AI 在电力交易中的最新进展研究报告:聚焦智能体技术应用(25年9月版)

我爱免费

作者：微信文章
这里是我的个人公众号：智慧能源日课。

每天分享一篇我和AI共创的行业报告。

这些报告虽然是AI帮忙整理，但带有强烈的个人意愿和要求，主要用来自我学习使用，其他人请谨慎参考，不构成投资建议。

这算免责声明了哈。

作为管理者，得经常学习业务的进展。以前需要安排同事专门来做这方面的工作。有了AI小秘书，这个工作确实就更常态、也更及时了。
所以，同样的话题我会经常发，括号说明下时间。虽然把AI当作搜索引擎来用确实不算高级，但，这也能解决很多实际问题。而且这次搜出来了一些我自己公司的内容，感觉还不错，分享之。
一、研究背景与概述

电力交易作为电力市场运行的核心环节，正经历着前所未有的变革。随着新型电力系统建设的深入推进和 "双碳" 目标的实施，电力交易市场的复杂性和不确定性显著增加。2025 年，中国电力市场改革进入关键阶段，电力期货市场正式成立，全国统一电力市场体系初步建成，标志着电力交易进入了一个全新的发展阶段。在这一背景下，人工智能技术，特别是基于智能体 (Agent) 的 AI 技术，正在成为提升电力交易效率、优化资源配置的关键驱动力。

智能体技术作为人工智能领域的重要分支，具有自主性、交互性、反应性和主动性等特点，能够在复杂多变的环境中自主决策和行动。在电力交易领域，智能体技术通过模拟市场参与者的行为、分析市场动态、预测市场走势，为电力交易提供了全新的解决方案。2025 年被业界誉为 "智能体元年"，随着 "智能 +" 行动深入实施，智能体已成为推动新质生产力发展的核心引擎。

本研究报告聚焦于 2025 年中国地区 AI 在电力交易中的最新进展，特别是基于智能体技术的应用。报告将从技术供应商角度出发，深入分析智能体技术在发电侧竞价、电网调度、用户侧需求响应、电力期货交易等电力交易各环节的应用现状、典型案例和发展趋势，为相关企业提供决策参考。

1.1 中国电力交易市场现状

中国电力市场正在经历深刻变革。截至 2025 年，中国已全面推进电力现货市场建设，14 省启动现货连续结算试运行。新能源装机规模持续扩大，截至 2025 年 3 月底，浙江光伏装机已突破 5000 万千瓦，占电源总装机的近三分之一。4 月 15 日，浙江光伏最大出力达到 3436 万千瓦，创历史新高，占当日最大用电负荷的 39.2%。高比例新能源的随机性和波动性，给电网安全稳定运行带来挑战，也为 AI 技术在电力交易中的应用创造了广阔空间。

同时，电力交易主体日益多元化，新型市场主体快速发展。中国新型储能累计装机规模达到 23.5GW，预计 2027 年可超过 100GW；预计到 2025 年，中国虚拟电厂市场规模达 10.2GW，江苏、冀北、上海、浙江、天津、深圳等地结合区域特点开展了虚拟电厂的试点应用。这些新型主体的加入，使得电力交易更加复杂，对 AI 技术的需求更为迫切。

2025 年 7 月 25 日，广州电力期货市场正式成立，南方五省率先垂范，标志着中国电力市场向更加成熟的方向迈进。电力期货的推出，为新能源企业提供了规避价格波动风险的工具，也为 AI 技术在风险管理和策略优化方面创造了新的应用场景。

1.2 AI 在电力交易中的发展阶段

AI 融入电力交易领域可大致划分为四个阶段：辅助分析阶段、策略制定阶段、资源整合阶段和智能体竞争阶段。目前，中国 AI 融入电力市场的进程正稳步推进，从辅助分析、策略制定阶段逐步迈向资源整合阶段。不同省份和企业的发展水平存在显著差异，这在很大程度上取决于电力市场化改革的深度与广度。

在辅助分析阶段，AI 凭借其强大的数据分析和获取能力，利用高频气象数据、市场公开数据，以及发电侧与用电侧的历史监测数据，执行发电功率预测、天气预报、电力需求预测和市场价格分析等任务。AI 部分替代了传统的电力市场分析人员，大幅提升了市场分析的效率，并降低了交易主体对人工预测的依赖。

在策略制定阶段，AI 进一步介入交易决策，提供符合不同风险偏好和交易目标的优化策略。通过与市场交易系统的对接，AI 可实现自动化市场申报，从而在一定程度上取代市场分析师和部分交易员的职能。目前，国内已有部分企业在该领域提供丰富的电力市场策略制定服务。

在资源整合阶段，AI 不仅仅是一个辅助决策工具，而且还是一个能够进行资源整合和系统优化的智能体。AI 能够综合分析多主体、多因素的相互作用，使价格不仅反映传统供需关系，还融合了新能源特性、储能成本等因素，提升市场价格的弹性和精准度，最终增强电力市场的资源配置效率。这一阶段是当前全球范围内 AI 在电力市场交易中的最前沿应用。

在智能体竞争阶段，几乎所有市场交易主体都进化为依赖 AI 智能体进行电力申报的综合能源服务商。企业之间的竞争不再主要体现在传统的资源优势或市场份额上，而是取决于其 AI 智能体的算法优化能力、数据处理能力以及可调节资源的整合水平。不同综合能源服务商的 AI 智能体将通过自主学习和实时交互，根据市场动态调整策略、主动竞争市场份额并优化自身收益。这一阶段目前仍主要停留在理论研究层面，但在可预见的未来，这一愿景有望逐步成为现实。

