群体

当前，数字技术和产业持续高速发展，生产要素、生产力和生产关系发生深刻变化，为推动经济社会发展提供了强有力的底层驱动力。但是，数字技术在创造巨大财富、推动经济社会包容发展的同时，也可能进一步加剧经济社会的不平等。如何建设一个更加平等、普惠、包容的数字世界，越来越成为各界关注的重大问题。2016年4月，习近平总书记在网信工作座谈会上强调，要适应人民期待和需求，加快信息化服务普及，降低应用成本，为老百姓提供用得上、用得起、用得好的信息服务，让亿万人民在共享互联网发展成果上有更多获得感。2017年11月，习近平总书记在亚太经合组织第二十五次领导人非正式会议指出，我们要把提升包容性置于更突出位置，处理好公平和效率、资本和劳动、技术和就业的关系，重视人工智能等新技术对就业的影响，让更多人共享发展成果。2022年11月，习近平总书记在二十国集团领导人第十七次峰会上提出，各国应该携手推动数字时代互联互通，采取有效措施提升全民数字技能和素养，尤其要帮助发展中国家和弱势群体融入数字化浪潮，努力消除数字鸿沟。2023年11月，习近平总书记在世界互联网大会乌镇峰会的致辞中强调，加快信息化服务普及，缩小数字鸿沟，在互联网发展中保障和改善民生，让更多国家和人民共享互联网发展成果。本报告旨在从理论和实践层面对数字包容（DigitalInclusion）的概念内涵、全球困境、中国实践以及推进策略等进行分析总结，推动形成对数字包容的广泛共识。

随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。根据中国软件行业协会教育与培训分会（简称教培分会）的信息搜集、数据分析与走访调研，本研究报告旨在深入探讨人工智能大模型技术岗位以及相关的能力培养问题，帮助企业和机构了解当前大模型行业的现状与未来发展趋势，为人才的培养和发展提供参考和指导。在本报告中，我们将首先对人工智能大模型的概念和特点进行阐述，并介绍国内大模型发展的情况，同时对大模型面临的挑战与趋势进行探讨。接着，本报告将重点关注人工智能大模型涉及的关键技术、关键技术岗位图谱。我们将对这些技术岗位的具体要求和职责进行详细解析。除了技术岗位分析，本报告还将探讨人工智能大模型的能力培养问题。随着大模型的不断演进和应用拓展，如何培养具备相关技能的人才成为关键。我们将结合当前人工智能人才供需的现状，国家人才政策与部署、企业人才需求与培养模式，探讨如何结合现状与挑战，提高人才的应用能力和创新能力。在报告编写过程中，教培分会通过对行业、企业、院校与劳动者的调研与访谈结果进行多维度分析，研究当前人工智能大模型发展趋势，企业人才供需、人才培养模式与产教融合现阶段的情况，并对不同群体的需求归纳与总结，提出了对AI大模型技术人才培养与服务模式的分析、意见与建议，供大家参考，并希望给予指正。

深度探索用户负荷可调节潜力是国家电力市场精细化发展的迫切需求。为有效感知电力用户负荷综合响应潜力，提出一种模糊粗糙环境下的混合评估模型。首先，从经济性、用户特性、负荷特性、信息特性等4个维度构建负荷响应潜力指标体系；其次，充分考虑评估中个体判断的模糊性和群体偏好的多样性，采用模糊粗糙数对个体语义评估信息进行处理和集结；然后，将模糊粗糙熵权法和逐步加权评估比率分析法（step-wise weight assessment ratio analysis，SWARA）相结合确定指标综合权重，并采用基于模糊粗糙数的改进多属性边界逼近区域比较法（multi-attributive border approximation area comparison，MABAC）计算电力用户针对属性函数的负荷响应潜力综合评估值，从而获取潜力排序结果；最后，以多个行业的电力用户负荷综合响应潜力评估为例，验证所提模型的有效性。

群体智能是国家《新一代人工智能发展规划》明确需重点发展的人工智能理论方向。大范围跨域动态场景和大规模智能体群对群体智能协作的可扩展性提出了重要挑战。本报告将介绍大规模、动态开放场景的群智协作方法。首先，面向大范围场景，介绍跨域协同进化的群体智能优化方法；其次，面向动态和大规模协作场景，介绍基于遗传规划的超启发式群智协作优化方法；最后，报告将介绍上述方法在巡检、水下监控、智能物流等领域的应用。

在向新型电力系统升级转型的过程中,新一代人工智能技术是其中的关键创新技术之一,可以与传统机理方法形成优势互补。然而随着电力人工智能技术应用的推广与深入,逐渐凸显出影响应用成效的3个关键问题：数据均衡问题、模型可信性问题、实时优化协同问题。针对以上3个问题,文章梳理总结其对应的核心技术分支、发展现状与典型应用,提出通过数据增强、迁移学习、仿真推演等数据增强推演技术解决小样本带来的模型过拟合与泛化性能下降问题,通过串行、引导、嵌入、反馈、并行等数据机理融合模式解决模型安全性、可解释性、鲁棒性等可信危机问题,通过群体智能、混合增强智能等智能优化决策技术解决源荷高度不确定下的大规模资源快速、实时、精准决策。最后,结合3个关键问题维度,对电力人工智能发展所需要重点突破的技术方向进行了展望。

