阿里云电力 AI 调研（六）：用电侧——落地最扎实，责任边界最模糊

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。

一、用电侧的结构性变化

发电侧是少数大主体，用电侧是数亿分散主体。分布式光伏、电动汽车与可调负荷让用户第一次同时具备发电、储能与响应能力；市场化改革又把电价拆成分时、分区信号。电网营销与计量专业因此从「抄表计费」升级为「能源感知与客户互动中枢」——南方电网一次梳理出 27 项「AI+计量」应用场景（A/B）。

用电侧也是全系列唯一直接面对终端用户、牵涉真金白银的一环：计量误差影响结算，账单解释影响信任，电价建议影响支出。决策链末端站的是人——落地最扎实，责任边界也最模糊。

二、逐场景拆解

2.1 计量设备智能运维：广东电网「计量大脑」

背景：广东电网计量自动化系统覆盖全省超 5000 万用户/智能电表（A/B；两个口径并列）。单次异常从发现到派单传统需 3 天，故障成因多靠经验判断，数据不出内网。

方案：广东电网计量系统 3.0 上的「计量设备 AI 指挥官」，含 AI 巡视 / AI 检验（一作 AI 诊断）/ AI 运维 / AI 日报四个智能体；模型层为多模态模型 + DeepSeek-R1 + MOE 专家模型 + 时序大模型（A/B）。技术栈归因存分歧：阿里云口径归于「通义千问」，南网口径归于「大瓦特 + DeepSeek-R1」（B）。

技术路径（拼合报道，属推测）：

采集层  智能电表 + 边缘计算节点（自动抄表率 99.6%）
平台层  大瓦特 / 通义千问 + MOE + 时序大模型
智能体  AI 巡视 → AI 诊断 → AI 运维（隐性挂号 / 显性急诊）→ AI 日报
执行层  精准派单 → 易联办公 eLink

收益：广东韶关供电局 2025 年运行「AI 诊断 + 精准派单」，单次异常处置从 3 天压到 17 分钟，工单处置效率提升 8 倍，故障自愈率 80%，AI 巡视计划有效性 +30%（A/B）。网级计量中心电量预测超 97%、分布式光伏预测 90% 以上、计量运维质检准确率 90%，已发快报 340 余期（A/B）。

局限：①「故障自愈率 80%」口径不清，未说明指远程自动复电还是仅指「自动诊断并派单」，若为后者则「自愈」有夸大嫌疑；②另有「处置效率提升 80%」一说（B+），与「8 倍」相差一个量级，并列不取平均；③跨省算法复用需等 2026 年启动的「网级智能计量能力共享平台」。

2.2 客户服务与电费账单解读：朗新「电力账单解读智能助手」

用户问「电费为什么这么高」，传统链路要客服 → 计费 → 后台三岗协同、等二次回复，易升级为投诉。方案为阿里云百炼 + 通义千问，2023 年朗新入选首批 7 家「通义千问伙伴」（A）。

四阶段后训练 PT → SFT → RM → RLHF；工程细节含智能问数场景的 NL2SQL 微调、plugin 参数 API 增强、账单场景 Prompt 优化与多轮对话 SFT 微调（A）。

朗新科技集团股份有限公司（300682.SZ）2023-08 接入百炼 → 2023-09 完成 POC → 2023 云栖大会发布。官方原文限定「测试场景下」：交互效率提高 超 50%、人工工单量下降 超 70%（A）。媒体版「投诉率降低超 70%」属派生演绎，不应引用（C）。局限是收益均带「测试环境」限定。

2.3 智能问数（NL2SQL）：朗新九功与阿里云数据分析机器人

电力企业沉淀了营销、采集、计量、交易多套系统的数据，业务人员不会写 SQL。阿里云官网「能源智能解决方案」列出「数据分析机器人：基于 NL2SQL 技术挖掘数据价值」，配国家电网最佳实践（A）。代表落地是朗新九功数据智能体，路径为自研 Schema Linking 框架 + 层级式数据治理 + 思维链强化学习训练 SQL 生成（B）。

2025-07 该产品获 BIRD-Bench 执行准确率（EX）与查询效率奖励（R-VES）双榜全球第一，基准含 37 个行业场景、33GB、超 1 万条高复杂度查询（B）。边界见第三节。

2.4 用电侧负荷预测：达摩院八观气象大模型 + eForecaster

源荷双波动加剧后，气象同时影响发电（光伏、风电）与用电（居民、空调负荷）。痛点是节假日、极端天气等小样本场景传统方法失灵，现货需高频更新，调度需可解释性。方案为达摩院可信时序预测平台 eForecaster（内置可解释 AI）+ 八观气象大模型（2024-11-06 发布，时空精度最高 1km×1km×1h）+ 敏迭 MindOpt Solver 2.0（A/B）。