二、发电侧竞价环节的 AI 智能体应用

发电侧竞价是电力交易的起点，也是 AI 智能体应用最为广泛的环节之一。在这一环节，发电商需要根据市场需求、自身成本和竞争对手情况，制定最优的报价策略，以最大化自身收益。基于智能体的 AI 技术通过模拟市场参与者的行为、分析市场动态、预测市场走势，为发电商提供了更为科学、精准的竞价策略。

2.1 基于多智能体的发电商竞价策略模型

在中长期电力市场中，基于多智能体的发电商竞价策略模型是当前研究和应用的热点。这类模型将每个发电商视为一个独立的智能体，通过信息交互与协同，制定出最优的竞价策略。每个智能体都具备学习、适应和协作的能力，以便在多变的市场环境中灵活应对。

基于多智能体的发电商竞价策略模型通常采用多智能体深度确定性策略梯度算法 (MADDPG)，这是一种适用于不完全信息环境的强化学习算法。在该模型中，各智能体发电商会根据其他智能体的行为来追求奖励最大化，同时考虑市场出清规则和其他约束条件。

MADDPG 算法的核心思想是：每个智能体都有一个独立的 Actor 网络用于学习策略，有一个 Critic 网络用于估计动作的值函数。Critic 网络的输入包含智能体的状态以及动作等信息，在 Critic 网络中每一个智能体在计算梯度的同时会考虑其他智能体的策略，能够更好地实现协同与竞争，适用于电力市场中复杂的市场环境。

2.2 火力发电商的智能体竞价策略

火力发电作为新型电力系统的重要支撑，其竞价策略对保障电力系统安全稳定运行具有重要意义。基于智能体的火力发电商竞价策略研究表明，AI 智能体能够引导火力发电商采取合理的竞价方式以提高市场效率。

研究表明，在新能源渗透率较低时，不同出清机制对各类型机组的影响有所不同；随着新能源渗透率的提高，采用按报价支付出清机制可以兼顾经济和环境效益；当新能源渗透率达到较高水平时，采用随机匹配出清机制可有效应对市场波动风险。这一发现为火力发电商在不同市场环境下制定最优竞价策略提供了重要参考。

火力发电商智能体的竞价策略通常基于以下几个关键因素：

发电成本计算：包括燃煤成本和碳市场交易成本。燃煤成本通过计算各发电商在本月的平均负荷率来确定边际成本。碳市场交易成本则考虑碳排放权的买入或卖出情况。

市场出清机制：不同的出清机制 (如边际统一出清、按报价支付出清和随机匹配出清) 对发电商的竞价策略有不同影响。智能体需要根据不同的出清机制调整自身的报价策略。

风险偏好：不同的发电商可能有不同的风险偏好，智能体需要能够适应这些不同的偏好，制定相应的竞价策略。例如，强风险偏好智能体可能更倾向于追求高回报，而强风险厌恶智能体则更看重交易背后可能存在的资金损失风险。

2.3 新能源发电商的智能体竞价策略

随着新能源装机容量的快速增长，新能源发电商在电力市场中的地位日益重要。基于智能体的 AI 技术为新能源发电商提供了应对市场波动、提高收益的有效工具。

在山东某风电场 2025 年 1 至 7 月的案例中，基于 AI 技术的交易策略比人工调节多获得收入 65.36 万元。这一显著的经济效益差异证明了 AI 智能体在新能源发电商竞价中的价值。

新能源发电商智能体的竞价策略通常包括以下几个方面：

电价预测：AI 系统结合气象数值预报与市场出清机制，对现货价格进行预测，帮助新能源发电商捕捉电价波动机会。据报道，某些 AI 系统的现货价格预测准确率已达 90%。

交易模拟与优化：基于历史数据和实时更新的信息，AI 智能体针对市场规则和边界条件进行交易模拟与优化，制定最优的报价策略。

套利策略：通过分析日前电价与实时电价的差异，AI 智能体可以制定套利策略，帮助新能源发电商在低价时购入或在高价时卖出，提高整体收益。

2.4 技术供应商在发电侧竞价中的实践

多家技术供应商已经在发电侧竞价领域推出了基于智能体技术的解决方案，为发电商提供了强有力的支持。

心知能源的 AI 系统结合气象数值预报与市场出清机制，现货价格预测准确率达 90%，帮助售电公司捕捉电价波动机会。在省间现货市场中，通过 AI 优化购电组合，帮助用户节省成本超 2000 万元 / 年。该公司的 AI 系统在首届 "保险杯"AI 电力交易大赛中排名前 15%，超越近 90% 的人类交易员，验证了 AI 在复杂市场环境中的决策能力。

飔合科技作为国内首批接入大模型的电力交易服务商，构建了专属于电力市场的大语言模型和 Chat-BI 模型，以提高电价预测准确性和优化交易策略。该公司自研的 "聆风" 电力交易辅助决策平台，通过在电价预测、交易模拟、交易复盘方面建立的多套算法模型，可以辅助业务人员做出更为精准的决策。

清鹏智能依托自主研发的能源大模型，开发了具有不同风险偏好的 AI 交易员。该系统主要包括三大核心技术模块：语言大模型 (Energy LLM)、时序大模型 (TS-LLM) 和时空大模型 (ST-LLM)。这些模型协同工作，处理并分析大量数据，包括市场动态、历史电价和政策变化，以预测不同时间尺度的电价。

