阿里云电力 AI 调研（五）：配电侧——自愈率 80% 这个数字需要先拆开
本系列共八篇，逐环节拆解阿里云在电力行业「发、输、变、配、用」的 AI 与 Agent 落地现状。 全部结论标注信源等级：A 官方（阿里云/客户官网、官方技术博客）、B 权威媒体 / 行业白皮书 / 信通院、C 厂商 PR 稿或会议演讲、D 二手转载（仅作线索）。 本系列刻意区分「已投产」与「方案宣传」，并对厂商口径保留独立判断。
配电侧承载了绝大多数停电事件，却长期是数字化投入最少、感知最薄的环节。新型电力系统的结构性变化几乎全部压在末端——分布式光伏从台区侧并网使配网潮流双向化，储能与充电桩大规模接入让台区线损由"单向损耗"转为"双向波动"，并网逆流与电压越限成为常态性问题（A 级，阿里云口径）。那里恰恰是数据最黑的地方。结论先行：这是阿里云电力版图中公开信息最薄的一环，也是被误传数字最多的一环。
场景一：配网智能调度——落地细节最含糊
截至 2024 年底，山东电网风光装机已突破 1 亿千瓦，是全国首个风光装机过亿的省级电网（B 级）。分布式光伏在台区侧直接并网使母线负荷预测难度剧增；分钟级采集下传统数据库"存不住、算不动、管不细"，并网逆流与电压越限威胁电能质量（A/B 级）。
方案以达摩院时序大模型为核心，配虚拟电厂 AIVPP 系列与 MindGrid、MindOpt 求解器（A 级）。收益：山东省电网公司母线预测平均准确率 98%、高温负荷期间 97.7%，上报耗时由 1 个多小时降至几分钟（A 级，厂商口径）；GECCO2022 竞赛获运营成本 -29%、风险 -39%、第一名（A 级，竞赛成绩）。局限：广东电网、山西综能的 AIVPP 落地仅有"取得良好成效"这类营销表述（A 级口径，不可作结论依据）；竞赛成绩不等于生产指标。更根本的是瓶颈不在算法，而在低压侧感知与通信缺失。
场景二：配网故障定位与自愈——几乎无可查交付
配电自动化是"故障定位—隔离—非故障区复电"的底座。截至 2025 年底，国网经营区中压馈线配电自动化覆盖率 92.6%、南网 89.7%（B 级，《供用电》2026 年第 8 期）；学术研究则指出全国实用化达标率仅 68%（B 级），建成不等于好用。
阿里云官网列有「智能配电网」条目，却没有独立方案页、没有客户、没有量化数据（A 级）→【方案宣传】；公开信源中也未找到阿里云参与的具体配网线路自愈（FA）项目。真正跑通自愈的标杆全部由电网公司自建，如深圳盐田的 10kV 馈线故障复电不到 1 分钟、较人工提升超 99%，2024 年客户平均停电时间 1.98 分钟/户（A 级，南网官网）。阿里云的角色更接近"数据底座 + 停复电感知 + 大模型辅助研判"，而非 FA 控制算法本身。
场景三：台区管理与线损治理——证据链最实的一个案例
台区是配网的"最后一公里"，线损分技术线损与管理线损（窃电、抄表误差、计量故障）；新型电力系统下台区线损由"单向损耗"变为"双向波动"。**广东电网「计量大脑 / 计量 3.0」**覆盖 5000 万用户、存储 10PB、入库能力 400 万条/秒、采集频率 15 分钟/次（A+B 级）；台风"摩羯"来袭前提前 72 小时锁定 327 个易涝台区，灾后 3 小时内 90% 停电台区复电，比传统方式缩短 6 小时（A/B 级，人民网）。
广东电网公司东莞供电局依托计量 3.0 系统数字基座、融合阿里云大模型，上线南方电网首个"基于日线损排查计量故障"的 AI 分析线损智能体（2025 年 5 月起构建、9 月报道上线，技术采用 MoE 架构，A 级，南方电网报官网）。其前置痛点是单条线损分析耗时近 1 小时、诊断准确率仅 58%、新员工培训周期 3 个月。收益（均 A 级）：单条分析 1 小时 → 10 秒；诊断准确率 58% → 82%；筛查异常台区 2 万个；定位计量故障 778 个；预计挽回电量损失超 32 万千瓦时；培训周期 3 个月 → 7 天。
局限：主导方是广东电网计量专业，阿里云提供的是大模型技术——准确表述应为"东莞供电局依托计量 3.0 基座、融合阿里云大模型上线线损智能体"，而非"阿里云交付了线损智能体"；“32 万千瓦时"是预计值；台区拓扑自动识别未找到阿里云公开信源。
场景四：配网抢修指挥——杭州「虚拟配网调度员」是头号案例
杭州城区 10kV 线路从 1200 条增至 2000 多条；配网调度员每天需拨打 100 多个电话、监控 500 多条信息，高峰 40 多通电话齐涌，同时协调 4—6 个执行单位（B 级）。
