在全球碳中和共识与中国 “双碳” 目标指引下，能源结构向新能源转型加速，新型电力系统呈现高比例新能源接入、高复杂度随机波动的特征，亟需数智技术赋能。清华大学电子工程系李勇教授团队围绕数智协同核心，构建能源模拟器与能源大模型两大核心技术体系，为新型电力系统智能调控提供关键支撑，推动源网荷储一体化高效运行。

　　全球已有 151 个国家确立碳中和目标，覆盖全球超 88% 碳排放、90% GDP 与 85% 人口。中国承诺 2030 年前碳达峰、2060 年前碳中和，能源结构从煤炭主导逐步向风光等新能源转型。2020 年中国风光装机占比仅 10.5%，2060 年碳中和场景下风光将成为主力能源，全社会用电量将大幅增长，工业、建筑、交通领域用电需求持续攀升。但新能源的随机性、波动性，让传统 “源随荷动” 的可控系统，转变为供需平衡难度极高的复杂系统，数字化表达、智能化决策、协同化运行成为破局关键。

　　团队以城市模拟器为基础，研发能源模拟器，实现能源全链条精准模拟。该模拟器覆盖源、网、荷、储全环节，基于电路理论与潮流计算构建电网模型，通过分层聚类生成 500kV 至 220V 分级电网拓扑；精准模拟屋顶光伏发电、建筑耗能、电动车充电等场景，结合真实数据验证模拟精度，可支撑反事实场景推演与电网关联决策，为电力系统运行提供量化模拟基础。

　　同时，团队打造能源大模型体系，融合时空大模型、时序大模型与语言大模型，构建 UniST 通用时空基础模型，突破跨尺度天气、气候与能源协同预测技术。该模型整合多源时空数据，采用 Transformer 与 DiT 融合结构、通用掩码训练方法，新能源发电预测达国际领先水平，AI 电力交易员实盘交易收益显著超越人类策略，为电网调度、电力交易提供智能决策能力。

　　两大核心技术协同支撑电力系统多场景决策优化：一是电动车 V2G 充放电策略优化，通过深度强化学习实现削峰填谷，光伏利用率大幅提升，单城市年减碳超 1.16 万吨；二是分布式光伏规划优化，基于多智能体强化学习实现光伏发电与电网成本帕累托最优；三是虚拟电厂调度优化，分布式资源可调潜力评估精度提升 10% 以上，现货市场收益提升 12%，运行成本降低 9.3%。

　　数智协同是新型电力系统建设的必然方向，以能源数智孪生为核心的源网荷储一体化智能调控，可有效破解新能源高占比带来的供需平衡难题。团队研究成果已在电力现货市场、电网调度等场景落地验证，为碳中和目标下能源转型与新型电力系统建设提供了可行技术路径与实践方案。