远景科技集团在 "山西蒙西送上海浙江安徽月内省间绿色电力集中竞价交易" 中实现全流程闭环，将来自内蒙古的绿色电力成功送到上海用户手中。其中，上网侧申报来自远景位于蒙西的风电场项目，需求侧申报方则为其旗下售电公司 "景融绿色能源科技有限公司"，最终双方在集中竞价中完成撮合成交，不仅实现资源地与负荷中心的直接供需匹配，也为绿电跨区配置、规模交易和用户直达提供了明确路径。

三、电网调度环节的 AI 智能体应用

电网调度是电力交易的核心环节，负责确保电力系统的安全稳定运行和电力的可靠供应。随着新能源渗透率的提高和电力市场的复杂化，传统的调度方式面临巨大挑战。基于智能体的 AI 技术为电网调度提供了新的解决方案，能够实现对电网状态的实时监测、智能预测与自主调控。

3.1 电网调度智能体的技术架构与工作原理

电网调度智能体通过类似 "学霸刷题" 的训练方式，让 AI 在虚拟电网中反复尝试不同调度方案。每做完一套 "题目"，潮流仿真器就会给出评分和建议，帮助它不断改进。在训练过程中，它不仅要学习如何根据实时数据动态调整电网中各节点的功率分配和优化线路潮流，更需加强预判未来几分钟的电网运行状态的能力，通过超短期预测环境提前推演预调度策略。

电网调度智能体的核心技术架构通常包括以下几个部分：

数据感知层：负责采集和处理电网运行数据，包括实时功率、电压、电流等电气量，以及气象、负荷预测等外部数据。

模型训练层：基于强化学习算法，利用历史数据和实时数据训练智能体模型，使其能够学习最优的调度策略。

决策执行层：根据训练好的模型，生成调度指令，并通过安全校验后下发执行。

人机交互层：为调度员提供可视化界面，实现人机协同决策。

电网调度智能体的工作流程通常为：首先启动 "开环确认" 模式，将当前控制目标呈现给调度员；调度员确认后，系统自动生成加密指令，逐级通过身份认证后下发执行；运行过程中，调度智能体和调度员协同工作，借助设计的 "交互界面"，调度员能实时看到调度建议，选择 "经济模式" 或 "绿色模式"，并通过语音提示精准操作，极大减轻工作负担。

3.2 电网断面调控智能体

电网断面就像心血管系统的关键动脉，是承担特定方向电力输送任务的输电通道，是保障电网稳定运行的关键纽带。大规模新能源接入电网使得网络结构更加复杂，断面控制的重要性越发凸显。

电网断面调控智能体是广西电网公司联合南网数字集团基于 "大瓦特 - 天璇" 大模型开发的调度运行融合智能体，融合强化学习算法，实现对电网断面状态的秒级感知、智能预测与自主调控。该智能体自 2024 年底上线以来，显著提升了正常态与极端故障场景下的电网断面控制及时性及安全水平。

断面调控智能体有三大关键技术：

智能告警技术：针对调度工作中的海量告警信号辨识难题，基于强化学习算法训练大模型，设计提示词和奖惩策略，通过精准推理，实现智能告警，减轻一线调度处置负担，提高实用化水平。

断面控制技术：针对实时断面风险预测与预控，提出多重专家经验引导与多目标强化学习的断面控制技术，综合平衡多种资源类型、合理安排多种调节手段、全面满足多类约束，实现高效断面调控，提高智能体决策可解释性。

模型更新机制：针对海量多变的运行方式，提出高效的模型更新机制与人机协同安全校验方法，保障效果安全，保证智能体持续更新。

3.3 县级电网自适应调度智能体

县级电网作为电力系统的末端环节，直接面向用户，其调度的灵活性和适应性对提高供电可靠性和经济性具有重要意义。新型电力系统县级电网自适应调度智能体通过 AI 技术，实现了县级电网的智能化调度。

该智能体采用 "主配融合负荷转供智能体"，调度员仅用时 3 分钟，便完成 35 千伏变电站全站失电故障处置模拟，将电网调度故障感知能力提升至分钟级，负荷转供方案编制时间缩短至 30 秒以内，方案准确率达到 100%。

县级电网自适应调度智能体的主要特点包括：

一键生成功能：让没有编程经验的普通调度员也能轻松创建专属智能体。只要填几个参数，选好数据，几小时内就能完成训练和部署，节省时间又省成本。

多智能体协同：多个智能体可以互相配合，形成智能电网的 "朋友圈"。它们共享信息，协调电流分布，确保日常运行平稳；遇到紧急情况时还能集中调度，提高电网运行的稳定性和效率。

与大模型结合：调度智能体与 "光明电力大模型" 联手，大模型懂得海量电力知识，逻辑超强，能帮忙算出更靠谱的方案；而智能体负责执行调度决策。两者结合后，调度员还能通过对话式的方式操作系统，既方便又直观。

3.4 虚拟调度员

虚拟调度员是一种结合了 AI 技术和数字人技术的新型智能体，能够实现调度指令的自动派发和执行，大幅提高调度效率。

国网武汉供电公司开发的 AI 虚拟调度员艾丽，能够做到 "1 对 N"，即同时对多个检修项目、多个工作人员同时发起会话，调度指令的流转时间由人工时平均每项 4 分钟缩短至 30 秒，极大提高了调度效率。

