paloalto_安全 AI 赋能的专用移动网络如何变革公用事业运营.pdfVIP

ANTERIX、GEVERNOVA和PALOALTONETWORKS的协作视角

安全AI赋能的专用移动网

络如何变革公用事业运营

规避常见风险，实现韧性

PaloAltoNetworks | 安全AI赋能的专用移动网络如何变革公用事业运营 | 白皮书1

1简介

随着数字转型加速，电网中电力传感设备、可控资产的数量正快速增长。

智能电子设备（IED）对变电站内外设备的监控、保护、控制和自动化作

用日益增强。传统的集中式电网架构缺乏速度、灵活性和可扩展性，

无法满足这些成倍增加的复杂设备的现代运行需求。

公用事业企业需要向分布式网络转变，多个控制节点要相互沟通和协调。

现在，包括小语言模型（简称SLM）在内的人工智能(AI)技术可以直接

在边缘实现智能。

安全AI赋能的专用网络是支撑“分布式电网架构编排”的核心。也能提

供保护关键基础设施的工具，确保通信的完整性、机密性、可用性。

随着电网转型的快速发展，那些适应和拥抱AI速度较慢的公用事业企业可

能很难应对身边发生的挑战。专用移动网络(PMN)以及专门构建的AI感知

安全解决方案是这些资产以安全、可靠、协调和高效的方式进行通信的基础，

从而使公用事业企业能够改进电网协调。

PaloAltoNetworks | 安全AI赋能的专用移动网络如何变革公用事业运营 | 白皮书2

2新兴AI：公用事业应用以及

对专用网络的需求

AI的出现正在将电网改造成一个智能、高度协调和自适应的系统。同时，运营也在向更具预测性、

规范性和自主性的方向转变。

传统的“计划性/被动维护”会给运维（即OM）预算施压。然而，有了AI驱动的智能分析系统，

公用事业企业就可以转向预测性健康监测系统，该系统针对特定资产、以数据为驱动、以状态为

基础，只在需要时才发出维护信号。

基于历史运营数据与近实时数据馈送，这类模型可助力公用事业企业避免开展基于使用量或日历

周期的现场出车运维。这些监测系统还纳入了AI驱动的规范性元素，可提供运行与维护行动建议

以优化维护，为决策者提供可操作的智能，并提供资产健康的整体视图。

小语言模型

与大型语言模型(LLM)相比，近来出现的小语言模型(SLM)更为高效、针对特定领域且简洁。

SLM支持在资源受限（含计算、存储及网络资源）的边缘设备上部署，而这类设备此前是无法使

用的。公用事业企业无需再在公有云上运行僵化的集中式电网运营与控制模型。现在，他们可以将

AI的力量置于边缘，将重点转向更加分布式和灵活的模式，以满足快速转型和更加动态的电网需求。

自主智能体

自主智能体可独立管理本地化电网功能，具体包括调度分布式能源资源(DER)、重构网络拓扑，

以及在负载条件变化时优化运行性能。这种配备多控制节点的分布式架构，可让电力企业将网

络划分为自主区域；当故障发生时，区域能自主防护，避免级联故障扩散。

多智能体系统

多智能体系统在这一理念的基础上进行了扩展，实现了信息共享的协同操作，智能体可集体管理电网

性能，并对邻近区域和更大的网络具有可视性。电网转变为一个动态的自组织系统，能够实时适应内

部和外部力量。

PaloAltoNetworks | 安全AI赋能的专用移动网络如何变革公用事业运营 | 白皮书3

其他AI应用

表1列举了大量正在改变电网的AI应用。

表1.AI赋能的公用事业专用网络应用

AI的作用优势

对线路故障进行分类、定位和隔离。恢复更快、中断更少、可靠性更高、RCA更快。

优化负载平衡和电压调节。减少能源损耗，提高电能质量和效率。

分析消耗、盗窃和需求激增的原因。准确计费、防盗检测和更好的需求预测。

预测可再生能源发电量并优化调度。提高可再生能源渗透率，改善电网稳定性。

预测电动汽车需求并管理充电计划。避免过载，支持电气化，平衡需求。

利用嵌入式和外部传感器数据监控健康

减少计划外停机，延长资产寿命，降低运行维护成本。

状况并预测故障。

实时分析无人机图像和传感器数据。更安全的检查、更快的