打造“電網智慧大腦”

導 語

人工智能技術在電力系統中的不斷深化應用，驅動“智能電網”逐步過渡到“泛在電力物聯網”這一更高級的形態。

21世紀以來，能源行業為應對氣候變化👩🏼‍🔬、保護生態環境💆🏼‍♀️、保障能源供應，加快了數字化轉型的步伐🧎🏻。伴隨著能源轉型的深入推進，國家電網公司也創新提出了“三型兩網💂🏽，世界一流”的宏偉藍圖。其中“三型”指💇🏽：樞紐型、平臺型、共享型；“兩網”指：堅強智能電網⏯🥀、泛在電力物聯網🤛。泛在電力物聯網，是充分應用移動互聯、人工智能等現代信息技術和先進通信技術，實現電力系統各個環節萬物互聯、人機交互👰🏿，具有狀態全面感知⇒🦸‍♂️、信息高效處理、應用便捷靈活特征的智慧服務系統🍚。

人工智能，電力系統的必然選擇

電力系統作為人類創造的最復雜工業系統，它的規劃🐮、設計🎴、建設、運行和管理是一項龐大的系統工程。近年來👩‍🔧，由於日益嚴格的環境保護要求以及化石能源資源有限的製約，以風電🥰、太陽能光伏為代表的清潔能源發展迅速，電源結構面臨著劇烈轉型💪🏻。與此同時😫，大規模電力電子裝備和信息通信技術也在電力系統中得到廣泛應用，對電力系統的智能化水平提出了更高要求。未來泛在電力物聯網主要發展方向之一就是大規模利用清潔能源和智能化。與此同時💅🏼🥗，隨著以深度學習為代表的新一代人工智能算法的快速發展和硬件計算性能的幾何增長🏊🏽，人工智能技術在電力系統的應用逐步進入新的階段🙎🏿‍♀️。一方面✊，電力系統正面臨高比例新能源、高比例新型負荷和高比例電力電子等問題的嚴峻考驗👳🏿，同時存在多能源融合🧑🏻‍🎄、多網絡融合和多主體融合的需求，為了保障電網更安全高效地運行，提高電力系統的智慧性、柔韌性，解決不確定性帶來的問題，這些任務迫在眉睫🩸。另一方面，電力系統中采集的相量測量單元(PMU)和數據采集與監視控製(SCADA)等海量動態和穩態數據以及用戶電量數據➜、故障錄波數據等其他數據🧑🏻‍🦼‍➡️🧚🏻，為人工智能和電力系統的結合提供了大數據基礎🖊。因而🪖，人工智能在電力系統中的大規模應用成為必然趨勢。通過人工智能技術，使電力系統具有更高級👩‍🔧✏️、更深層的智能，從而進一步提升電力系統運行的安全性🩱、經濟性和可持續性。

在電源側，目前人工智能技術的應用主要針對可再生能源接入後的功率波動不確定性，基於深度學習在預測方面的優勢👰，開展基於氣象因素的風電🤘、光伏等可再生能源發電功率預測研究🤌🏽。此外，借助深度學習等人工智能方法在應對不確定性方面的優勢，開展風電場、風電場群等可再生能源接入“即插即用”式建模；借助人工智能在模式識別方面的優勢，實現常規發電機組、風電機組等發電設備的故障診斷與預警等，都具有較大的應用前景🍶🛕。

人工智能在電網側應用的直接結果是智能電網的誕生。概括而言，智能電網融合和集成新的量測、通信🏚、控製和決策技術🤷，實現電力行業的技術變革👊，其核心要義是“智能”🫴🏽。智能電網具備高度智慧化和交互性，電力生產、消費與電力市場緊密融合📒。“大雲物移”和人工智能技術得到廣泛應用🚳，電力系統全環節具備智能感知能力、實時監測能力和智能決策水平💵。發電和用戶的雙向選擇權放開，發電側與售電側各主體在電力市場中廣泛參與、充分競爭，用戶通過經濟政策或價格信號♑️，實現主動負荷需求響應。具體而言🦪，人工智能技術在智能電網中的應用通常分為基礎設施層的電網大數據可視化👨🏿‍✈️、算法層的電網趨勢預測、技術層的電網智能決策支持🔙📜、應用層的電網自愈四個方面。以算法層為例，傳統上電力系統常用的分析方法是數值分析👩🏼‍🎨。但是，由於缺乏數學模型或者缺乏必要的狀態量✯🛡，電力系統的許多實際問題在一定程度上都是數學描述不能夠完善的👩‍👩‍👦。並且，數值分析方法缺乏啟發性推理的能力,也不適應知識的積累過程。人工智能分析方法正好可以彌補數值分析方法的不足，人類的抽象思維是綜合利用啟發式推理和數值分析的過程，因此🫏，人工智能與數值分析相結合可以完美地重現人類專家解決電力系統問題的方式👨🏼。