虚拟调度员的核心技术包括：

知识学习：通过学习老师傅的经验知识，建立专业知识库。

实时数据补强：结合线上实时数据，不断更新和优化调度策略。

多任务处理：能够同时处理多个调度任务，实现 "1 对 N" 的调度能力。

自然语言交互：支持语音识别和自然语言处理，实现人机自然交互。

3.5 技术供应商在电网调度中的实践

多家技术供应商已经在电网调度领域推出了基于智能体技术的解决方案，为电网调度提供了强有力的支持。

南网数字集团与广西电网公司合作开发的 "大瓦特 - 天璇 - 阿度" 电网断面调控智能体，融合强化学习算法，实现了对电网断面状态的秒级感知、智能预测与自主调控。该智能体已实现对广西 600 余个厂站、90 多个关键断面的监控，有效提升极端情况下的断面控制。未来，团队将持续完善该智能体，进一步拓展频率、电压等智能监视与分析能力，逐步实现大电网智慧化调度自驾驶。

国家电网山东电力创新融合 "大小模型融合 + 小样本强化微调" 技术，打造出专家级专业大模型 "电网智慧大脑"。该系统在源荷预测、操作防误、故障研判、知识服务等关键业务场景表现出色。其中，负荷预测模型在今年入夏以来的两次重大转折天气中预测准确率达 99.13%，较传统方式高出 2.15 个百分点；故障研判准确率达 99%，大幅提升了复杂故障的研判效率。

国家电网上海电力依托千亿级多模态参数 "光明电力大模型"，推出 "AI 大脑" 人工智能平台 2.0。该平台运用 "主配融合负荷转供智能体"，将调度操作时间从传统的分钟级缩短到 30 秒以内，方案准确率达到 100%。同时，该平台还实现了对输电线路状态的精准评估和决策支持功能，推动运维模式从 "自动化" 向 "全自主" 迈进。

四、用户侧需求响应环节的 AI 智能体应用

用户侧需求响应是电力市场交易的重要组成部分，通过激励用户根据电价信号调整用电行为，实现电力供需平衡和资源优化配置。基于智能体的 AI 技术在用户侧需求响应中具有广阔的应用前景，能够帮助用户优化用电策略，降低用电成本，同时为电网提供灵活的调节资源。

4.1 基于智能体的需求响应机制

基于智能体的需求响应机制将用户视为具有自主决策能力的智能体，能够根据市场价格信号和自身需求自主调整用电行为。这种机制通常采用多智能体系统 (MAS) 来模拟用户的行为和交互，实现需求侧资源的优化调度。

在基于智能体的需求响应机制中，每个用户被建模为一个智能体，具有以下特点：

自主性：能够根据自身的用电需求、偏好和成本效益分析，自主决定用电行为。

交互性：能够与其他用户智能体、电网运营商和市场平台进行信息交互和协调。

学习能力：能够通过学习历史数据和市场经验，不断优化自身的用电策略。

适应性：能够根据市场价格变化、天气条件和其他外部因素，灵活调整用电行为。

基于智能体的需求响应机制通常采用以下步骤实现：

价格信号发布：市场运营商或电网调度机构发布实时或预测的电价信号。

用户响应决策：用户智能体根据电价信号和自身需求，制定最优的用电计划。

响应执行：用户智能体控制用电设备执行优化后的用电计划。

效果反馈：用户智能体将实际用电情况和效果反馈给市场运营商或电网调度机构。

4.2 综合能源系统中的需求响应智能体

在综合能源系统中，需求响应智能体不仅可以优化电力消费，还可以协调多种能源形式的消费，实现多能互补和系统优化。

面向新型产消者的综合能源系统研究表明，能源互联网为综合能源系统提供了一种能源供应的新型共享平台，物联网和人工智能技术推动着传统电力用户向具有人工智能和经济学属性的能源产消者转换。AI 技术能够帮助产消者更好地参与电力市场交易，实现能源的优化配置。

综合能源系统中的需求响应智能体通常具有以下功能：

多能源协同优化：协调电力、天然气、热力等多种能源的消费，实现系统整体成本最小化或效率最大化。

分布式能源管理：管理分布式发电、储能和电动汽车等分布式能源资源，实现本地能源的自给自足和余电上网。

用户行为分析：分析用户的用电习惯和偏好，预测未来的用电需求。

价格响应策略：根据市场电价信号，制定最优的用电和储能策略，实现经济效益最大化。

4.3 售电公司的智能体服务

售电公司作为连接电力市场和用户的桥梁，正在利用智能体技术提升服务水平和市场竞争力。通过分析客户用电曲线、负荷性质、光储充设备配置、调节能力等数据，AI 可协助售电公司对海量用户进行分类管理，甚至深度介入其生产用能，与客户一同在电能量市场和电力调节市场中共创收益。

售电公司的智能体服务主要包括以下几个方面：

用户分类与画像：通过分析客户用电数据，对用户进行分类，建立用户画像，为差异化服务提供依据。

用电优化建议：基于用户的用电习惯和负荷特性，提供个性化的用电优化建议，帮助用户降低用电成本。

套餐设计与推荐：根据用户需求和市场价格，设计差异化的电力套餐，并推荐最适合用户的套餐。

需求响应聚合：将分散的用户需求响应资源聚合起来，形成规模化的调节能力，参与电力市场交易。

4.4 技术供应商在售电侧的实践

多家技术供应商已经在售电侧推出了基于智能体技术的解决方案，为售电公司和用户提供了强有力的支持。

心知能源的 AI 系统通过分析客户用电曲线、负荷性质、光储充设备配置、调节能力等数据，协助售电公司对海量用户进行分类管理，甚至深度介入其生产用能，与客户一同在电能量市场和电力调节市场中共创收益。

浪潮智慧能源发布的 "浪潮电力交易大模型 V1.0" 产品，面向售电业务过程中决策难、测算难、管理难的业务痛点，深度融合语言大模型、时序大模型、气象大模型等技术，提供知识问答、业务分析、套餐测算、数据预测、交易策略制定、交易复盘、结算管理等功能，赋能 "事前预测 - 事中交易 - 事后复盘" 交易全过程，降低电力交易业务风险，提高交易利润。

