美国能源部向智能电网补贴30亿美元用AI加速电网系统操作

越来越不可预测的景象加剧了平衡电力供需的寻衅。
为了管理混乱的情形，电网运营商正在考试测验利用人工智能技能。

人工智能从大量数据中学习和应对繁芜场景的能力使其特殊适宜实行坚持电网稳定的任务，越来越多的软件公司正在将人工智能产品带入技能收受接管速率缓慢的能源行业。

美国能源部认识到了这一趋势，以是最近向包括人工智能干系项目在内的各种“智能电网”项目供应了 30 亿美元的补助，试图加速干系技能的遍及。

人工智能在能源领域带来的愉快显而易见。
一些人已经在设想一个完备自动化的电网的可能性，在这个电网中，理论上不须要人类来做出日常决策。

但这种前景仍旧遥不可及。
目前，最有希望的前景在于激活人工智能帮助人类的潜力，为更好管理电网供应宝贵的实时信息。
以下是人工智能改变电网运营商事情模式的四种办法。

更快、更好的决策

电网系统常日被描述为人类有史以来建造的最繁芜的“机器”。
由于它太大了，任何一个人都不可能完备节制在特定时刻发生的统统，更不用说预测往后会发生什么了。

联邦帮助的研究机构美国阿贡国家实验室的科学家 Feng Qiu 阐明说，人工智能可以在三个关键方面帮助电网：帮助运营商理解当前情形，做出更好的决策，并预测潜在问题。

（来源：STEPHANIE ARNETT/MITTR | ENVATO）

Qiu 花了数年韶光研究机器学习如何改进电网运行。
2019 年，他的团队与做事于美国 15 个州和加拿大部分地区的电网运营商 MISO（Midcontinental Independent System Operator）互助，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 的弘大网络相称。

每天，像 MISO 这样的电网系统运营商都会进行繁芜的数学打算，预测第二天须要多少电力，并试图想出最具本钱效益的能源调度方法。

Qiu 的团队用机器学习模型表明，利用人工智能的运算可以比没有利用的情形下快 12 倍，将所需韶光从近 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打算，由此可以节省大量韶光。

目前，Qiu 的团队正在开拓一个模型，通过综合景象、地理乃至不同社区的收入水平等成分来预测停电。
有了这些数据，该模型可以找出根本举动步伐较差的低收入地区停电韶光可能更长、频率可能更高档规律。

更好的预测可以帮助预防停电的发生，加快灾害应急相应，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

人工智能干系事情不仅限于研究实验室。
电池和电网技能初创公司 Lunar Energy 公司利用人工智能软件，帮助客户优化能源利用并减少开销。

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吸收所有数据的系统，不仅为每个客户，还要为电网做出精确的决定。
这便是人工智能和机器学习的力量。
”

Lunar Energy 公司的 Gridshare 软件网络了数万户家庭的数据，网络了用于电动汽车（充电）、洗碗机和空调等设备的能源信息。
结合景象数据，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，但个中一户人家的后院有一棵很高的大树，下午会涌现树荫，因此其电池板产生的能量略低。

任何公用奇迹公司都不可能在家庭层面、依赖人工的力量追踪这种细节，但人工智能使这些打算能够在大规模范围内自动进行。

像 Gridshare 这样的做事紧张是为了帮助个人节省金钱和能源。
但总的来说，它也为公用奇迹公司供应了更清晰的行为模式，帮助他们改进能源方案。
捕捉这些细微差别对付电网相应能力至关主要。

协同电动汽车与电网

虽然电动汽车对清洁能源转型至关主要，但它也对电网构成了巨大寻衅。

WeaveGrid 的联合创始人兼 CTO 约翰塔加特（John Taggart）表示，电动汽车的遍及增加了巨大的能源需求。
他说：“他们（公用奇迹公司）上一次不得不应对这种需求增长是在空调开始遍及的时候。
”

（来源： U.S. Energy Information Administration）

电动汽车的遍及也每每集中在某些城市和社区，这可能会使当地电网不堪重负。
为了减轻这一包袱，总部位于美国旧金山的 WeaveGrid 与公用奇迹公司、汽车制造商和充电公司互助，网络和剖析电动汽车充电数据。

通过研究充电模式和持续韶光，确定最佳的充电韶光，并通过短信或运用程序关照向客户推举何时为车辆充电。
在某些情形下，客户可以付与公司根据电网需求自动充电或放电的完备掌握权，以换取代金券等经济勉励。

这让汽车本身成为了电网宝贵的储好手段。
PG&E、DTE 和 Xcel Energy 等大型公用奇迹公司已在该项目上展开互助。

DTE Energy 是一家总部位于美国底特律、做事于密歇根州南部的公用奇迹公司，它与 WeaveGrid 互助，帮助改进电网方案。
该公司表示，它能够在其做事区域内识别出 2 万户安装电动汽车的家庭，并正在利用这些数据来打算长期负载预测。

在灾害发生之前创造它

几家公用奇迹公司已经开始将人工智能集成到关键运营环节中，特殊是用于检讨和管理输电线路和变压器等物理根本举动步伐。

例如，过度成长的树木是停电的紧张缘故原由，由于树枝可能掉落在电线上或引发失火。
传统情形下须要靠人工检讨，但考虑到输电线路的跨度很大，这可能须要几个月的韶光。

卖力美国加州北部和中部供电的 PG&E 公司一贯在利用机器学习来加快这些检讨。
通过剖析无人机和直升机拍摄的照片，机器学习模型可以识别须要修剪树木的区域，或者确定须要维修的故障设备。

一些公司做的更进一步，利用人工智能评估一样平常景象风险。

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，该系统利用公用奇迹公司关于能源设备性能的历史数据，并将其与环球景象模型相结合，以预测狂风雪或野火等极度景象事宜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，公用奇迹公司可以做出数十项改进来提高电网系统的弹性，但它没有韶光或资金来同时办理所有这些问题。
有了这样的软件，公用奇迹公司现在可以更明智地决定优先履行哪些项目。

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，那么它有可能大略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。

在我们完备实现电网自动化之前，还有几个关键障碍。
安全是最令人关怀的问题。

Qiu 阐明说，目前，电网系统有严格的协议和检讨，以防止在应对潜在停电或设备故障等问题的关键决策中涌现缺点。

“电网必须遵照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打算方面很出色，但在结合现实天下中涌现的操作约束和少见情形方面，它还不是完美无缺的。

这给电网运营商带来了太大的风险，他们的紧张关注点是可靠性。
在缺点的韶光做出一个缺点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等技能主管杰里米伦肖（Jeremy Renshaw）表示，客户数据的匿名化至关主要，这样才能保护敏感信息，比如人们在家的韶光。

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，穷苦社区每每是停电后末了一个规复供电的社区。

当公用奇迹公司重启电网时，根据这些数据演习的模型可能会连续为穷苦社区（地区）分配较低的优先级。

多公司采取人工智能，要开始重视员工培训的主要性，这样员工就可以理解哪些任务适宜交给人工智能处理，哪些任务不适宜。

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