平台自 2021-10 起在山东等七省部署，获 IAAI-23 创新应用奖（B）。国网山东电力调控中心覆盖 262 座风电场、331 座光伏电站，新能源功率预测 96%+、负荷预测 98%+。国网嘉兴电力使用后，分布式光伏功率预测考核合格率 +12.5%、风电场 +31.5%（B）。

局限：各案例的「98%」定义不同（母线负荷 / 系统负荷 / 新能源功率 / 考核合格率），跨案例比较无意义；获奖不等于规模化收益，准确率提升对应的消纳或成本节约缺公开量化；「极端天气 AI 优于专家」是厂商口径且缺第三方验证；模型对未见工况（OOD）的鲁棒性会显著退化。

2.5 虚拟电厂与需求响应：AIVPP

中国最大用电负荷仅约发电装机容量的 50%。方案为 AIVPP，2023-10-31 云栖大会发布，阿里云首个云上虚拟电厂方案；商业化产品「虚拟电厂运营管理平台」可开通光储协同优化下的 3 类算法——用电负荷预测、新能源功率预测、储能运行优化策略（A）。

案例：阿里深圳园区单日单建筑可调 >1.3MW、空调能耗降 12%；红狮控股集团云边协同 VPP 平台使企业电费整体降低 5%；阿里 20+ 园区参与需求响应，动态聚合达 130% 响应量（C）。

2.6 综合能源与双碳：能耗宝（Energy Expert）

方案为 2021 年推出、2022-06-30 全球发布的 SaaS 能耗宝，功能三块——能耗管理和优化 / 碳排计算 / 减碳方案，支持 MQTT、Modbus 采集，联合莱茵 TÜV、中国赛宝等 10 余家机构认证（A）。案例：杭州华聚复合材料年节电 17 万度、减碳 120+ 吨；另有皖能长丰生态科技园、杭州亚运村等案例（A）。

局限：碳核算「合法但不唯一」，因子库与边界认定会显著改变结果，存在漂绿空间；平台整体口径（如「日节电超 200 万千瓦时」）易被误读为单一客户成效。

2.7 充电桩与车网互动：星星充电、中国石化

万帮数字能源（星星充电）在阿里云全球数据中心基础上构建分布式充电平台（中心云 + 边缘云 IoT），基于 MaxCompute、Flink、Hologres 等建离线 + 实时数仓（A/B）。收益：约 26 万个充电桩在线（后续口径 39.9 万台公共桩）；采集频率从 90 秒提升到 17 秒。中国石化累计建成充换电站超 8400 座、覆盖 370 个城市、年自营充电量破 10 亿度，全部跑在阿里云上（B）。

局限：未找到阿里云主导的 V2G 双向充放电公开落地案例；可确认的仅是其与几省电网交易中心、VPP 平台对接及微电网低谷响应探索。「充电桩上云」不等于「V2G 落地」。

2.8 电力市场交易服务

三条线并行：① 朗新购售电一体化平台 + 九功电力交易智能体（动态多智能体协同、7×24 在线，日前电价预测 >90%、价差方向 >75%、风险预警 >85%）；② 南方区域电力市场高可靠电力调度云平台（南方电网联合阿里云，飞天企业版专有云，超 3500 节点、支撑 200+ 套核心系统，2019 年上线）（A/B）。

收益：朗新 2025 年交易电量超 60 亿度（为上年的 3 倍）；国网上海电力联合 16 家数据中心算电协同，2 小时内最大压减负荷 9.78 万千瓦；南方区域电力市场调度云告警量减少 90%（B/D）。局限：交易电量口径混乱（见 5.2）；「>90%」未说明是 MAPE、命中率还是方向判断，而现货交易中「方向判断 75%」更接近真实盈利门槛；告警量 -90% 是运维效果，与交易收益无关。

三、NL2SQL 的天花板

公开基准的分数让人乐观：Spider 1.0（200 个干净学术库、多表 JOIN）约 91%（B）。但数据复杂度往上抬一层，曲线就断了：

• BIRD（脏数据、隐式业务逻辑、外部知识）：约 65–73%；
• Spider 2.0（真实企业工作流、多库、1000+ 列）：约 21%；
• LLM 直连客户真实 Schema（不做工程增强）：10–20%。

91% 与 21% 之间有70 个百分点的悬崖，这正是多数 pilot 在第二个月翻车的根因。学术实测更悲观：ESQ-Bench（465 表、4 种方言）中 GPT-4o 的 EX 仅 79.8% / 60.3% / 57.2%，而静默语义偏差在 EX 通过的查询中高达 73–99%——「SQL 跑通了但结果是错的」是常态（B）。

朗新的双榜冠军因此要这样读：BIRD-Bench 是公开基准，表结构复杂度仍低于电力生产库，冠军不等于真实库上的生产准确率。朗新自己也强调用 Schema Linking + 数据治理 + 思维链 RL 来「修补」，恰印证裸模型不够用。工程侧对策是 Schema 索引 + 执行前 SQL 校验层 + 人工在环审核，可把准确率带回 86–95%，代价是「自动化」变成「半自动化」。