百度智能云发布的 "营销供电方案智能体"，能够帮助电力企业提高办电服务效率。用电企业通过国网 APP 发起对话后，智能体首先通过意图识别确认办电需求，然后把任务拆解规划，把需求分配到用电类别、负荷性质等不同的专家模型完成推理，并填写工单的不同字段；通过多轮对话精准识别用户的办电需求后，自动生成多套供电方案，帮助用户筛选对比不同方案的优劣，做出最优选择。

五、电力期货交易环节的 AI 智能体应用

电力期货交易是电力市场的高级形式，为市场参与者提供了规避价格风险和进行投机的工具。随着 2025 年 7 月广州电力期货市场的成立，中国电力期货交易进入了一个新的发展阶段。基于智能体的 AI 技术在电力期货交易中具有广阔的应用前景，能够帮助投资者分析市场趋势、制定交易策略、管理风险，提高交易效率和盈利能力。

5.1 电力期货市场的智能体交易模型

电力期货市场的智能体交易模型基于多智能体系统 (MAS)，模拟市场参与者的行为和交互，实现期货价格的发现和交易策略的优化。这类模型通常包括以下几个组成部分：

交易智能体：代表不同类型的市场参与者，如套期保值者、投机者和套利者，具有不同的交易目标和策略。

市场环境：包括期货合约的规则、价格形成机制、交易流程等。

学习与决策机制：智能体通过学习历史数据和市场经验，不断优化交易策略。

交互与竞争：智能体之间通过交易行为进行交互和竞争，形成市场价格。

电力期货市场的智能体交易模型通常采用强化学习算法，如深度 Q 网络 (DQN)、策略梯度算法等，让智能体能够在复杂多变的市场环境中学习最优的交易策略。

5.2 基于 AI 智能体的电力期货交易策略

基于 AI 智能体的电力期货交易策略主要包括以下几种类型：

趋势跟踪策略：智能体通过分析历史价格数据，识别市场趋势，并根据趋势方向进行交易。例如，当价格上升趋势形成时，智能体买入期货合约；当价格下跌趋势形成时，智能体卖出期货合约。

均值回复策略：智能体基于价格偏离均值后会回归的假设，当价格高于均值时卖出，当价格低于均值时买入。

套利策略：智能体通过比较不同市场或不同合约的价格差异，进行套利交易，获取无风险利润。例如，基于预测曲线设计价差期权，江苏某售电公司 2025 年规避损失超 1200 万元。

事件驱动策略：智能体分析影响电力市场的重大事件，如极端天气、政策变化、重大设备故障等，根据事件对市场的影响进行交易。

组合优化策略：智能体通过优化不同期货合约的组合，实现风险和收益的平衡。例如，2025 年广东绿电双边协商交易电能量成交均价为 386.58 元 / MWh，绿色环境价值成交均价 5.77 元 / MWh，通过合约设计可以更好地锁定收益。

5.3 智能体在电力期货市场中的实践案例

清鹏智能在 2025 年参加的 "保险杯"AI 电力交易大赛中，其 AI 交易员排名前 15%，超越近 90% 的人类交易员，验证了 AI 在电力期货交易中的能力。该公司的 AI 智能体在比赛中表现出以下特点：

多风险偏好智能体：训练了 4 种不同风险偏好的 AI 智能体，包括强风险偏好、弱风险偏好、弱风险厌恶和强风险厌恶，以适应不同的市场环境和交易目标。

电价预测能力：依托自研的清鹏能源大模型，AI 智能体能够滚动预测未来 10 日的日前电价，并据此进行决策。预测结果以 10 分钟分辨率展示未来 10 天的电价预测，粉色区间代表 AI 模型预测的 80% 概率风险区间，可调节以满足不同风险偏好的需求。

动态调整策略：AI 智能体结合每日更新的电价预测与风险情况，动态调整建仓决策，实现风险收益比的优化。在比赛中，尽管初期由于对市场趋势的误判出现了一定损失，但 AI 智能体通过对模型预测准确率的研判与不断迭代调整市场模拟分析的参数和模型，展现出了强大的自我学习和适应能力，在整个比赛周期交易胜率和整体现货排名都持续提升。

5.4 技术供应商在电力期货交易中的实践

多家技术供应商已经在电力期货交易领域推出了基于智能体技术的解决方案，为投资者提供了强有力的支持。

清鹏智能作为一家清华大学孵化的创业公司，致力于将人工智能大模型技术应用于源荷预测、电力交易与能源资产运营领域。该公司的 AI 交易员依托自主研发的能源大模型，包括语言大模型 (Energy LLM)、时序大模型 (TS-LLM) 和时空大模型 (ST-LLM)，能够处理并分析大量数据，包括市场动态、历史电价和政策变化，以预测不同时间尺度的电价。

心知能源的 AI 系统在省间现货市场中，通过 AI 优化购电组合，帮助用户节省成本超 2000 万元 / 年。该公司的 AI 系统在首届 "保险杯"AI 电力交易大赛中表现出色，验证了 AI 在复杂市场环境中的决策能力。

六、技术供应商分析与比较

在 AI 电力交易领域，众多技术供应商推出了各具特色的解决方案。本部分将对主要技术供应商的产品特点、技术优势和应用案例进行分析与比较，为相关企业选择合适的技术合作伙伴提供参考。

