美国的电力系统早就应该进行大修了。 美国土木工程协会 2021 年的一份报告发现，70% 的输配电线路已超过 25 年，因此全国范围内发生大规模持续停电的频率越来越高也就不足为奇了。
去年，加利福尼亚州和德克萨斯州的大停电都是由极端天气事件引发的，导致当地电力供不应求。 随着气候变化助长极端天气事件，工厂和城市管理者越来越多地转向人工智能技术来提前几天预测能源消耗水平，从而减少停电事件的可能性并提高整体电网可靠性。
为了了解当前电网面临的问题，从一个概念来看，它构成了世界上最大、最复杂的机器，我联系了 Beyond Limits 的产品管理总监 Steve Kwan，该公司开发工业人工智能以促进各种领域的增长 行业。
GN：您能解释一下美国电网经理目前面临的一些挑战吗？
Steve Kwan：老化的电网正在经受考验，因为它需要延伸以支持比其设计用于更艰苦环境的用户数量多得多的用户。 从历史上看，电力从发电厂等大型发电机流向消费者。 在正常情况下，天气在电网管理者必须做出的决策中起不到很大的作用。
然而，屋顶太阳能、商业太阳能和风能装置等分布式能源资源的爆炸式增长正在创造更多的场景，电网管理者在决定最佳的电网运营方式时必须考虑这些场景。 现在，有了屋顶太阳能，电力可以在某些情况下“倒流”。 这意味着发电成本会受到天气和阳光条件的很大影响。
这些附加参数会显着影响网格管理器关于如何最好地操作网格的决策。 因此，显然需要一个更具弹性的电网，尤其是在气候变化专家指出全球变暖将导致未来几年自然灾害增加的情况下。 对碳中和和净零排放的呼吁也推动了向绿色能源转型的努力，随着新法规的出台，该行业将不得不适应可能显着改变运营的标准变化。
GN：在网格管理生态系统中，我们在哪里看到 AI 和 ML 技术的渗透？ 这里的用例是什么？
Steve Kwan：AI 和 ML 技术在从过去的行为中学习和预测未来需求的能力方面表现出色。 电网管理最关键的要素之一是需要确保以最低的成本有效地路由和提供电力。 因此，检查是否有足够的电力供应来满足需求始终是一场游戏。
然而，电力供应和需求都在不断变化。 由于人类的需求和活动，电力需求全天都在波动。 供应和需求都受天气条件的影响。 电动汽车和物联网设备的普及也在改变用电模式。 在供应方面，我们生产电力的方式发生了变化，这使得供需匹配变得更加困难。 从减少化石燃料发电到增加可再生能源和气候变化，电网管理在实时和规划未来时都已成为令人头疼的问题。
AI 和 ML 技术正在进入网格生态系统，因为它们能够从使用模式中学习并提供对未来需求的准确预测，使该技术成为网格管理的完美解决方案。 人工智能可以分析工厂产生的大量数据，并准确预测何时会有充足的能源供应来为电池充电，以及何时耗尽电池电量。
人工智能时间范围分析将带来显着改进，使制造商能够看到其运营的全貌。 人工智能可用于筛选所有数据点，包括过去的天气状况、网络的当前状态和潜在的故障点。 因此，电力供应商正在使用 AI 和 ML 技术来优化他们的调度和规划活动、预测市场需求、规划未来业务扩展等。 消费者正在使用这些技术来规划和优化他们的用电行为，以利用多余的电力和定价。
例如，消费者根据使用时间定价决定何时为电动汽车充电，在某些情况下，他们甚至可以通过将住宅电池的电力回流到电网来支持电网需求。
GN：当您谈论能源时，您显然也在谈论环境问题。 在废物和碳排放方面，人工智能可以利用哪些改进？
Steve Kwan：今天，最大的碳排放来源是燃烧化石燃料。 幸运的是，可以利用人工智能技术以多种方式减少这些排放。 人工智能可以帮助工厂和城市管理者提前几天预测能源消耗水平，从而减少能源浪费。 有了这种远见，生产商可以根据预期需求规划他们的运营并精确地产生能源。 人工智能还可以帮助电网管理者知道何时储存能量或切断进入微电网，以实现恒定的能量流动并满足消费需求。 这不仅可以节省能源，还可以通过对考虑线路容量和拥堵的电网施加限制和限制来缓解压力。
除了预测消费水平外，人工智能技术还通过帮助行业向太阳能和风能等可再生能源转型来减少碳排放。 通过使用历史数据和即将发生的天气模式预测天气状况，这些解决方案可以预测自然产生的能源的可用性。 这使管理人员能够预测满足预期需求所需的可再生能源和传统化石燃料能源的组合，同时最大限度地利用可再生能源。 这也使得可再生能源在能源领域更具吸引力，因为这种以前不可预测的能源正变得越来越可靠。
GN：是否对这些新的 AI 技术有任何担忧，或者采用速度可能过快？
Steve Kwan：与所有技术一样，数字 AI 技术必须经过验证和抽查，因为通常情况下，这些是“黑匣子”应用程序，严重依赖于训练数据集的实施和数据质量。 当人类知识和专长被嵌入到数字人工智能技术中时，它们会得到显着改善，从而显着改变结果并产生更好的预测和建议。
GN：人工智能在电网管理中的未来前景如何？
Steve Kwan：随着人工智能和机器学习技术的不断改进，我们将能够增加数据集的规模、频率、速度和模型预测的准确性。 总之，这将为电网运营商提供更好的工具集，以前所未有的方式优化供需匹配。 这为在可提供最大收益的地区进行最佳电网和发电投资创造了机会。 例如，人工智能和机器学习技术可用于优化太阳能和风电场等可再生能源的布局和安装。 更好的电网建模将帮助运营商最有效地路由电力，并允许电网运营商通过最大限度地减少拥堵来降低消费者的总成本。 模型越准确，电网运营商就能够更好地规划其运营并采取缓解措施以应对即将发生的问题。
