江行智能CEO庞海天受邀参加清华电机“上海行”系列活动，并发表主题演讲
9月20日-21日，清华电机“上海行”系列活动成功举办。作为系列活动的重要组成部分，2025“聚焦AI 赋能电力”第二期校友论坛于20日顺利召开。
论坛聚焦人工智能在能源电力领域的创新应用与未来发展，汇聚了来自高校、企业及行业协会的近百位专家学者与校友代表。会议由清华大学电机系党委副书记、清华校友总会电机系分会秘书长余占清主持。
江行智能CEO庞海天博士受邀发表《人工智能赋能电力巡检与调控》主题演讲，分享了公司在电力能源智能化领域的前沿成果与实践经验。
变电巡检⼀体具身智能机器⼈
庞海天博士指出，随着新型电力系统建设持续推进，电网规模不断扩大和设备复杂度提升，传统人工巡检方式已难以满足高频率、高精度的运维需求。在此背景下，江行智能推出变电巡检一体具身智能机器人系统。
系统具备四大核心功能：通过自然语言交互替代复杂界面操作，大幅降低使用门槛；突破全地形复杂场景进入限制，适应各种作业环境；采用模块化硬件设计，赋能多场景智能作业；实现系统深度融合与联合作业，提升整体运维效率。
在技术架构上，系统基于复合大模型智能系统，融合多模态Agent、自然语言模型等，实现对自然语言指令的深度理解，全面感知多模态数据，满足复杂业务需求。创新性提出“大小脑协同”智能控制架构：“小脑”负责底层姿态控制，“大脑”实现全局任务规划与感知，这种解耦设计实现了任务级与运动级的分层协同，兼顾稳定性与智能性，适应复杂环境下的⾃主导航与精细控制需求。
同时，公司构建了自主可控、轻量高效的智能计算基座，完成国产化训练框架适配及量化与精度压缩优化，实现模型轻量化部署，降低对外部技术的依赖，保障系统安全可控。
目前，该系统已在多个变电站、发电站投入运行，成功推动了电力系统运维模式从传统人工巡检向“自主感知、智能分析、精准决策、高效执行”的全流程智能化转型，显著提升巡检效率与运维质量。
智能预测驱动下的虚拟电⼚
演讲中，庞海天博士还分享了江行智能基于流匹配和Transformer技术的时序预测模型，有效克服传统统计模型泛化能力不足、深度学习模型在数据稀缺时性能下降的局限性。
依托这一核心预测能力，成功打造多个基于智能决策的AI模型：
光储投资测算模型通过对用户用电量、历史用电负荷、行业特性等多维数据分析，精准测算光伏与储能的最佳配比与投资收益；
光储协同控制模型基于中长期负荷预测、光伏发电预测等，实时动态调整储能充放电策略，多⽬标优化控制收益；
电力交易辅助决策模型通过对区域电⼒市场的数据汇总、分类、处理，生成最优交易申报策略并进行风险管控。
在浙江某上市企业工厂的应用中，通过光储协同应用功能，在企业负荷及发电功率波动时，调整储能放电策略，当月降低需量电费1.3万元；在江苏地区迎峰度冬需求响应中，实现了对近9000个分布式资源的协同控制，响应精度高达90%，并获得可观的经济收益。这些成果不仅验证了系统的可靠性与实用性，更彰显了智能预测技术从算法能力到商业价值的有效转化。
作为清华校友企业，江行智能始终坚持技术创新与产学研协同。通过此次活动，公司与高校、同行及校友建立了更紧密的联系。
面向未来，江行智能将继续深耕能源电力领域，推动人工智能技术在电力巡检与虚拟电厂中的深度应用，为新型电力系统建设贡献更多创新成果。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
