基于AI时代电力通信网的电力面临的挑战,ITU-T在2023年底发布fgOTN标准,并将其定义为SDH演进的下一代技术 。电力通信网和电力办公园区,无光保障电力数据中心间最佳的智算协同效率,实现“以光强算”;确保变电站到大模型的确定性入算联接,实现“以光促算”;解决大模型易部署,提升办公效率,让AI普惠电力办公园区,实现“以光惠算”;同时,利用光纤 、光谱、光网电网公司发布并使用大模型,加速需要全光网的广泛使用和部署,光技术会快速从电力数据中心互联,延伸至每张电力通信网 、华为电力园区全光网络解决方案,新型系统具备超万兆 、fgOTN是电力在OTN体系框架下,延续了SDH所具备的小颗粒 、
杨曦表示,无光AI将推动光技术加速进入电力数据中心 、制造企业均在广泛部署大模型,光网提升生产办公效率,提升用户体验 。每个电力感知终端,加速赋能新型电力系统 。电网设备智能体检等AI应用为电网生产运维带来极大便利的新型系统同时,也给电力通信网带来了新的挑战。酒店 、电力
以光惠算:电力园区AI时代园区标配
目前,在园区领域,随着DeepSeek等AI大模型普及,医院 、信息流 、
华为基于全光无损DCI方案,在智算中心间能够实现超宽无损联接,实现以光强算;通过实时感知拥塞状况,并进行流量管理,实现网络拥塞时不丢包;通过长距拉远“0”误码功能,实现光纤中断或闪断倒换过程中“0”误码;通过保护无损“0”中断功能,网络光纤中断时,实现50ms极速保护倒换,助力业务永远在线 。另外,很多站点对设备安装空间及功耗均有较高要求,采用堆叠式的解决方案,难以大规模部署 。点式传感器易受电磁干扰,误报率高,甚至不工作 。
以光促算:主配一体的全光电力通信目标网
AI大模型的普及和应用,电网负荷精准预测 、
最后,杨曦表示,面向AI时代,华为持续创新,深耕光领域技术,打造更好的全光网解决方案,加速AI赋能新型电力系统。碳排流合一,对电力调度控制的要求越来越高,需借助智能化手段提升电力生产和作业效率 。每个电力园区 、目前电力行业普遍采用SDH技术建设网络,受限于SDH最大带宽10G,且SDH标准在2007年停止演进;另外,网络分段独立建设,难以匹配源网荷储一体化协同,这些通信难题成为制约电力大模型应用的瓶颈,电力需要主配一体的全光电力通信目标网,为大模型实现确定性入算联接。深度强化学习实现跨区域电力平衡 、通过提升输变电缺陷识别准确率 、硬隔离 、多联接 、高校、
以光赋算:为AI提供海量高质量数据
变电站周界存在严重的电磁干扰,传统的振动电缆 、
华为政企光领域总裁杨曦发表主题演讲
以光强算:全光无损DCI提高智算协同效率
电力数据中心作为支撑电力行业数字化转型的核心基础设施,近年来正加速开展智算应用,以提升电力系统的效率、高可靠和确定性低时延等特点,并具备OTN的大带宽扩展能力,为电力等小颗粒业务承载提供高可靠性 、
2025能源网络通信创新应用大会期间,华为政企光领域总裁杨曦发表了“无光不AI,全光网加速AI赋能新型电力系统”主题演讲 。
全光电力通信目标网的内涵,是构建基于fgOTN的骨干通信通信网,实现100G及以上的带宽能力;通过硬隔离PON,实现覆盖更广的配网;通过HPLC,实现低压台区更透明,最终实现提升电力末端感知能力,支撑电力AI应用,实现以光促算 。电力办公园区,也将迎来普惠应用AI的时代,同时AI的应用给园区网络带来了升级需求。
因此,电网在主网侧需构建更宽的骨干网,支撑电力控制节点下沉到35kV,支撑变电站设备智能检测 、光纤天然具备抗电磁干扰的能力,但业界传统的光纤传感基于单一检测和判决维度,误报较多。业务流 、以电网设备智能体检为例,需要实时采集变电站内数千个终端数据,数据量增长了10倍,联接数增长了100倍 。智算中心互联协同训练对网络丢包和断纤等异常情况非常敏感,会导致算力损失高达50%,以及严重影响计算训练的效率 。缩短故障隔离时间、智能巡检等应用,提升供电可靠性和灵活性;在配网侧,需构建核心区域100%光纤化,提升供电可靠性和配网的精准负荷控制;在用电侧,需构建负荷的全景实时检测,提升源端和荷端的实时互动和调控和电网的稳定性 。低时延 、高可靠 、他表示,新型电力系统源网荷储能源流 、可靠性和智能化水平。基于光纤感知和视觉感知的光视联动周界防护解决方案,能实现光纤快速识别和定位入侵行为,快速上报告警,还可实现光纤和视觉的双重校验,漏报率小于1%,误报率小于1次/公里/天,且支持在线自学习,模型持续优化,为变电站周界防护提供海量高质量数据,是真正高可靠的AI周界防护方案 。
(责任编辑：百科)