可免费下载 |《利用人工智能加速能源转型》摘译

2021年8月政府间气候变化专门委员会发布的第六次评估报告以及近年来日益明显的热浪、洪水和野火等气候变化，均引起了政策制定者、企业和投资者的关注。随着第二十六届联合国气候变化缔约方大会（COP26）的临近，预计气候目标的发布速度将进一步加快。低碳经济转型进程亟需加速，能源领域是这一进程的核心挑战，人工智能在促进能源转型中将发挥重要作用。

目前，全球能源系统正在转型，人工智能加快能源转型的潜力被不断激发。

（一）能源系统需要利用数字化手段推动快速转型

为实现深度脱碳，需要将能源系统的二氧化碳排放量迅速降至极低水平。能源系统脱碳化转型带来一体化和电气化变革，电力、交通、工业、建筑等行业之间的互动显著增强，且该系统将由相互依赖的能源和电信网络构成。为了加快向广泛、实惠、低碳化能源供应的转变，需要进一步优化能源系统的各个环节，并强化每个环节之间的协调与合作。

（二）电力行业脱碳是整个能源系统脱碳的焦点

能源系统转型包括迅速扩大可再生能源的供应以及供暖、工业和交通大规模清洁电气化。随着电动汽车保有量的增加、电池储能成本的下降以及建筑和重工业均趋向净零排放用电，预计从2019年到2050年，电力在全球能源需求中占比将增加60%。电力将被越来越多地用于供暖和制冷、运输，甚至是制备氢气等。

（三）能源转型需要大量投资

在彭博新能源财经的《2020年新能源展望》中，有一项关于未来能源经济转型的长期预期，即到2050年，56%的发电量将来自太阳能和风能，分别达到7.6太瓦和4.6太瓦。且该假设建立在维持目前政策基础上，这反映出即使不考虑高昂的煤炭价格或净零排放目标，太阳能、风能和储能经济也成为电力行业快速脱碳的重要驱动力。

（四）未来的电力系统将高度去中心化

提高可再生能源发电的比例将使电力系统包含更多来自间歇式发电机供电，而且更加分散。目前，分布式小型光伏电站占全球发电装机容量的4%，中型发电厂的装机容量为944兆瓦，根据彭博新能源财经能源转型的预测，到2050年，分布式小型光伏电站占比将提升至13%，而中型发电厂的装机容量将缩减80%以上，仅158兆瓦。

（五）电力系统管理的复杂性将显著增加

根据脱碳目标及目前发展趋势判断，未来将有大量的实体设备接入电网，尤其是配电网的接入。在配电网中，电流也将变得越来越动态和多向性（见图1），诸如小型分布式设备可能会发电并回售给电网、电动汽车快充等导致需求激增、智能家居等设备可能会在电网运营商不知情的情况接入电网，这些都将对电流的稳定性产生不小的影响。

▲i仅包括电池、电动和插电式混合动力乘用车（不包括商务车和两轮或三轮车）。ii仅包括太阳能和风能（不包括其他可再生能源）。iii包括大型电站级和节能型锂离子电池存储。来源：改编自德国能源署（2020），图片来自彭博新能源财经（2020）

（六）人工智能可以加速能源转型

人工智能指的是一个更加宽泛的概念，并非一项单一的技术或产品，而是一套能从大量数据库中挖掘有效信息、进行模式识别以及预测潜在结果的算法。行业内已经有一些人工智能的应用案例，但要快速、安全和经济地摆脱对化石燃料的依赖，就要更大规模、更快速地部署人工智能技术。

人工智能是一款能够应对全球能源转型复杂性、提高系统效率，从而降低成本、加快转型速度的强大工具，主要应用于四个重点领域：可再生能源发电能力和需求预测、电网运行和优化、能源需求管理以及材料发现和创新。根据德国能源署在2020年 对人工智能在能源行业应用领域的分析（见图2），人工智能应用根据使用的数据资料可分为以下几类：市场、商品和气象数据， 图像和视频，设备和传感器数据。以下各节将对这些应用详细说 明。

▲来源：德国能源署分析（2020）

（一）可再生能源发电能力和需求预测

人工智能在可再生能源发电能力和需求预测中的应用主要表现为如图2中的1-7，具体如下：

太阳能和风能电场的选址。选址对发电厂的容量因数影响较大，通过借助人工智能技术，可以寻找既有最佳的日照和风力资源又便于接入现有电网基础设施的地点。

发电厂的建设。当发电厂开工建设后，人工智能也可以用于管理建设进度，例如优化设备运送到现场的顺序和识别低效的施工流程。

改善产品设计。人工智能还可以帮助改善产品设计，例如在新型人体工程学风电机组叶片、光伏面板或电力电子器件、控制系统的设计方面。

预测故障和停工。发电厂投产后，运营商需要对其进行定期维护，以避免因系统故障导致停机和额外的维修费用。

优化维护计划。人工智能通过借助传感器的实时监测数据，在检测到异常状况时触发预警，为海上风电场等偏远设施维护节省大量成本。

太阳能和风能设备发电量的预测。目前，预测太阳能和风能电场的发电时间与发电量仍比较困难，人工智能通过学习历史气象数据、传感器数据（例如实时风速和日照强度等测量数据）、图像和视频数据（例如卫星云图）能够实现对太阳能和风能设备发电量的预测。

预测电力需求。该预测过程也相当复杂，处理不当容易导致停电或可再生能源短缺，人工智能通过对历史消费数据分析，来帮助预测系统的电力需求。

（二）电网运行和优化

借助人工智能来优化电网的运行方式，进一步提高现有线路的输电和配电能力，并延长设备的使用寿命，将是支撑能源转型的关键因素。

电网设计和规划。根据彭博新能源财经预测，到2050年，需要投资至少14万亿美元用于建设新型电网基础设施和更新改造电网，以加强可再生能源配电网的建设以及支持建筑、工业和交通电气化发展。

设备运行和维护。在电网管理中，人工智能也被用于一系列重要设备的运行和维护工作。

监测电网性能。除设备维护外，人工智能还能用于监测电网性能。

（三）能源需求和分布式资源管理

管理和调节能源需求是决定能源领域能否实现低本高效脱碳的重要因素之一。人工智能的应用有助于提升工厂和数据中心的能源效率，加快分布式可再生设备的普及和使用。

（四）材料的发现和创新

开发用于清洁能源发电和存储的高性能、低成本材料已经成为能源转型的当务之急。为了满足复杂的性能需求，材料的发现、开发、部署过程往往资本高度密集且周期较长。

要激发人工智能在能源转型中的全部潜力，就需要遵循共同的指导原则。

（一）设计方面

原则1：自动化——设计发电设备的运行方式，实现系统自动化控制并提高电网人工智能的自主性。

原则2：可持续性——积极推动新型基础设施的节能降耗以及采取符合人工智能可持续发展的做法来限制碳足迹。

原则3：实用性——可用性和可解释性是人工智能开发的重点。

（二）赋能方面

原则4：数据共享——建立统一的数据标准和数据共享机制，以提高数据质量和实现数据可用。

原则5：价值最大化——建立全方位的市场体系与监管框架，使人工智能用例实现技术价值最大化。

原则 6：教育赋能——通过以人为本的人工智能技术为用户和劳动力赋能，并进行技能教育以匹配技术的发展。

（三）治理方面

原则7：安全可控性——商定通用的方法来管控人工智能风险。

原则8：可兼容性——构建软件兼容性通用技术标准和可互操作的接口。

原则9：责任担当——确保人工智能符合道德规范并以负责任的方式加以应用，是人工智能开发和部署的核心。