来源：DeepTech深科技
随着越来越多的可再生能源投入使用，电网也变得越来越复杂。曾经只有少数大型发电厂用稳定的电力输出为大多数家庭供电，而现在数百万块太阳能电池板正在产生不断变化的电力。
越来越不可预测的天气加剧了平衡电力供需的挑战。为了管理混乱的情况，电网运营商正在尝试使用人工智能技术。
人工智能从大量数据中学习和应对复杂场景的能力使其特别适合执行维持电网稳定的任务，越来越多的软件公司正在将人工智能产品带入技术接纳速度缓慢的能源行业。
美国能源部认识到了这一趋势，所以最近向包括人工智能相关项目在内的各种“智能电网”项目提供了 30 亿美元的补助，试图加速相关技术的普及。
人工智能在能源领域带来的兴奋显而易见。一些人已经在设想一个完全自动化的电网的可能性，在这个电网中，理论上不需要人类来做出日常决策。
但这种前景仍然遥不可及。目前，最有希望的前景在于激活人工智能帮助人类的潜力，为更好管理电网提供珍贵的实时信息。以下是人工智能改变电网运营商工作模式的四种方式。
更快、更好的决策
电网系统通常被描述为人类有史以来建造的最复杂的“机器”。因为它太大了，任何一个人都不可能完全掌握在特定时刻发生的一切，更不用说预测以后会发生什么了。
联邦资助的研究机构美国阿贡国家实验室的科学家 Feng Qiu 解释说，人工智能可以在三个关键方面帮助电网：帮助运营商了解当前情况，做出更好的决策，并预测潜在问题。
（来源：STEPHANIE ARNETT/MITTR | ENVATO）Qiu 花了数年时间研究机器学习如何改进电网运行。2019 年，他的团队与服务于美国 15 个州和加拿大部分地区的电网运营商 MISO（Midcontinental Independent System Operator）合作，测试了一种机器学习模型，该模型旨在优化电网的日常规划，其规模与 MISO 的庞大网络相当。
每天，像 MISO 这样的电网系统运营商都会进行复杂的数学计算，预测第二天需要多少电力，并试图想出最具成本效益的能源调度方法。
Qiu 的团队用机器学习模型表明，使用人工智能的运算可以比没有使用的情况下快 12 倍，将所需时间从近 10 分钟减少到 60 秒。考虑到电网系统操作员每天要多次进行这些计算，由此可以节省大量时间。
目前，Qiu 的团队正在开发一个模型，通过综合天气、地理甚至不同社区的收入水平等因素来预测停电。有了这些数据，该模型可以找出基础设施较差的低收入地区停电时间可能更长、频率可能更高等规律。
更好的预测可以帮助预防停电的发生，加快灾难应急响应，并在此类问题发生时将危害降至最低。
为每个家庭定制的方法
人工智能相关工作不仅限于研究实验室。电池和电网技术初创公司 Lunar Energy 公司使用人工智能软件，帮助客户优化能源使用并减少开销。
Lunar Energy 公司软件主管山姆·维韦尔（Sam Wevers）表示：“你有一个数百万台设备组成的网络，你必须创建一个能够接收所有数据的系统，不仅为每个客户，还要为电网做出正确的决定。这就是人工智能和机器学习的力量。”
Lunar Energy 公司的 Gridshare 软件收集了数万户家庭的数据，收集了用于电动汽车（充电）、洗碗机和空调等设备的能源信息。结合天气数据，这些信息被输入到一个模型中，该模型可以对单个家庭的能源需求进行个性化预测。
维韦尔描述了一个场景作为例子，一条街上的两户人家都有大小相同的太阳能电池板，但其中一户人家的后院有一棵很高的大树，下午会出现树荫，因此其电池板产生的能量略低。
任何公用事业公司都不可能在家庭层面、依靠人工的力量追踪这种细节，但人工智能使这些计算能够在大规模范围内自动进行。
像 Gridshare 这样的服务主要是为了帮助个人节省金钱和能源。但总的来说，它也为公用事业公司提供了更清晰的行为模式，帮助他们改进能源规划。捕捉这些细微差别对于电网响应能力至关重要。
协同电动汽车与电网
虽然电动汽车对清洁能源转型至关重要，但它也对电网构成了巨大挑战。