一句话：榜单冠军 ≠ 生产可用。

四、责任边界：AI 答错电费谁负责

电费账单解读与峰谷电价开通建议都属「价格」类事项。AI 一旦答错，已有三条规则明确：

1. 国标层面：2025-09-01 起实施的推荐性国标《顾客联络服务 人工与智能客户服务协同要求》要求，涉及价格、折扣、退款、赔偿、合同变更等事项，AI 只能解释规则、收集材料、生成工单，最终确认应由人工或规范化流程完成（B）。
2. 消费者权益层面：中国消费者协会与经济日报明确，经营者不能以「算法自动生成」为由免责（B）。
3. 法学层面：华北电力大学新金融法学中心主任陈燕红指出，AI 答复错误可能构成服务瑕疵或违约，而违约责任不以经营者主观过错为构成要件（B）。

责任归属方向由此清楚：几乎必然落在经营者身上。但「归属清楚」不等于「机制成熟」——赔付标准、举证责任、合规边界，公开信息里都没有答案。更尖锐的是「推荐峰谷分时电价」：AI 建议会改变用户电费结构，若用户并不适合峰谷计价、因而多付费，损失谁承担？

一句话：能力先落地了，责任机制还在后面追。

五、需要泼冷水的部分

5.1 虚拟电厂：商业模式未跑通，官方文件自认

国家能源局/国家发改委《关于加快推进虚拟电厂发展的指导意见》（发改能源〔2025〕357 号）解读原文承认：市场主导模式（广东、云南）「均处于试点阶段」，补贴支撑模式（深圳）「依赖补贴资金起步」，「部分虚拟电厂运营商还无法实现经营性业务盈亏平衡」；且「缺乏有效的调节能力评估认定技术标准，实际可调节能力不实」（A）。行业实况更冷：全国注册 VPP 运营商超 430 家，近一半没有实际业务，有的只是占了个壳；烟台市公交集团案例中一度电平均调节收益约 0.4 元；能源基金会张永平判断「调度煤电、独立储能电站等资源要比调度聚合用户侧资源的虚拟电厂更容易」（B）。

因此阿里云 VPP 案例需拆读：阿里自有园区是「自己给自己做」的样板；红狮电费降 5% 是源网荷储协同收益、不纯为 VPP 收益；「130% 响应量」只是技术指标。

5.2 信源数字矛盾：原样并列，不取平均

原则：不取平均、不调和、原样并列并注明出处。第 1 条相差一个量级，采信须以 A 级为准；第 6 条说明「阿里云方案」这一表述在该项目上并不准确。

5.3 未找到公开信源的事项

以下三项明确未找到公开信源，不作推测：① 阿里云主导的 V2G 双向充放电落地项目；② 「储能电站选址优化」的客户与成效（官网仅列名）；③ 阿里云在居民侧（户级）负荷预测的独立案例。同理，朗新账单助手只有测试环境数据，广东计量大脑无第三方评估报告，虚拟电厂用 AIVPP 后盈利的公开案例也未找到。

5.4 竞品提示：「独家」叙事不成立

南方电网总调在 2023 年同时与阿里、百度、华为签署电力调度 AI 合作备忘录（B）。头部电网客户遵循「多头下注、不绑定单一厂商」，此外特来电采用多云、电享科技与阿里云共创 VPP、南网自研「大瓦特」。本系列不采用任何「独家」表述。

六、小结

用电侧是阿里云电力版图中落地最扎实的一环：计量运维、负荷预测、账单解读、能碳与充电运营五类都有可查的客户主体、时间线与量化数字；技术路径也一致——大模型负责推理，专用模型/API 负责取数与计算，规则兜底，人最终确认。

但它同时责任边界最模糊：计量误差影响结算，账单解释影响信任，电价建议影响支出，而 AI 一旦答错，赔付标准、举证责任与合规边界都无成熟机制。NL2SQL 的天花板（真实企业库约 21%、静默错误率 73–99%）说明，「说人话查数据」在真实库上远未到可无人值守。

留给总览与结语的三个判断：（1）可复制性分层——朗新模式较强（已 28 省售电），广东计量模式依赖南网总部统筹，中小电力企业难以照搬；（2）数据边界——电网核心营销/计量数据不出内网是硬红线；（3）成本数据缺失——国产 GPU 训推与微调成本，公开信源为零。

本系列其余篇目

• （一）总览：全栈版图与产品矩阵
• （二）发电侧：从功率预测到「擎源」的归因边界
• （三）输电侧：公开案例最稀缺的一环
• （四）变电侧：归属比能力更值得讨论
• （五）配电侧：自愈率 80% 这个数字需要先拆开
• （六）用电侧：落地最扎实，责任边界最模糊
• （七）横向能力：Agent 工程化的关键设计
• （八）结语：方法论复盘与可复制性评估