“人工智能+能源互聯網”構成泛在電力物聯網的核心

隨著人工智能技術在電力系統中的不斷深化應用，大規模清潔能源、分布式電源和微網的大量接入👮🏿‍♀️，同時也驅動“智能電網”逐步過渡到“泛在電力物聯網”這一更高級的形態👇🏻。

首先⛹🏻‍♂️，電力系統與交通系統之間通過充電設施與電動汽車相互影響；充電設施的布局及車主的駕駛和充電行為會影響交通網絡流量🍖🤟🏽；反之🌰，交通網絡流量也會影響車主的駕駛和充電行為，進而影響電力系統運行。

其次，近年來隨著“頁巖氣革命”的出現和不斷深化，天然氣的成本呈下降趨勢👩🏿‍🎤，燃氣機組在發電側的比例因此有望提高🟦。這樣，天然氣網絡的運行將直接影響電力系統的經濟運行及可靠性。另一方面🔁🫸🏽，利用最近出現的“電轉氣”（Power to Gas, P2G）技術，可以將可再生能源機組的多余出力轉化為甲烷，再註入天然氣網絡中運輸和利用🤦🏿。因此，未來的電力系統與天然氣網絡之間的能量流動將由單向變為雙向。

最後🆗，熱能作為分布式燃氣發電的重要副產品與電力系統聯系日益緊密。以熱電聯產系統為紐帶，可以將電力網絡和供熱網絡相互集成和協調，通過利用燃氣機組排出的余熱，大大提高系統的整體能效。

上述系統內的各種物理設備，尤其是分布式發電、儲能、可控負荷及電動汽車等，需要通過一個強大的信息網絡進行協調和控製，這就形成了“能源互聯網”。能源互聯網事實上由４個復雜的網絡系統🚊，即電力系統、交通系統、天然氣網絡和信息網絡緊密耦合構成🦹‍♀️。

隨著能源互聯網中分布式能源和新型負荷的大規模接入，功率隨機波動性日益顯著🫄🏿，電網調度人員無法及時🐔🫒、有效🐦‍🔥、準確地對分布式能源的供需曲線進行判斷和管控，只能依靠人工智能技術代替人腦做海量數據優化、分析✊👩🏼‍🎓、判斷、決策，發出指令。事實上，離開人工智能提供的圖像識別、語音識別𓀘、海量數據分析✈️、對事故的預判、按需檢修維護以及根據用戶行為提供更好的服務這些能力，能源互聯網就無法實現其分布式協同的運作模式。

反之，人工智能的發展也同樣離不開能源互聯網強大的支撐作用👖🫶🏼。人工智能的基礎設施對能源的需求量巨大，例如數據存儲、超算進行海量計算，都需要大量的能源，而且需要能源高效可靠、不能中斷。能源互聯網與人工智能的發展是一個相輔相成的過程。

“人工智能+能源互聯網”可以實現能源的綜合優化管控。比如一家咖啡店，有燈光、冰櫃、咖啡機等多種用能，以前只能采集到總電量的累積⏮，現在通過“人工智能+能源互聯網”可以分析出哪裏是連續使用的燈的負荷🦬，哪裏是間歇的咖啡機的負荷🥭，哪裏是壓縮機的冰箱的負荷，並在此基礎上進行負荷管理💂🏿‍♀️。把存量資源盤活，這是能源互聯網的核心理念。

我們可以借鑒發達國家在發展能源互聯網中的經驗🛻☄️。

美國

在能源互聯網領域，相比其他國家🥌，美國起步很早。2008年，美國國家科學基金項目提出並啟動了“FREEDM”項目，即未來可再生電能傳輸與管理系統項目，深入開展配電系統能源互聯網研究。該項目歷時若幹年😻，旨在建立具有智能的革命性電網架構來消納大規模分布式能源🤹，期間所提出的能源互聯網的主要特點是：通過固態變壓器實現可再生能源的即插即用👨🏻‍🦳、故障快速檢測和處理、配電網智能化管理等⤵️，並且由固態變壓器的輸入端口實現直流負荷和DG接入中壓配電網。

