徐博伦：电网储能必须依靠人工智能的辅助才能有效地参与电力系统运行与电力市场。做负荷预测的时候不能只强调负荷的准确度，还要强调负荷误差在系统调度中的影响，因为负荷峰值预测错了，会极大影响电力系统的运行稳定性。
03
如何与行业深度耦合
赵永生：人工智能技术在电力系统的应用还面临三个方面的问题：一是小样本学习的问题。因为电力业务中发生故障和缺陷案例较少，这些场景具有一定的离散性，属于比较典型的小样本学习类别。二是多模态融合的问题。电力应用中存在很多声音、图像以及文本等多模态融合场景，目前还没有有效的技术突破。三是验证评价问题。目前，行业内尚未建立统一的验证评价机制，存在模型和样本质量良莠不齐问题，尚未形成内外部协同发展的良好生态。推动解决了上述问题，才能把人工智能技术应用推向深入。
周飞：ChatGPT应用于电力至少要迈过三道坎：首先，如果要应用于电力认知推理，需要高质量的电力知识库，突破电力专业术语环境中的逻辑推理难题。其次，要具备实时在线处理能力，还有很大挑战。最后，需要与电力认知大模型采用的双向预测模式优势互补，提升人机对话中知识的精准提取和逻辑合理表达能力。
王瑞平：怎么把通用的大模型适配到专业的领域，是面向垂直领域应用时需要考虑的问题。以ChatGPT为例，对一般的知识，问答错误无伤大雅，但是对于重要的行业应用，比如医疗、安防、电力行业，准确性和精准度就很重要。这就需要把电力行业口口相传的知识转化成结构化的知识图谱，反馈给模型，进而提高模型精度。
忻舟：对人工智能企业而言，需要在保障安全的前提下将技术交付给用户，让它发挥价值。对电力企业而言，需要出台新的激励政策，避免让经验影响创新能力提升。一方面，要从企业文化层面鼓励创新试错；另一方面，也要鼓励员工找到问题，找到能把业务抽象成当前最新技术可以解决的模式和桥梁，并对提出这样好问题的员工给予激励。
吴杰：人工智能是建设新型电力系统的关键支撑技术。针对电网有很多场景难以穷举的问题，可以通过“非正常即异常”的技术手段扩展识别范围，比如识别输电线上可能会有丝巾、废弃气球等影响安全的物体，并将边缘站点分析的结果和故障样本数据上送。
04
拥抱人工智能新时代
吴文峻：以Transformer为基础模型架构的新产业生态，有可能彻底把“炼丹式”的人工智能研究变成一个工业化时代的人工智能应用推广。毫无疑问，我们站在了一个人工智能发展的十字路口上，正在从过去极尽复杂迈向“大道至简”，也让更多专用领域可以更容易地实现与人工智能的融合应用。此外，还要探索创新性思路，让人工智能利用自身强大的数据归纳和分析能力去学习电力系统的规律和原理，得出面向模型生态的新研究范式。在大模型预训练方式上，不采取现在的绝对集中方式，而是走集中和分布相结合的路线，依靠不同行业的专业信息，将小模型自主聚合成大模型。