阿里云官网唯一有独立方案页的「虚拟配网调度员」是本篇证据链最完整的一项（A 级）。它作为"配网智慧生产指挥 AI 智能引擎"的子模块，部署在配电自动化 IV 区主站，与 I 区主站、调度电话系统、OMS 系统接口集成，能力覆盖虚拟调度、告警处置、遥控监护与智能监屏；技术依托 NLP、知识图谱、语音交互；协同底座是"云钉一体”，钉钉机器人自动发起故障协同小组并推送定位、路线与辅助诊断信息（均 A 级）。
客户为国家电网杭州供电公司：2019 年 5 月起运行，2020 年 11 月 27 日联合发布，当年向浙江全省 11 个地市推广，实现配网分支线全业务、全地区覆盖（A/B 级）。杭州 120 位调度员业务负担减轻 45%，高峰期间一个机器人约等于 50 个调度员同时工作，年省上千万成本，突发停电 1 分钟内安排好人员启动检修（B 级）；知识库超 30 万份检修手册，故障处置方案与设备查询准确率 90% 以上（A 级）。
局限：时间线在 2019—2020 年，属 NLP + 知识图谱 + 语音的"上一代 AI"，与 2024—2025 年的大模型 Agent 不是同一技术代际；关键收益数字全部来自 2020 年前后，此后未见更新或第三方复核；“浙江全省推广"的后续落地报道亦未找到，是否完成全省覆盖存疑。此外落地技术由华云天下联合阿里云交付（C 级）。
场景五：电网一张图——阿里云是底座，不是建设方
阿里云官网将「电网一张图」列为解决方案条目，但同样无独立方案页、无客户、无量化数据（A 级）→【方案宣传】。可查的真实贡献是"一云多 Region"部署电网云平台，实现总部三中心与 13 个网省公司"一朵云”，累计支撑营销 2.0、PMS3.0 等 1000 余套业务系统上云（A 级）。落地成果全部是国网自建：国网全网纳管设备 20 亿台、日汇聚量测数据 1800 亿条（A 级，数字中国建设峰会）。正确表述是"阿里云提供云底座与大模型底座，国网主导建设"；把"电网一张图"的成果写成阿里云的，属严重失实。
场景六：重过载成因分析——数字最漂亮，归属最需小心
该场景属"电网规划"域，分析对象主要是配网设备（配变、配网线路）重过载，跨"配"与"规"——国网官方口径将其归入"电网规划方面"（B 级）。痛点是规划人员需 20 个工作日完成一份定性分析报告（B 级）。载体是光明电力行业大模型，阿里巴巴提供从基础大模型到 AI 开发平台"百炼专属版"的全栈技术支持（B 级，央广网）；2024 年 12 月 19 日发布时该应用已在国网福建省电力有限公司开展（B 级）：单次诊断 20 个工作日 → 5 个工作日，全省年节约 1500 人·天，效率较人工诊断提升约 4 倍（B 级）。
配套的国网长沙供电公司“光明"落在配网运行侧：单次转供决策 30 分钟 → 1 分钟、大型保供电方案编制 10 小时 → 10 分钟、决策因素由不超过 10 个增至 35 个（B 级，人民网）。
归属警示：光明电力大模型由国网牵头、阿里巴巴与百度共同建设——2024 年 12 月 19 日的发布会由三方负责人共同启动，当日国网与阿里签署战略合作框架协议，此前亦与百度签署（B 级，科技日报、央广网）。因此"20 个工作日 → 5 个工作日”不能单独归因阿里云；“分析频次由年度变为实时"仅见阿里云口径（C 级），无客户侧印证。
场景七：低压配网与新型主体接入——最硬的骨头，证据最弱
华为在 2025 年电力通信目标网白皮书中提出”中压通信是目前电网通信最薄弱的环节；低压通信作为电网的’神经末梢’需要实现透明化"；低压分布式光伏超 75% 的大规模接入，让电网实时平衡难度更大（B 级，人民日报·中国能源报）。低压配网的"黑箱"是国际共性问题——最后一台变压器到客户之间的连接关系往往无记录或已过时（B 级）。
阿里云方案以 AIVPP 系列产品为主，另有分布式光储方向的成果获得中国电源学会科技进步奖一等奖（A 级）。但可验证的收益大多来自阿里自有园区：AI-VPP 聚合响应量 130%、微电网用电成本 -3%（A 级，非电网客户）。局限：广东电网、山西综能的 AIVPP 落地无量化细节；未见阿里云公开的台区拓扑自动识别方案；分布式光伏"四可"覆盖率是行业短板，全国统一的计量确权与收益分拆标准尚未形成（B 级）。
必须先拆开的那个数字：故障自愈率 80%
配电侧流传最广的数字是广东电网的"故障自愈率 80%"，它常被转述为"配网线路自愈率达到 80%"，与原文不符。
