人工智能为能源行业开启了多样应用场景。它能整合设备的预测性数据与实时状态数据，助力电网调控优化升级，并逐步实现调控全流程自动化。在设备层面，人工智能辅助系统可自主分析传感器采集的数据，比如在故障发生前自动发出检修预警。未来，人工智能甚至能自主规划运维工单，更高效地调配稀缺的人力资源。这些例子充分表明，人工智能对未来稳定能源供应至关重要。其为电网带来的潜力巨大：国际能源署（IEA）测算，智能传感器结合人工智能电网管理系统，无需新建输电线路，就能释放175吉瓦的输电容量。

然而，人工智能要发挥潜力，首先需要海量数据支持，没有数据，人工智能就毫无价值。所以，对于能源供应商来说，全面采集变压器、断路器、电缆等设备的运行数据，是高效应用人工智能技术的关键前提。MR创新与技术负责人Roland Götz解释道：“为实现这一目标，MR致力于降低电网数字化改造成本。”人工智能技术在其中也将发挥关键作用：“我们正在测试相关算法，该算法能基于少量传感器的监测数据进行推导，算出其他虚拟或数字传感器的对应数值。”这一技术直接的好处是，变压器数字化改造所需的传感器数量大幅减少，帮助电网运营商在资产升级时节省大量成本。

近20年来，机器学习一直是MR的核心研发方向。这一技术布局最初始于搭载自学习控制算法的吸湿器产品。经过多年发展，MR的传感器产品不断丰富，更多产品嵌入了智能算法。其中包括MSENSE^® VAM振动声学监测系统，该系统运用自学习算法，可实时监测分接开关的切换过程。在设备状态评估方面，人工智能技术的应用使分析精度达到前所未有的高度。例如，ETOS^® 自动化解决方案已在变压器监测与数据采集领域成功应用。其内置的资产智能分析、绝缘油溶解气体分析解读（DGA 解读）等功能，能基于数据和模型给出见解，为设备状态评估提供有力支持，并给出具体运维建议。一旦实现全设备数字化，未来还会有更多应用可能。