人工智能如何优化电网技术探析

问：为什么电网首先需要优化？

我们需要在每一时刻都精确维持输入电网的电量与输出电量之间的平衡。但在需求侧，存在一些不确定性。电力公司不会要求客户预先登记他们将使用的电量，因此必须进行一些估算和预测。

在供应侧，电网管理者通常需要对成本和燃料供应的变化做出响应。由于整合了随时间变化的可再生能源（如太阳能和风能），这一问题变得更为突出，因为天气的不确定性会极大影响可用电力的多少。同时，根据电力在电网中的流动方式，部分电力会因电线电阻发热而损失。因此，作为电网运营商，如何确保这一切始终正常运行？这正是优化要解决的问题。

问：人工智能如何在电网优化中发挥最大作用？

人工智能的一个助益方式是结合历史和实时数据，对特定时间内可获得的可再生能源电量做出更精确的预测。这能使我们更好地处理和利用这些资源，从而实现更清洁的电网。

人工智能还可以帮助解决电网运营商必须处理的复杂优化问题，以便在降低成本的同时平衡供需。这些优化问题用于决定哪些发电机组应该发电、发多少、何时发电，以及电池何时充放电，是否能利用电力负荷的灵活性。这些优化问题的计算量非常大，以至于运营商不得不使用近似法，以便在可行的时间内求解。但这些近似法常常出错，当我们将更多可再生能源接入电网时，误差会变得更大。人工智能可以通过更快地提供更精确的近似值来提供帮助，这些近似值可以实时部署，帮助电网运营商做出响应性、前瞻性的电网管理。

人工智能在新一代电网的规划中也很有用。电网规划需要使用庞大的仿真模型，因此人工智能可以在提高这些模型的运行效率方面发挥重要作用。该技术还可以通过检测电网可能发生异常行为的位置来帮助进行预测性维护，从而减少因停电造成的低效率。更广泛地说，人工智能还可用于加速旨在创造更好电池的实验，这将使更多来自可再生能源的电力得以并入电网。

问：从能源领域的角度来看，应如何看待人工智能的利弊？

需要记住的重要一点是，人工智能指的是一系列异构技术。所使用的模型类型、规模以及使用方式各不相同。如果使用的模型是在较少数据、较少参数的情况下训练的，其消耗的能源将远小于大型通用模型。

在能源领域，有许多场景下，如果将这些特定应用的人工智能模型用于其预期用途，其成本效益权衡是划算的。在这些情况下，这些应用正从可持续性的角度带来益处——例如将更多可再生能源纳入电网和支持脱碳战略。

总体而言，重要的是思考我们对人工智能所做的投资类型是否真正匹配我们希望从人工智能中获得的益处。在社会层面上，我认为目前这个问题的答案是“不”。目前对人工智能特定子集技术的开发和扩展投入巨大，而这些技术并非能在能源和气候应用中产生最大效益的技术。我并非说这些技术毫无用处，但它们确实资源密集，同时却并非能源领域可感受到的主要益处的来源。

我对开发能够尊重电网物理约束的人工智能算法感到兴奋，这样我们就能可靠地部署它们。这是一个难以解决的问题。如果一个大型语言模型说了些略微不正确的话，作为人类，我们通常能在脑中纠正。但如果在对电网进行优化时犯下同样程度的错误，就可能导致大规模停电。我们需要以不同的方式构建模型，但这也提供了一个机会，让我们能从对电网物理原理的认知中受益。

更广泛地说，我认为技术领域的从业者必须努力促进建立一个人工智能开发和部署的更民主化的体系，并且其方式应与实际应用的需求相一致。FINISHED