人工智能应用主要有三部分要素组成，第一是数据，包括结构化数据与非结构化数据，诸如视频、图像、语音、文本等。数据是人工智能技术对人类视觉、听觉、触觉进行模拟的媒介，其中视觉数据最为重要，因为视觉是一切行动的基础［[]］。人工智能的算法必须由大量的数据训练而成，因此数据是人工智能的基本前提。第二是技术，主要是深度学习、强化学习、机器学习、模糊逻辑、遗传算法等［[]］。第三是应用场景，能源服务的应用场景主要是能源销售服务、分布式能源服务、节能减排服务及需求响应服务、客户服务等四大类领域［[]］。这三部分共同构成了人工智能应用的有机整体。
（一）能源销售服务
能源销售服务包括售电、售气、售热冷、售油等基础服务，以及用户侧管网运维、绿色能源采购、信贷金融服务等深度服务。
（1）售电服务
通过在能源供应预测、能源消费预测、市场价格预测、优化价格套餐中应用人工智能技术，可以提高预测的精准度、及时性，促进为客户优化购电交易策略，
为用户提供更有吸引力的电价套餐。美国的Drift公司是一家具有人工智能技术的能源服务公司，为其客户提供成本降低20％的电力或者百分之百可再生电力。它使用人工智能和机器学习来预测第二天用户需要多少电量，描绘每日24小时供需曲线，考虑了用户的日常能源使用情况、邮政编码、天气数据、本地活动、营业时间、设施年限、建筑类型等，然后向能源生产商进行点对点购买。例如当需求高涨时，Drift向小规模生产者（包括分布式光伏电站、水电站和拥有超额电力的大型商业建筑）购买比尖峰电价更便宜的能源。
（2）运维服务
在预测能源系统中各种设备出现故障的可能性时应用人工智能技术，提高预测的精准度、及时性，促进及时维护，避免出现故障、停工损失。美国的Arundo公司为石油、天然气、电力等资产密集型行业开发软件，使用大数据、人工智能技术实时分析运营中采集的海量数据，对故障进行提前预测预警，促进预防性维护，降低运营成本。德国北部地区的E.ON子公司Schleswig-Holstein 电网公司，根据电网的使用年份、类型、维护情况、天气以及当前负载等实时信息，利用人工智能技术对故障进行提前预测预警。国内国家电网公司全球能源互联网研究院利用人工智能技术实现了电力设备的缺陷识别与故障诊断，包括输电线路鸟巢、风筝等异物识别，和绝缘子破裂、导线断股、缺销钉等故障识别。
（二）分布式能源服务
分布式能源服务包括设计和建设运行分布式光伏、天然气三联供、生物质锅炉、储能、热泵等基础服务，以及运营区域热站、运维检修、融资租赁、资产证券化等深度服务。利用人工智能技术可以提高对天气条件、新能源出力功率、故障情况等预测的精确度。西班牙的Nnergix以高时间分辨率预测给定位置的天气状态，提前6小时到10天预测每小时的光伏发电、风能发电情况。目前它已经为超过1700MW的装机提供预测。以色列Meteo-Logic基于大数据和机器学习技术量化预测天气，帮助客户预测能源供应和价格。苏黎世联邦理工学院根据来自4190个瑞士家庭的实际能源消耗数据，基于机器学习技术建立了分析光伏及储能系统利润率的技术经济模型，从而提出最优的配置建议［[]］。
（三）节能减排及需求响应服务
节能减排及需求响应服务包括改造用能设备、建设余热回收、建设监控平台、代理签订需求响应协议、利用低谷能源价格的智慧用能管理（例如在低谷时段蓄热、给电动汽车充电）等基础服务，和运维、设备租赁、调控柔性负荷（包括空调、电动汽车、蓄热电锅炉等）参与容量市场、辅助服务市场、可中断负荷项目等深度服务。对用能设备用能情况进行评价和预测的人工智能技术通常同时应用于节能和需求响应服务。
（1）节能服务
人工智能技术在节能服务中的应用较多，可以提高能源消费的预测精准度，促进提升能源效率，以及在设备故障之前识别和维护。其中非侵入式负载监控有大量应用，用于更便宜、更快速估计出各个终端用能类型的用能情况，避免投资和维护昂贵复杂的监测系统。例如美国的Bidgely公司利用人工智能技术，无需使用任何设备监控器，将家庭能源使用数据逐项分解到单个设备，从而帮助能源零售商开展节能和需求响应服务。英国的Green Running公司开发的Verv产品是一个家庭能源助手，通过人工智能技术，实时估算出家中电器用电情况和费用，帮助客户节省能源费用，以及预测设备老化和故障。瑞典的WATTY仅根据电表的数据，利用人工智能技术识别出家中的大多数家用电器，以及检测设备异常。美国的Verdigris公司提供面向大型商业建筑的云分析软件，可将客户的能源消耗降低了20-50％，帮助削减尖峰负荷。它利用人工智能技术实现非侵入式负载监控，实时自动检测建筑用能设备，包括暖通空调冷却塔、电动汽车充电桩、手机充电器、笔记本电脑等。