大模型技术正在从通用领域向专用领域深度拓展，这一趋势在能源行业表现得尤为明显。

近期，中国石油上线昆仑大模型APP、朗新科技集团发布"朗新九功"AI能源大模型、国家能源集团推出首个千亿级发电行业大模型"擎源"，这些标志性事件标志着能源领域的大模型应用已进入快车道。

尽管工业场景因数据复杂性高、容错率低、成本敏感等特点，曾被认为是AI技术落地的难点。但作为最早探索大模型应用的行业之一，能源行业已在电网调度、煤电生产、核电运行等多个环节实现突破性进展。特别是在新能源领域，大模型正在加速渗透至预测、消纳和运维等关键环节。

在新能源发电功率预测方面，大模型技术展现出独特优势。精准的功率预测是电力交易的基础，但风光新能源占比提升带来的随机性和波动性对传统预测方式构成挑战。

浙商证券研究显示，传统的电站预测主要依赖物理模型和统计方法，难以应对复杂气候条件和装机规模增长。当前，谷歌DeepMind、华为、英伟达等企业持续优化气象大模型技术，为新能源领域提供更精准的预测能力。

细分领域的创新也在加速。协鑫集团联合北京大学和NVIDIA开发的光伏功率预测大模型，在预测精度上比传统方法提升3至5个百分点。

在电网调度方面，通过智能算法优化新能源电力分配，显著减少弃风弃光现象。例如，南方电网新型电力系统智能平衡体系实现了百万平方公里尺度上的秒级匹配，大幅提升了新能源消纳效率。

设备运维也是大模型的重要应用场景。远景智能的虚拟专家支持系统结合生成式大模型和精调小模型，显著提升风机故障检修效率。通过与无人机、摄像头等设备联动，视觉大模型还在巡检等领域发挥重要作用。

在技术路线选择上，能源行业展现出多样化特点。时序大模型在新能源预测领域潜力巨大，而语言大模型由于数据获取难度较大，在当前应用中相对受限。

崔静怡指出，AI与能源系统的深度融合面临多重挑战：首先是长期各自发展的IT和OT系统需要有效整合；其次是工业场景的复杂性要求AI模型必须结合深厚的行业知识。特别是在新能源电力与化工联合动态运行等领域，仍存在技术空白，需要持续投入研发。

总的来说，大模型在新能源领域的应用正在从点状突破向系统化推进发展，但如何实现数据高效整合、提升模型可靠性和可解释性，仍是未来的重要课题。