WeaveGrid 的联合创始人兼 CTO 约翰·塔加特（John Taggart）表示，电动汽车的普及增加了巨大的能源需求。他说：“他们（公用事业公司）上一次不得不应对这种需求增长是在空调开始普及的时候。”
（来源： U.S. Energy Information Administration）电动汽车的普及也往往集中在某些城市和社区，这可能会使当地电网不堪重负。为了减轻这一负担，总部位于美国旧金山的 WeaveGrid 与公用事业公司、汽车制造商和充电公司合作，收集和分析电动汽车充电数据。
通过研究充电模式和持续时间，确定最佳的充电时间，并通过短信或应用程序通知向客户推荐何时为车辆充电。在某些情况下，客户可以授予公司根据电网需求自动充电或放电的完全控制权，以换取代金券等经济激励。
这让汽车本身成为了电网宝贵的储能手段。PG&E、DTE 和 Xcel Energy 等大型公用事业公司已在该项目上展开合作。
DTE Energy 是一家总部位于美国底特律、服务于密歇根州南部的公用事业公司，它与 WeaveGrid 合作，帮助改进电网规划。该公司表示，它能够在其服务区域内识别出 2 万户安装电动汽车的家庭，并正在使用这些数据来计算长期负载预测。
在灾难发生之前发现它
几家公用事业公司已经开始将人工智能集成到关键运营环节中，特别是用于检查和管理输电线路和变压器等物理基础设施。
例如，过度生长的树木是停电的主要原因，因为树枝可能掉落在电线上或引发火灾。传统情况下需要靠人工检查，但考虑到输电线路的跨度很大，这可能需要几个月的时间。
负责美国加州北部和中部供电的 PG&E 公司一直在使用机器学习来加快这些检查。通过分析无人机和直升机拍摄的照片，机器学习模型可以识别需要修剪树木的区域，或者确定需要维修的故障设备。
一些公司做的更进一步，利用人工智能评估一般气候风险。
上个月，总部位于美国华盛顿特区的初创公司 Rhizome 推出了一个人工智能系统，该系统利用公用事业公司关于能源设备性能的历史数据，并将其与全球气候模型相结合，以预测暴风雪或野火等极端天气事件导致电网故障的概率。
Rhizome 的联合创始人兼 CEO 米什·萨达尼（Mish Thadani）表示，公用事业公司可以做出数十项改进来提高电网系统的弹性，但它没有时间或资金来同时解决所有这些问题。有了这样的软件，公用事业公司现在可以更明智地决定优先实施哪些项目。
电网运营商的下一步是什么？
如果人工智能能够迅速做出所有这些决定，那么它有可能简单地接手电网运行并顶替人类操作员吗？专家认为，还没到那个时候。
在我们完全实现电网自动化之前，还有几个关键障碍。安全是最令人关切的问题。
Qiu 解释说，目前，电网系统有严格的协议和检查，以防止在应对潜在停电或设备故障等问题的关键决策中出现错误。
“电网必须遵循一个非常严格的物理定律。”Qiu 说。虽然人工智能在增强受控的数学计算方面很出色，但在结合现实世界中出现的操作约束和少见情况方面，它还不是完美无缺的。
这给电网运营商带来了太大的风险，他们的主要关注点是可靠性。在错误的时间做出一个错误的决定可能会导致大规模停电。
数据隐私是另一个问题。美国电力研究所的高级技术主管杰里米·伦肖（Jeremy Renshaw）表示，客户数据的匿名化至关重要，这样才能保护敏感信息，比如人们在家的时间。
人工智能模型也有可能使偏见长期存在，从而使弱势群体处于不利地位。伦肖说，从历史上看，贫困社区往往是停电后最后一个恢复供电的社区。
当公用事业公司重启电网时，根据这些数据训练的模型可能会继续为贫困社区（地区）分配较低的优先级。
多公司采用人工智能，要开始重视员工培训的重要性，这样员工就可以了解哪些任务适合交给人工智能处理，哪些任务不适合。
他说：“你可以用锤子把螺丝敲进去，但如果你用螺丝刀，效果可能会更好。”
支持：Ren
运营/排版：何晨龙
电网人工智能智能电网AI充电 
新浪科技公众号 “掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
相关新闻 