6.1 主要技术供应商概览

目前，活跃在 AI 电力交易领域的技术供应商主要包括以下几类：

能源科技公司：如心知能源、飔合科技等，专注于能源领域的 AI 技术研发和应用。

互联网公司：如百度智能云等，利用其在 AI 大模型、云计算等方面的优势，推出面向电力行业的解决方案。

电网企业的科技子公司：如南网数字集团等，依托电网企业的业务场景和数据优势，开发专业化的 AI 应用。

高校孵化企业：如清鹏智能等，依托高校的科研实力和人才资源，专注于 AI 技术在电力交易中的创新应用。

传统能源企业的数字化部门：如远景能源等，将 AI 技术应用于传统能源业务，推动业务创新和数字化转型。

6.2 技术供应商的核心技术与产品

心知能源的核心产品是基于 AI 的电力交易决策系统，其核心技术包括：

高精度价格预测：结合气象数值预报与市场出清机制，现货价格预测准确率达 90%。

智能交易策略：基于强化学习算法，生成最优的购电组合和交易策略。

风险控制：通过风险评估模型，实现交易风险的实时监控和控制。

心知能源的 AI 系统在省间现货市场中，帮助用户节省成本超 2000 万元 / 年，并在首届 "保险杯"AI 电力交易大赛中排名前 15%，超越近 90% 的人类交易员。

飔合科技的核心产品是 "聆风" 电力交易辅助决策平台，其核心技术包括：

大模型应用：作为国内首批接入大模型的电力交易服务商，构建了专属于电力市场的大语言模型和 Chat-BI 模型。

多算法模型：在电价预测、交易模拟、交易复盘方面建立了多套算法模型，辅助业务人员做出更为精准的决策。

区域化解决方案：针对蒙西、甘肃等地电网结构复杂、阻塞较多的特点，采用深度学习和时序大模型，提高区域电价预测准确率。

飔合科技的 AI 系统在山东某风电场 2025 年 1 至 7 月的案例中，比人工调节多获得收入 65.36 万元。在陕西某项目 2024 年现货试运行期间，利用 "聆风" 交易平台，全年全电量结算均价超过全省平均价 21 元 / MWh，每万千瓦提升收益约 61 万元，项目平均合计增收约 600 万元。