德國

近年來德國正在大力部署新能源戰略、推進新能源項目🙅🏼‍♀️。基於ICT技術🤙🏻，德國在能源互聯網的研究工作中率先啟動了“E-Energy”項目，該項目旨在通過ICT技術構建一個未來的高效能源系統。如今，“E-Energy”項目已開展了六個示範項目建設，這些項目各有側重🧑🏽‍🎤，並分別由六個技術聯盟負責🧗🏿，旨在開展大規模清潔能源消納、節能、雙向互動等方面的示範工作🂠。目前，德國正在實施能源互聯網第二階段示範項目“C-sells”，“C-sells”隸屬於2016年12月正式啟動的SINTEG項目（Smart Energy Showcases-Digital Agenda for the Energy Transition），是繼“E-Energy”項目後在能源互聯網方面的進一步探索。

日本

日本近年來提出了發展“數字電網（Digital Grid）”的戰略規劃。“Digital Grid”的概念由阿部力也（Rikiya Abe）首次提出，旨在通過將同步電網分為幾個異步的子網，而各個子網通過數字電網路由器相互連接以實現對電網潮流的直接調控🤽🏿‍♂️，使各個子網內的可再生能源不會影響到整個大電網👍🏽，從而最終減少大面積的連鎖故障、實現高滲透可再生能源的消納。在“Digital Grid”理念中🚿，對電網內各種形式的能量的處理將都可被記錄💅🏽👩🏽‍💻，包括位置、時間🚄、發電類型和價格等😮‍💨。

中國

在我國，理論的研究始於2010年👩🏼‍💼。中國電科院在2010年對電網未來形態進行研究，並提出了“靈活配電系統”的理念。2011年起，國內掀起了能源互聯網的研究高潮。2013年，北京市科委和中國電科院等單位合作提交了《能源互聯網初步調研報告》😇。2014年7月👨🏻‍⚖️，國網公司首次提出了“全球能源互聯網”（Global Energy Interconnection）的概念。2015年，我國首個“中國能源互聯網學術與創新聯盟”倡議提出。2016年，《關於推進“互聯網+”智慧能源發展的指導意見》的發布則進一步明確了我國發展自身能源互聯網的戰略規劃和目標。

由此可見◽️，加快推進我國能源互聯網的建設⌛️，對能源互聯網進行深入研究勢在必行。為此🧋，國家科技部“863”課題相繼推出了能源互聯網關鍵技術研究和示範工程建設🤳🏼💂🏼‍♂️；中國電科院和國網😐👫🏻、南網公司也相繼啟動了能源互聯網前瞻性項目🥰，對能源互聯網的關鍵技術和架構進行了深入研究，提出了我國的未來能源互聯網建設框架👨🏼‍🔧。此外，我國眾多高校專家學者百家爭鳴🚴🏽，從能源互聯網的多個方面進行了詳細論述和研究👩🏼‍⚕️。

人工智能在能源互聯網中的重點應用領域有🤽🏻：

其一，新能源發電。隨著新能源出力占比提高，新能源的間歇性和波動性對電網穩定性的影響顯著增大。利用智能傳感和機器學習等技術對新能源發電波動、電網運行狀態🤷🏻、用戶負荷特性和儲能資源等海量、高維🪞、多源數據進行深度辨識和高效處理，實現多時間尺度全面感知和預測，進一步提高新能源消納水平🫅，形成源🫓、網、荷、儲實時交互協同的、具有柔性自適應能力的互聯電網。

其二，大電網安全與穩定。隨著我國大型交直流混聯電網的形成，新能源的持續高比例運行、電力電子裝置的大量應用🪟、電力市場化水平的不斷提高🙇🏻‍♀️，電力系統的動態非線性、多時間尺度下的不確定性和難預測性表現得更加突出，傳統電網控製方式的失配、失效風險增大🐈🛠。