针对山地城市电动汽车充电站的规划需求，研究了山地城市道路特性，改进了充电负荷预测与充电站规划方法，主要包括：研究了山地城市道路空间特性，建立了电动汽车单车耗电模型；分析了山地城市单车耗电特性对充电负荷时空分布的影响，结合改进Floyd最短路径算法建立了群体充电负荷预测模型；考虑了充电负荷时空分布受充电站选址的影响，提出负荷预测与充电站规划迭代计算方法；以充电负荷时间维度波动更小与空间分布更均衡为目标，提出了新型山地城市充电站规划方法。通过遗传算法Matlab仿真求解表明，上述建模方法能够实现对山地城市充电站的更合理规划：一方面，显著降低电动汽车充电负荷波动；另一方面，使得各站充电负荷更加均衡。

国家电力需求侧管理平台（以下简称“平台”）是国家发改委委托国网公司建设的国家级平台，旨在构建综合性、专业化、开放式的网络应用平台，向政府有关部门、电力企业、电力用户、电能服务商等各类群体提供最全面、最权威的决策支撑和技术服务，促进我国节能减排事业的发展，提升电力安全可靠供应保障能力。平台运用互联网、大数据、分布式存储、云计算、Echarts可视化、爬虫数据抓取、全文检索等先进技术，构建电力经济大数据库，研究科学分析预测方法和模型，开发完成了研究分析平台（9个一级功能模块，48项二级子功能，100余项三级子功能）与成果展示平台（7个主题场景展示）。海量数据处理，多平台数据交互，设备级数据监测。平台实现了全国各地区电力供需形势、有序用电管理、需求响应、企业用电等数据信息在线监测与管理；实现近2万家企业的厂区用电设备负荷、电量、电能质量在线监测；在线监测分析企业用电特点，挖掘需求响应潜力资源，指导企业合理安排生产，支撑需求响应工作开展。首次实现了基于海量用电数据的电力经济关系分析挖掘；首次基于DMSP/OLS夜间灯光影像和电力消耗量，构建地区工业发达指数评价体系；首次实现了对设备级用电数据的实时监测、在线分析；创造性提出企业开工率、住房空置率分析方法模型，基于设备级用能用电数据的行业用电多维分析方法；构建了集电力需求侧管理、有序用电管理、需求响应以及电力供需形势分析等功能于一体的供需平衡分析和监测平台。 平台相关功能已在发改委电力需求侧管理及电力经济运行监测等相关工作中得到有效应用。依据平台：撰写《上半年国家电网经营区主要行业用电量分析》、《国家电网经营区2019年工业企业开工情况》获李克强总理的批示；编制企业开工率分析、住房空置情况分析，定期上报国家发改委，部分成果被中办《每日汇报》和国办《专报信息》采纳；提交受理专利2项，获得计算机软件著作权15项，发表论文9篇。平台架构和功能设计在省级平台及国网系统电能服务平台得到推广应用。平台丰富的数据以及各分析功能模块可通过接口被外部系统调用共享，为电力需求侧管理、有序用电等工作提供支撑。企业用能在线监测平台实现对企业用能数据的在线监测、整合、分析与挖掘，为企业提供能效诊断和节能服务，推动企业能效管理进步。

从配电系统所面临的挑战、智能电网特点和总体设想等方面阐述了智能城市电网的基本理念，重点介绍了智能城市电网的技术组成以及电网分层分群体系结构，分享了建设智能城市电网面临的11项挑战和3大研发机遇。

浙江大有实业有限公司杭州科技发展分公司以“科技创新、服务电力”为理念，积极参与国网新能源领域的相关重点项目，致力于电力系统高新技术领域研发创新工作。目前配电网中大量暴露在公共环境或使用公网通信的电力测控设备，存在被入侵窃听破解后，控制中枢伪造主站群体控制停电的安全隐患。而随着新型电力系统的纵深推进，大规模新能源和智能化设备爆发式接入成为大势所趋。公司参照供电保障“五个最、六个零”的标准，确保海量设备的安全、高效接入。量子加密技术提供了一种解决此类问题的有效手段。

在未来高比例新能源渗透下，供需平衡不确定性逐步增加，需求响应是通过挖掘用户侧灵活性资源保障系统电力电量平衡的重要手段。在电力部门进行需求响应工作时，需要使用历史数据来初步评估负荷响应潜力，以便选择潜力高的用户并展开动员工作。面向表征工业用户用能特点的负荷台阶，对其进行了定义并给出了数学表达，进而提出了基于负荷台阶的工业需求响应用户优选方法。首先，构建了基于负荷台阶的工业用户多时间尺度需求响应潜力指标体系；然后，构建了需求响应用户优选模型，实现对不同用户响应潜力的初评估，并利用k-means算法和近邻传播算法进行群体划分，在不同时间尺度对用户进行优选；最后，基于水泥、造纸等4个行业的多个工业用户实际负荷数据进行算例分析，呈现了所提方法下工业需求响应的用户优选结果。