清鹏智能的核心产品是基于大模型的 AI 交易员系统，其核心技术包括：

能源大模型：自主研发的清鹏能源大模型，包括语言大模型 (Energy LLM)、时序大模型 (TS-LLM) 和时空大模型 (ST-LLM)。

多风险偏好智能体：训练了 4 种不同风险偏好的 AI 智能体，适应不同的市场环境和交易目标。

动态策略调整：结合每日更新的电价预测与风险情况，动态调整交易策略，实现风险收益比的优化。

清鹏智能的 AI 交易员在首届 "保险杯"AI 电力交易大赛中排名前 15%，超越近 90% 的人类交易员，证明了 AI 在复杂市场环境中的决策能力。

百度智能云的核心产品是 "营销供电方案智能体"，其核心技术包括：

意图识别：通过自然语言处理技术，准确识别用户的办电需求。

任务拆解与规划：将复杂的办电任务拆解为多个子任务，分配给不同的专家模型处理。

多方案生成与优化：自动生成多套供电方案，并帮助用户筛选对比不同方案的优劣，做出最优选择。

百度智能云的 "营销供电方案智能体" 能够帮助电力企业提高办电服务效率，实现从传统人工服务向智能化服务的转变。

南网数字集团的核心产品是 "大瓦特 - 天璇 - 阿度" 电网断面调控智能体，其核心技术包括：

智能告警技术：基于强化学习算法训练大模型，实现智能告警，减轻一线调度处置负担。

断面控制技术：提出多重专家经验引导与多目标强化学习的断面控制技术，实现高效断面调控。

模型更新机制：提出高效的模型更新机制与人机协同安全校验方法，保障效果安全。

南网数字集团的电网断面调控智能体已实现对广西 600 余个厂站、90 多个关键断面的监控，有效提升极端情况下的断面控制能力。

浪潮智慧能源的核心产品是 "浪潮电力交易大模型 V1.0"，其核心技术包括：

全栈 AI 能力：依托国产大模型构建 "基础模型 - 行业大模型 - 智能体" 全栈能力，为能源行业提供覆盖预测、交易、调控的全场景智能体服务。

多模态融合：深度融合语言大模型、时序大模型、气象大模型等技术，提供全方位的电力交易支持。

全流程覆盖：提供知识问答、业务分析、套餐测算、数据预测、交易策略制定、交易复盘、结算管理等功能，覆盖电力交易全流程。

浪潮智慧能源的电力交易大模型已在电力交易领域实现应用，未来将持续迭代升级，全面拓展至虚拟电厂、独立储能、源网荷储一体化等新型电力市场主体场景。

6.3 技术供应商的比较分析

根据技术特点、应用场景和市场定位，对主要技术供应商进行比较分析如下：

技术优势比较：

心知能源：在气象数据与电力市场结合方面具有优势，价格预测准确率高。

飔合科技：在区域化电价预测和交易策略优化方面具有特色，能够适应复杂电网结构。

清鹏智能：在大模型应用和多风险偏好智能体方面具有优势，交易策略灵活多样。

百度智能云：在自然语言处理和人机交互方面具有技术优势。

南网数字集团：在电网专业知识和调度业务深度融合方面具有独特优势。

浪潮智慧能源：在全栈 AI 能力和全流程覆盖方面具有优势。

应用场景比较：

发电侧竞价：心知能源、飔合科技、清鹏智能等供应商的解决方案较为成熟。

电网调度：南网数字集团、国家电网的解决方案更为专业和深入。

用户侧需求响应：百度智能云、浪潮智慧能源等供应商的解决方案更具创新性。

电力期货交易：清鹏智能、心知能源等供应商的解决方案更具针对性。

市场定位比较：

垂直领域专家：心知能源、飔合科技等专注于能源领域的 AI 应用，提供专业化的解决方案。

平台型服务商：百度智能云、浪潮智慧能源等提供基于云平台的 AI 服务，具有较强的扩展性和集成性。

行业深度应用：南网数字集团等依托电网企业的业务场景，提供深度融合行业知识的解决方案。

创新型初创企业：清鹏智能等高校孵化企业专注于技术创新和模式创新，提供具有前瞻性的解决方案。

七、发展趋势与前景展望

AI 在电力交易中的应用正处于快速发展阶段，随着技术的不断进步和市场环境的变化，未来将呈现出一系列新的发展趋势和前景。

7.1 技术发展趋势

大模型与智能体深度融合：2025 年被业界誉为 "智能体元年"，随着 "智能 +" 行动深入实施，智能体已成为推动新质生产力发展的核心引擎。大模型与智能体的深度融合将成为未来发展的重要趋势，通过大模型提供强大的知识理解和逻辑推理能力，智能体负责执行具体任务，两者结合将大幅提升电力交易的智能化水平。

多智能体协同与竞争：未来的电力交易将更加复杂，单一智能体难以应对所有情况，多智能体协同与竞争将成为主流模式。多个智能体可以互相配合，形成智能电网的 "朋友圈"，共享信息，协调行动，提高整体效率。

强化学习与深度神经网络的结合：强化学习算法将与深度神经网络进一步结合，提高智能体的学习能力和决策能力。多智能体深度确定性策略梯度算法 (MADDPG) 等先进算法将在电力交易中得到更广泛的应用。

人机协同决策模式：AI 智能体的崛起并非要取代人类，而是与人类形成互补关系。未来的电力交易将采用人机协同决策模式，AI 负责处理海量数据和复杂计算，人类负责战略性决策和异常情况处理，两者结合将实现最优决策。

数字孪生技术的应用：数字孪生技术将在电力交易中得到广泛应用，通过构建电力系统的数字孪生模型，智能体可以在虚拟环境中进行训练和测试，提高决策的准确性和可靠性。

7.2 市场应用趋势

从单一环节向全流程覆盖：AI 在电力交易中的应用将从单一环节向全流程覆盖扩展，实现发电侧竞价、电网调度、用户侧需求响应、电力期货交易等环节的一体化解决方案。浪潮智慧能源等供应商已经在朝着这一方向发展，提供覆盖电力交易全流程的智能体服务。

从辅助决策向自主决策演进：AI 在电力交易中的角色将从辅助决策向自主决策演进，智能体将能够在更多场景下独立做出决策，减少对人工干预的依赖。例如，电网调度智能体已经能够在毫秒级时间内做出决策，实现对电网异常的快速响应。

从单一能源向综合能源拓展：随着综合能源系统的发展，AI 智能体的应用将从单一电力市场向综合能源市场拓展，实现多种能源形式的协同优化。面向新型产消者的综合能源系统研究表明，AI 技术能够帮助产消者更好地参与能源市场交易，实现能源的优化配置。

从区域性应用向全国性推广：目前，AI 在电力交易中的应用主要集中在广东、山东、江苏等电力市场改革先行省份，未来将逐步向全国推广。随着全国统一电力市场的建设，AI 智能体将在更大范围内发挥作用。

从试点示范向规模化应用转变：AI 在电力交易中的应用将从试点示范阶段向规模化应用阶段转变，应用范围和应用深度将不断扩大。例如，浙江的 "调度智能体" 已在绍兴新昌回山集群部署示范应用，并在梅澄集群推广应用，取得了显著成效。

7.3 未来发展前景

市场规模持续扩大：随着 AI 技术的不断成熟和市场需求的增长，智能能源交易市场规模将不断扩大。预计到 2027 年，中国新型储能累计装机规模将超过 100GW；预计到 2025 年，中国虚拟电厂市场规模达 10.2GW。这些新型市场主体的快速发展将为 AI 智能体提供广阔的应用空间。

技术创新与商业模式创新相互促进：AI 技术的创新将推动电力交易商业模式的创新，而商业模式的创新又将为技术创新提供新的应用场景和数据支持。例如，AI 技术的应用使得电力期货交易、需求响应等新型商业模式成为可能，而这些新型商业模式又为 AI 技术提供了更丰富的训练数据和应用场景。

行业标准与规范逐步完善：随着 AI 在电力交易中的应用日益广泛，行业标准与规范将逐步完善，为技术的健康发展提供保障。未来将在 AI 技术应用规范、数据安全标准、智能体交易规则等领域建立统一的行业标准。

产业链协同与生态构建：AI 电力交易将促进产业链上下游企业的协同合作，形成完整的产业生态。技术供应商、电网企业、发电企业、售电公司、用户等各方将共同参与 AI 电力交易生态的构建，实现互利共赢。

国际化发展机遇增加：随着 "一带一路" 倡议的推进和全球能源互联网的建设，AI 电力交易将面临国际化发展机遇。中国的 AI 技术和解决方案有望在国际市场上获得更广泛的应用和认可。

八、结论与建议

8.1 研究结论

本研究报告对 AI 在电力交易中的最新进展进行了全面梳理和分析，特别是基于智能体技术的应用。通过对发电侧竞价、电网调度、用户侧需求响应、电力期货交易等环节的深入研究，得出以下主要结论：