利用智能傳感、深度學習、增強學習等技術，基於多源實時測量信息、離線仿真數據和動態模擬實驗數據精準建立交直流混聯電網故障形態辨識和故障推理模型，構建大電網故障智能識別和控製框架，為大電網安全預警和控製提供快速精準的故障感知觸角⛺️🕣。

其三🎅🏿，新型負荷的感知與預測⚧。隨著電動汽車➞、分布式新能源💡、微電網等新型負荷的快速發展與再電氣化進程的不斷推進，配電網由輻射狀單向潮流的傳統配電網向雙向潮流的主動配電網演進，負荷的時空不確定性顯著增大，對電網承載能力提出更高的要求。利用機器學習等技術🐌，通過對多關聯因素影響下的新型負荷集群進行全面感知、聚類和預測👺，實現負荷需求對電網調控運行要求的充分響應和互動🙃👲🏼，進一步提升電網的負荷承載能力和損耗控製水平🫅🏽，提升供電可靠性。

其四👮🏼，電力資產數字化感知與智能管理運維⁉️。電力行業是資產密集型行業🏄🏿‍♀️，資產總量龐大、分布廣泛，電力設備點多面廣、運行特性各異、傳統的運維檢修辦法難以科學管理和對設備狀態進行精準評價👨🏽‍🏭。利用電子標簽、智能傳感👩🏽‍🔧、圖像識別等技術，可以實現對電力設備狀態數據🤹🏼‍♂️、環境數據的數字化感知；利用機器學習技術，結合歷史數據進行深度挖掘，對設備狀態進行綜合性的評估和判斷，並提出針對性的檢修和規劃改造方案🧓🏼，利用智能機器人，實現電力資產運維的智能化檢修和運維。

基於人工智能的調度控製技術轉型

在“能源互聯網”時代，調度控製不僅要調度和控製常規的電源、電網和電力負荷💽🙋🏿‍♀️，未來還將逐步過渡到同時調度和控製電力、交通、天然氣等的綜合能源調度控製模式上來。

調度控製作為能源互聯網運行控製的指揮中樞，是集合大量數據🫴🏿🩵、規則以及專家經驗的密集型“決策大腦”。目前傳統的電力調度控製仍以經驗和人工分析為主，調控的海量多樣數據、方案間缺乏邏輯模型，需要調控人員進行大量的經驗知識關聯，重復性“人腦勞動”較多🔨，自動化和智能化程度相對較低👩🏼‍🔧，上述特點決定了人工智能在能源互聯網調控領域具有廣闊應用前景🫐👩🏼‍🏭。

能源互聯網中隨著傳感器網絡的大規模部署👗☂️，數據量呈現指數級爆發式增長😱，人們的思維與認知能力仍然是線性的🤾🏽‍♀️，因此未來能源互聯網將從實體物質化轉變為數字虛擬化。例如將電力系統💆🏽、交通網絡和天然氣網絡進行數字化模擬——覆蓋每個桿塔、線路🍨、變電站甚至是每輛電動車🚰。再利用數字化的方法建立模型系統訓練人工智能，采用增強學習技術和真實世界交互。

能源互聯網時代，人工智能與調度控製技術相融合，促使調度控製通過數據驅動實現轉型，從而實現業務數據的閉環🕊🧙🏿‍♂️。具體來說🖐，業務數據化、數據資產化👰🏿‍♀️、應用場景化、流程自動化這四個步驟是調度控製技術數字化轉型的必由之路。

業務數據化

以調度控製的核心業務崗位調度員為例，調度員的日常業務可以分為運行監視、日常操作和事故處理三大類。

運行監視是通過全景監視和量化指標分析評估👨🏽‍🚀，在滿足電網安全約束條件下，以自動計算和智能決策為主引導電網自動調度和控製🦵🏽，實現電網自適應巡航。

日常操作過程中，通過將所有的操作步驟和操作對象數據化🎤👳🏻，可以結合系統仿真工具將操作結果預先呈現給調度員📷，實現日常操作的預調度。

事故處理過程中，將告警的判據和觸發條件全過程展示給調度員，而不是僅僅展示告警結果。同時，自動匹配數字化的事故預案，分步驟提示調度員應該采取什麽樣的操作。

數據資產化

調度控製數據的資產化要經過數據的模型化、抽象化、算法化🙇🏻‍♂️🕳。數據資產管理所起到的作用就是把在各種大數據處理平臺上獲得的數據資產有效地管理起來，並且圍繞它支持創造業務價值目標，更好地流動🔭、加工✭、分析、應用，甚至是數據的開放🩹、連接、整合、嫁接等一系列過程。圍繞數據資產本身建立起一個可靠可信的管理機製𓀌，人們能夠通過數據資產管理清晰地知道相關數據的定義、數據之間的血緣關系🈴，並可以驗證數據的有效性、合理性等數據質量指標。