南方电网官网原文指的是计量设备（计量装置）层面的自愈：AI 巡检在 17 分钟内发现异常并完成处置，传统方式需要 3 天（A 级，南网官网）。它的业务含义是"计量装置异常的自动发现与恢复"，属计量专业运维效率的提升，不是“配网线路故障自愈率”。两者层级相差很大：一个是末端的计量装置，一个是中压线路"故障定位—隔离—非故障区复电"的完整闭环。把后者写成前者，等于把"电表出问题能自己恢复"说成"配网故障半自动愈合"。本系列统一处理方式是保留数字、拆开层级：引用时写明"计量设备自愈率 80%（AI 巡检 17 分钟，传统方式 3 天）"。
归属风险：标杆工程大多是自建的
阿里云官网共列出 5 个与"配"相关的条目：智能配电网、电网一张图、虚拟调度员、电力文档知识库、数据分析机器人。但只有「虚拟配网调度员」有一个内容完整的独立方案页；其余 4 项仅有单句标语，无架构、无客户、无数据，只能作为"战略布局意图"来写。
更关键的是，配网侧真正跑通的标杆工程——电网一张图、配网自愈、台区线损——主导方几乎都是国网、南网自身：深圳盐田的配网自愈属南网"电鸿"体系，泉州、青海的自愈与一张图属国网自建（A/B 级）。阿里云的角色是云底座、数据中台或大模型能力供给方，不是解决方案总包方；把它们的成果归因阿里云，属于严重失实。
综合下来，阿里云在配网侧真正可查的完整案例只有 3—4 个：杭州虚拟配网调度员、广东计量大脑、东莞日线损智能体，以及作为联合方参与的光储获奖项目。归因提醒：重过载分析的"20 个工作日 → 5 个工作日"由光明大模型支撑，而该模型是国网牵头、阿里与百度共建。
配网侧的五道结构性难题
上图五条证据的信源等级分别为：数据未贯通（C 级，国网经研院韩丰）、通信薄弱与终端覆盖率（B 级）、改造成本（D 级，需回溯源）、拓扑错误占比 45%（B 级）、AI 不敢用于关键业务与需求响应参与度不足 10%（B 级）。
五道难题互为因果：数据不贯通导致拓扑不准，拓扑不准导致自愈失败；感知不足造成低压黑箱，黑箱又让投资回报更难测算；改造投入不足使 AI 只能停留在单点场景；最终关键业务"不敢用"成为理性选择。另需补记第六类风险：智能电网万物互联后网络攻击面指数级扩大，海量分布式终端、充电桩、户用储能与虚拟电厂平台接入公网，攻击者可通过终端漏洞入侵配网系统（D 级，需回溯源）。
竞品对照：华为在配网侧的公开证据更硬
- 代表成果：阿里云是杭州虚拟调度员与东莞线损智能体；华为是联合国网陕西电力实现低压 400V 台区透明化，并为 2025 电力全球样板点。
- 技术指标：阿里云未披露配网功率预测精度；华为给出台区级未来 24h / 15min 粒度分布式光伏功率预测及负荷预测，精度 90% 以上。
- 通信主张：阿里云未提出成体系的配网通信框架；华为白皮书提出"主网智强、中压融合、低压透明、高速安全、天地一体"二十字特征（均 B 级，人民日报·中国能源报）。
结论：配网侧华为的公开信息密度与指标完整度明显高于阿里云；阿里云的优势集中在调度指挥与计量数据底座两条线，在"低压透明化 / 台区边缘智能"这条最硬的骨头上公开证据明显弱于华为。
信源矛盾：并列而不取平均
第一组，杭州虚拟调度员的执行步数：阿里云官网表述"累计争取执行超 10 万步操作"（A 级），中国日报 2020 年 11 月 27 日报道"已正确执行数十万步操作"（B 级）。同为 2020 年口径却相差数倍，本篇采用官网"超 10 万步"并标注保守。
第二组，广东计量 3.0 的数据量：人民网称"具备日均处理 50 亿条数据的能力"（B 级），阿里云官网称"日均处理 21.8 亿条数据"（A 级）。推测前者是设计能力、后者是实际日均，须分别表述，不能取平均。同类的口径差异还有杭州 45%——媒体口径是"减轻 120 位调度员 45% 的业务负担"（B 级），官网口径是"支撑 45% 以上常规工作负荷"（A 级），数值接近但语义不同，不宜等同。
小结
第一，配电侧是阿里云电力版图中公开信息最薄的一环：官网 5 个"配"相关条目里只有「虚拟配网调度员」有完整方案页，可查案例只有 3—4 个；电网一张图、配网自愈、台区线损的标杆工程大多是国网南网自建，阿里云的真实角色是"底座供给方"，落点集中在调度指挥与计量数据两条线。
第二，本篇澄清的核心数字是"故障自愈率 80%"——它是计量设备层面的自愈（AI 巡检 17 分钟 vs 传统 3 天），不是配网线路自愈率。
第三，配网侧的瓶颈不在算法，而在数据未贯通、拓扑不准（占自愈失败首因的 45%）、中压通信薄弱、低压黑箱与投资回报周期长这五道结构性难题。
本系列其余篇目