，從硬件供應商向軟件供應商轉變，電網自動化全產業鏈布局龍頭，從硬件供應商向軟件供應商轉變，A AI I 加持智能化發展。加持智能化發展。公司已在電力行業源網荷儲等環節形成了完整的產業鏈，在電網投資力度加大的背景下有望實現穩健增長。1）調度：公司為國網南網調度領域主供應商之一，公司彈性調度平臺基于“云原生”先進設計理念。2021 年 12 月，公司在南網調度自動化主站系統招標中，中標 5210 萬元。2）配用電：公司一二次融合產品種類齊全，在反應速度、診斷準確率，智能化水平方面優勢明顯，重點推進以智慧臺區為核心的新型智能化終端。3）變電：AI 賦能智能巡檢業務。公司研發出以智能巡檢機器人為核

111、心的智能巡檢系統解決方案。近期，東方電子攜手昇騰 AI 推動變電站無人值守規?；瘧?，完成與 Atlas 500 Pro 智能邊緣服務器的推理兼容性測試，模型推理效率提升了 1 倍。4）虛擬電廠：公司提前多年布局，擁有自主知識產權的核心技術。廣州明珠工業園項目作為公司園區級虛擬電廠典型案例；城市級虛擬電廠典型案例-廣州市虛擬電廠管理平臺，也已在國內第一批正式開放注冊 5）電表：新一代電表聚焦于以能源網關為核心的智能終端。通過“操作系統+APP+可擴展模組”的形式，新一代的智能電表高度契合能源互聯網的建設思路，可與其他專業設備協同配合，支撐居民家庭智慧用能、電動汽車及分布式能源服務、社區多能服務等，軟件服務價值量持續提升。33 圖表圖表7575：公公司攜手昇騰司攜手昇騰 AIAI 推動無人變電站規?；瘧猛苿訜o人變電站規?；瘧?來源：公司公告、國金證券研究所