AI 智能体技术已在电力交易各环节取得显著进展：基于智能体的 AI 技术已经在发电侧竞价、电网调度、用户侧需求响应、电力期货交易等环节取得了显著进展，为电力交易提供了新的解决方案和工具。

多智能体系统是电力交易的有效建模方法：多智能体系统能够有效模拟电力市场中各参与者的行为和交互，为电力交易提供了一种有效的建模方法。基于多智能体深度确定性策略梯度算法 (MADDPG) 等先进算法的应用，智能体能够在复杂多变的市场环境中学习最优的交易策略。

中国在 AI 电力交易领域已形成一批具有竞争力的技术供应商：心知能源、飔合科技、清鹏智能、百度智能云、南网数字集团、浪潮智慧能源等技术供应商在 AI 电力交易领域各具特色，形成了一定的竞争优势。

AI 智能体在电力交易中的应用模式正在不断创新：从单一环节向全流程覆盖、从辅助决策向自主决策、从单一能源向综合能源、从区域性应用向全国性推广、从试点示范向规模化应用，AI 智能体在电力交易中的应用模式正在不断创新。

人机协同将成为未来电力交易的主流模式：AI 智能体的崛起并非要取代人类，而是与人类形成互补关系，人机协同将成为未来电力交易的主流模式。AI 负责处理海量数据和复杂计算，人类负责战略性决策和异常情况处理，两者结合将实现最优决策。

8.2 对技术供应商的建议

基于本研究的发现，对 AI 电力交易领域的技术供应商提出以下建议：

加强核心技术研发：持续加强强化学习、多智能体系统、大模型等核心技术的研发，提高智能体的学习能力、决策能力和适应能力。特别是要加强针对电力市场特点的算法优化和模型改进，提高智能体在电力交易场景中的适用性和有效性。

深化行业知识融合：深入理解电力行业的业务流程、市场规则和专业知识，将行业知识与 AI 技术深度融合，提高解决方案的专业性和实用性。建议技术供应商与电网企业、发电企业、售电公司等建立更紧密的合作关系，共同推动 AI 技术在电力交易中的创新应用。

构建开放生态系统：构建开放的生态系统，与上下游企业、研究机构、高校等建立合作关系，共同推动 AI 电力交易的发展。通过开放 API、共享数据、合作研发等方式，促进产业链协同和创新。

注重安全与可靠性：在追求技术创新的同时，注重 AI 系统的安全与可靠性，特别是在电网调度等关键环节，必须确保智能体决策的安全性和可解释性。建议采用安全强化学习、模型可解释性技术等，提高 AI 系统的安全性和可靠性。

加强人才培养与引进：AI 电力交易是一个跨学科领域，需要大量具备 AI 技术、电力系统、市场交易等多方面知识的复合型人才。建议技术供应商加强人才培养与引进，建立高素质的研发团队和专业服务团队。

8.3 对电力市场参与者的建议

对电力市场参与者 (包括发电企业、电网企业、售电公司、用户等) 提出以下建议：

积极拥抱 AI 技术变革：电力市场参与者应积极拥抱 AI 技术变革，主动了解和应用 AI 智能体解决方案，提高自身的市场竞争力和运营效率。例如，发电企业可以利用 AI 智能体优化竞价策略，提高收益；售电公司可以利用 AI 智能体提升用户服务水平，拓展市场份额。

加强数据治理与共享：数据是 AI 智能体的基础，电力市场参与者应加强数据治理，提高数据质量和可用性，并在保护隐私和商业机密的前提下，促进数据共享，为 AI 智能体提供更丰富的训练数据。

构建人机协同的工作模式：电力市场参与者应构建人机协同的工作模式，充分发挥 AI 智能体和人类专家各自的优势。AI 智能体擅长处理海量数据和复杂计算，人类专家则擅长战略性思考和异常情况处理，两者结合将实现最优决策。

关注行业标准与规范的发展：电力市场参与者应关注 AI 电力交易行业标准与规范的发展，积极参与标准制定，为行业健康发展贡献力量。

加强风险管理：AI 技术虽然能够提高决策效率和准确性，但也存在模型风险、数据风险、安全风险等挑战。电力市场参与者应加强风险管理，建立健全的风险评估和控制机制，确保 AI 系统的安全可靠运行。

8.4 对监管机构的建议

对电力市场监管机构提出以下建议：

加快制定 AI 电力交易的监管框架：监管机构应加快制定 AI 电力交易的监管框架，明确 AI 智能体的法律地位、责任划分、技术标准等，为 AI 电力交易的健康发展提供制度保障。

建立沙盒监管机制：借鉴金融科技领域的经验，建立 AI 电力交易的沙盒监管机制，允许新技术在可控环境中进行测试和验证，促进创新与监管的平衡。

加强算法透明度和可解释性要求：监管机构应加强对 AI 算法的透明度和可解释性要求，特别是在电网调度、电力期货交易等关键环节，要求技术供应商提供算法说明和决策依据，提高 AI 系统的可监督性和可问责性。

促进数据共享与开放：在保护隐私和商业机密的前提下，促进电力数据的共享与开放，为 AI 技术的发展提供数据支持。建议建立统一的数据平台，规范数据格式和接口标准，促进数据流通和利用。

加强国际合作与交流：加强国际合作与交流，学习借鉴国际先进经验，参与全球 AI 电力交易标准的制定，提升中国在该领域的国际影响力。

总之，AI 智能体技术在电力交易中的应用前景广阔，将为电力市场的发展带来新的机遇和挑战。技术供应商、电力市场参与者和监管机构应共同努力，推动 AI 电力交易的健康发展，为构建清洁低碳、安全高效的新型电力系统贡献力量。