赛迪译丛：《利用人工智能加快能源转型》

-1-2022年1月17日第3期总第522期利用人工智能加速能源转型【译者按】2021年9月，世界经济论坛、彭博新能源财经、德国能源署联合发布《利用人工智能加速能源转型》研究报告。报告分析了人工智能技术在能源分散化、数字化和脱碳化转型过程中的巨大需求和应用范围，从设计、赋能、治理三方面提出了九项原则，旨在释放人工智能潜力，助力能源转型。报告为能源公司、政策制定者等利益相关方提出了指导性建议，即加强各方合作、优化市场运作机制、建立更明确的能源数据法规等。赛迪智库规划研究所对该报告进行了编译，期望对我国有关部门有所帮助。【关键词】人工智能能源系统转型建议 -2-2021年8月政府间气候变化专门委员会1发布的第六次评估报告以及近年来日益明显的热浪2、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。一、能源转型需要人工智能目前，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。这需要深入了解并建立更好的机制，来监测和控制电网、建筑、工业设施、运输网络以及其他1政府间气候变化专门委员会(IPCC)是评估与气候变化相关科学的联合国机构。IPCC由世界气象组织和联合国环境规划署始建于1988年，旨在为决策者定期提供针对气候变化的科学基础、其影响和未来风险的评估、以及适应和缓和的可选方案。2热浪，是指天气持续地保持过度的炎热，也有可能伴随有很高的湿度。 -3-能源密集型行业之间的整合及相互作用。数字技术可协调不同的系统，并促进能源领域的信息共享，使复杂的过程实现自动化处理。未来，数字技术将发挥越来越重要的作用，在发电、输电、配电、贸易和消费等传统价值链内部和外部开启新的商业和运营模式，提升性能、节约成本。（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。随着电力在各领域用途的增加，它将成为全球能源供应的核心支柱，这既为电力行业带来新的发展机遇，在能源脱碳化转型的背景下，也将给现有的发电、输电、贸易和配电系统带来新的挑战。（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 -4-碳的重要驱动力。根据彭博新能源财经的估计，在2050年之前，能源系统脱碳转型将需要投入15.1万亿美元用于太阳能、风能发电站建设和14万亿美元用于电网建设。为了在2050年实现全球净零排放的目标，需要在2020至2050年间投资至少92万亿美元用于能源系统基础设施建设。（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。种种动态变化或将挑战电网的稳定性能，甚至引发供电功率不平衡、停电、限电，或者装机容量过剩 -5-等问题。如果没有实时数据分析，未来复杂的电力和能源系统将变得更加难以管理。图1：全球电力系统转型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）。 -6-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。人工智能有望在整个能源产业价值链中得到广泛应用，为企业提供全新的商业模式来增加收入来源，同时有助于企业节支降本（例如通过对现有设备的预测性维护降低设备更换费用），所以人工智能在促进能源转型方面的经济价值难以准确估计。考虑到实现能源转型所需的投资规模，即使人工智能只将投资或能源需求的峰值降低几个百分点，也将为整个行业节省数十亿美元。二、人工智能在能源转型中的应用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 -7-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。图2：按照数据类型，对能源转型中的人工智能应用进行划分太阳能和风能电场选址电网设计和规划分布式可再生能源及设备智能管理材料发现发电厂建设设备运行和维护设备/建筑电力消耗的优化自动化材料合成与实验产品设计改进电网性能监测虚拟发电厂运行设备故障和停电预测维护计划优化发电量预测电力需求预测来源：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 -8-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。根据彭博新能源财经的分析，维护费用占发电总成本的比重达到1%（大型电站级太阳能电场）到20%（海上风电场）。企业通过将人工智能整合到运营和维护流程中来预测故障和停工，从而帮助减少不必要的维护，避免或推迟昂贵的设备更换，实现整体效率的提高。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。 -9-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。根据人工智能预测的短期发电量结果，操作系统可对当地电池储能装置充放电进行调控，从而帮助弥补太阳能和风能电场的短缺。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。此外，即使未来需要将更多的可再生能源装置与电网进行整合，通过人工智能也能保障整个系统的稳定运行。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。人工智能通过分析历史电网数据、发电量以及预测需求，合理选取电网设备的位置和种类，以及快速确定变压器 -10-与电缆的大小规格，在电网设计和规划的战略决策中发挥着重要作用。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。设备运行方面，人工智能通过测量实时温度来确定线路的安全承载上限（而不是采用基于理论和假设的保守温度得到的静态结果），有助于提高输电线路传输容量的利用率。设备维护方面，如果未来低碳能源系统的电网实现延长数百万公里的设想，则定期人工检查的费用也将随之激增，而通过计算机视觉和机器人技术可以分析由直升机或无人机拍摄的视频片段来对电网进行远程检查，同时通过训练让系统具备发现腐朽的电线杆、电线上的鸟巢以及繁茂植被的能力，协助维护人员保障电网安全稳定地运行。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。通过收取输电网、配电网的传感器数据，并使用“电网数字孪生”实时监测性能和整合人工智能技术帮助识别电网运行模式，将加速推进可再生能源电力的普及与融合，也为系统稳定性监测提供了替代方案。（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 -11-能源效率，加快分布式可再生设备的普及和使用。分布式可再生能源及设备智能管理。人工智能可以从大量数据中有效地进行模式识别和流程优化，从而使它成为分布式可再生能源及设备智能管理的优先选项。在分布式可再生电源与其他存储设备互动方面，人工智同样发挥着重要作用，例如人工智能可以帮助家庭用户在电池供电、实地太阳能发电和电网供电之间择优进行切换，从而满足客户追求低成本、自给自足的需求。优化电力消耗。工厂和数据中心通过应用人工智能来分析设备工况和节电方案，来帮助优化电力消耗。通过人工智能分析建筑物的传感器数据和计算机视觉检测结果来确定入住率，并熟悉建筑的热特性，可以降低电力需求。在改变电力需求模式方面，人工智能通过调节用电系统与可再生能源发电的高峰时段相匹配，让需求适应供应，从而减少用户的碳足迹，并让用户成为推动全天候无碳用电的重要动力。“虚拟发电厂”（VPP）运营。除了减少能源需求量或改变需求模式外，人工智能为分布式设备的“虚拟发电厂”运营带来了新的发展机遇。首先，它们通过协调小型发电厂及分布式设备，打造了原本难以企及的电网服务体系。其次，在小型分布式设备实现自动化和自主性的基础上，人工智能不仅能维持用户的设备正常运行、支持电网建设，还能为用户提供的电网服务获取补偿。 -12-（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。材料发现。在该过程中，人工智能被用于在分子水平上筛选潜在的材料，通过预测这些材料的特性，为特定问题找到最佳候选者。自动化合成及实验。人工智能也能与机器人技术相结合，被用于自动化合成及实验，通过性能测试结果合理调节制备过程，可大幅缩减部署新材料研发