應用場景化

根據電網調度運行的實際需求與生產管理模式，業務場景將分為監視控製類🈂️、分析預警類🤲🏽、計劃決策類、仿真模擬類👩🏻‍⚕️、綜合評估類及與自動化業務相關的六大類業務🧝🏻‍♀️。其中計劃決策類場景還可以進一步細分成清潔能源全網統一消納、電力電量平衡🧑🏼‍⚕️、源網荷協同調度、分布式電源（小水電）調度運行、市場環境下的調度運行支撐等六個子場景。場景不同，策略選擇也有不同👰🏼‍♀️🐓。不同的業務場景👴🏽，由基礎應用功能通過邏輯鏈接、靈活組合實現，而基礎應用功能采取標準化設計，通過通用的輸入、輸出、控製參數等可讓不同的業務場景重復使用。

流程自動化

本質上💆🏿‍♂️，流程自動化是“將人的機器屬性剝離”🤏🏽💁🏻‍♂️。流程自動化的核心是一系列結合了基礎流程重設計、機器人流程自動化、機器學習等的新技術🈳。它是一套下一代商業過程增強的工具👮🏿，通過移除重復的🦸🏽、可復製的以及規律性任務來幫助員工完成工作👷🏼‍♂️，通過簡化交互和加速流程來從根本上提高用戶體驗🤏🏿。

具體來講💁🏻‍♀️，調度控製流程自動化又包括了機器人流程自動化（RPA, robotic process automation）、智能工作流（smart workflow）、機器學習/高級分析、自然語言生成（NLG, natural-language generation）、認知智能體（cognitive agents）五大核心技術🫛。

調度控製流程自動化能夠模仿人類調度員的活動，隨著時間的推移，通過學習來做得更好。由於深度學習和認知技術的快速發展，傳統的基於規則的流程自動化已經有了製定決策的能力，未來，流程自動化可以從根本上提高效率，提高工人績效🧍‍♀️，減少操作風險以及改善響應時間和客戶體驗。

“人工智能+電網調控”，前景可期

在華東電力調控分🧚🏼‍♂️，人工智能已經在以下幾個方面展開應用🧁：

壞數據檢測與識別

對於調度控製來說，一個位於遠端廠站的量測信息需要經過多重環節才能到達調度端。比如一個有功功率量測值🗝🧛‍♀️，如果采用直流采樣方式🍸，首先要通過電壓互感器😧、電流互感器和變送器采樣電壓和電流值，然後通過模數轉換器得到數字化的信號並加以計算和編碼🍤，再通過遠動通道到達調度的計算機。不論是電壓互感器、電流互感器和變送器都有誤差♡，在模數轉換過程中也會有截斷誤差，信息在傳輸過程中也會受到隨機幹擾產生誤差，因此量測值與真值之間存在多重誤差。

量測誤差大於許可範圍的量測值稱為壞數據。調度收到的壞數據來源有：其一，傳送系統與量測系統發生比較大的隨機幹擾；其二⚡️，傳送系統與量測系統出現偶發故障；其三🐗🥍，電力系統發生過渡過程或者正常操作過程中出現的壞數據🧘🏻‍♀️。具有豐富經驗的調度人員通常根據量測數據的歷史變化趨勢以及變化的持續時間來判斷是否為壞數據🤾🏻🧚‍♂️，這樣才能較好地得知系統的運行狀態。對於一個復雜而龐大的電力系統，如果僅僅依靠人工對壞數據進行糾錯，那麽工作量會非常大🏥，不僅為調度運行人員帶來困擾𓀈，同時還對電力系統的安全穩定運行帶來不良影響。

不同於傳統壞數據檢測方法，人工智能通過機器學習算法🌌，充分利用量測數據的歷史變化趨勢以及量測突變持續時間，預測量測數據隨時間變化的動態合理取值範圍🧜🏻‍♀️。具體步驟是：第一🌉，選擇訓練樣本，用訓練樣本得到預測的合理上下限；第二🦢，獲取新數據後判斷是否落入上下限範圍內；第三，如果數據超過合理上下限，結合狀態估計計算結果判斷屬於系統運行狀態變化還是單個量測壞數據；第四♿，結合連續幾個采樣周期數據判斷壞數據持續時間。這樣，就能有效識別壞數據👨🏻‍⚖️。

電網故障綜合智能告警

電網故障綜合智能分析與告警是調度應用軟件的核心模塊之一，可以根據調度獲取的相關數據🧑🏻‍🍼，綜合判斷故障的類型和時間🫚。

傳統的電網故障綜合智能告警是綜合利用開關遙信變位、遙測突變👰🏽、SOE動作信息🙆🏿、保護動作信息、故障錄波等數據信息，基於規則匹配方法，產生故障發生的時間、故障設備和地點，推送給調度員用於事故處理🐋。因為廠站誤遙信、誤遙測時有發生🌐，廠站時鐘誤差導致人工操作和事故無法準確區分等因素🫰🏼，僅靠靜態規則匹配會導致智能告警存在誤報和漏報現象🦛。並且🐂，告警事件也無法與事故預案自動關聯🧉。

而基於人工智能的電網故障綜合智能告警基於大數據分析方法🙇🏽‍♂️🛀🏽，替代傳統靜態規則匹配的解決方案，智能告警的識別率和準確率得以提高。具體分析步驟是：第一🚶🏻，通過機器學習算法，剔除壞數據對告警判別的影響；第二🧔🏼‍♂️，結合電網拓撲分析故障周邊廠站遙測、遙信數據及潮流變化情況判斷故障🏪，避免單個廠站遙測遙信異常導致的誤判🏊🏿‍♀️；第三😕，結合操作票信息進行故障分析，避免人為操作導致的誤判；第四♥︎，基於歷史數據開展故障特征信息提取，自動匹配到相應的故障預案🤷‍♂️，並根據故障的發展階段提示調度員應采取的操作步驟。

電網運行數據智能檢索

目前調度控製系統的界面展示風格較為傳統，人機交互手段單一，數據較為零散，調度員瀏覽和查詢電網運行數據需要的操作步驟比較多🚴🏻‍♀️，而且數據之間缺乏關聯性分析。若要臨時查詢某個設備或斷面在某段時間內的過載情況或某幾個站的發電總加，目前需要手動查詢和統計，靈活性不足。

隨著虛擬現實🤾🏿💺、增強現實以及語音識別等技術的發展🏌🏽‍♂️，調度控製系統人機交互發生顯著變化🦍，從簡單的圖形瀏覽及操作轉變為以語音交互為特征的智能助手🧝🏼。新型人機交互呈現出這些特點：首先🐥🥈，交互方式多樣化🧚🏽。將具備人臉識別👝、語音識別以及觸屏控製等多種交互方式👒，而不僅是鼠標鍵盤操作🌷，交互方式更加友好、自然；其次👩🏿‍🦰，交互方式智能化。人機交互的服務端將配備強大的搜索引擎，能夠根據調度員語音或鍵盤輸入的查詢內容🔷，對系統中的原始數據、計算結果和規程日誌等各類數據進行搜索、加工和分析，從而代替以往調度人工查詢統計的繁瑣過程。通過智能搜索引擎，將實現語義解析🧡、數據抽取和自動統計🤶🏿↘️。

未來調度控製系統的人機交互將不再僅僅是圖形瀏覽，是融合自然交互、智能搜索多種技術為一體的系統，人機交互的客戶端將是輕量級的，其服務端將是強大的智能搜索引擎，其定位為調度的智能助手，是信息檢索、任務發起以及圖形展示為一體的綜合性工具。

伴隨著能源轉型的深入推進🦷，電力系統正在逐步發展為大規模利用清潔能源和智能化的能源互聯網。而人工智能技術在電力系統中的不斷深化應用🚣🏿‍♂️，也驅動“智能電網”逐步過渡到“泛在電力物聯網”這一更高級的形態。“人工智能+能源互聯網”的技術創新🤚🏿，不僅改變了傳統調度控製的業務模式，同時也促使電力系統乃至整個能源行業的數字化轉型。

*本文經原作者授權💎，如需轉載請聯系授權並註明出處。