推進能源生產和消費智能化，人工智能將起到有力的支撐作用。反過來，“互聯網+”智慧能源也將支撐人工智能的發展。
構建安全高效的能源互聯網
《新一代人工智能發展規劃》規劃的重點任務提出，構建泛在安全高效的智能化基礎設施體系。大力推動智能化信息基礎設施建設，提升傳統基礎設施的智能化水平，形成適應智能經濟、智能社會和國防建設需要的基礎設施體系。加快推動以信息傳輸為核心的數字化、網絡化信息基礎設施，向集融合感知、傳輸、存儲、計算、處理于一體的智能化信息基礎設施轉變。統籌利用大數據基礎設施，強化數據安全與隱私保護，為人工智能研發和廣泛應用提供海量數據支撐。建設高效能計算基礎設施，提升超級計算中心對人工智能應用的服務支撐能力。建設分布式高效能源互聯網，形成支撐多能源協調互補、及時有效接入的新型能源網絡，推廣智能儲能設施、智能用電設施，實現能源供需信息的實時匹配和智能化響應。
在基礎設施層面，《規劃》明確提出，建設分布式高效能源互聯網。清華大學能源互聯網創新研究院常務副院長高峰指出，能源的發展是一個分久必合、合久必分的過程。能源出現早期就是微能源網，能源就地產生，就地使用。隨著負荷越來越大，能源網絡越來越復雜、龐大，形成了能源集中供應的局面，出現了一些問題。能源互聯網則是能源系統從集中式到分布式，再到分散式，實現泛在的狀態。分布式能源還需要有能源站，到了泛在的狀態，就不再需要能源站，老百姓從一個能源純消費者變成了產銷者，既消費能源，也生產能源，還可能存儲能源。
“建設分布式高效能源互聯網，形成支撐多能源協調互補、及時有效接入的新型能源網絡，人工智能將起到很大的作用。”高峰表示，“‘互聯網+’智慧能源縮寫是能源互聯網，二者是等價的概念，高效是能源互聯網中一個非常重要的特征。高效是指整個分布式系統的能效最大化，設備利用率最大化，投資效率最大化，社會效益最大化和用戶效用最大化。”
高峰分析說，“多能源協調互補、及時有效接入”是具有互聯網形態的能源系統的狀態。現階段的能源互聯網分兩大類，一是具有互聯網形態的能源系統，像互聯網有局域網、廣域網、萬維網等，能源互聯網有微能源網、局域能源網、全球能源網，能源在不同范圍內優化配置，可以聯網運行，也可以在外面能源系統波動時斷開獨立運行。第二類是具有互聯網形態的能源服務，如同滴滴打車、共享單車這種互聯網共享經濟。
“傳統的能源系統是供電建電網，供熱建熱網，建電網按照滿足電網的峰值去建，建熱網按照滿足熱需求的峰值去建，造成了資源的巨大浪費。其實，熱和電是可以互換的，多能源協調互補是能源互聯網里面的多種協同理念，實現不同能源的綜合優化互補，實現綜合投資效率最高。”高峰說。
及時有效接入是能源互聯網的另一個目標，就像互聯網系統，用戶要上網，輸入密碼隨時即可接入。能源將來也會借鑒互聯網理念，實現即插即用，及時有效接入。“及時有效接入的新型能源網絡要求很多智能化的手段，保證無差別化地接入系統，并能很好地運轉，都需要人工智能技術的支撐。這是能源互聯網致力于去研究和推進的方向。”高峰介紹說，“能源互聯網建設需要推廣智能儲能設施、智能用電設施，實現能源供需信息的實時匹配和智能化響應。”
人工智能與能源互聯網互為支撐
分布式能源的基礎設施越來越多，生產的能源曲線是不斷變化的，同時用戶用能也是不斷變化的，集中式能源時代的調度人員無法及時、有效、準確地對分布式能源的供需曲線進行判斷和管控，這時候就需要一種有效的輔助工具———人工智能，代替人腦做海量數據優化、分析、判斷、決策，發出指令。因此，在能源互聯網中，人工智能將得到很好的應用，支撐能源互聯網的發展。
“能源互聯網分布式協同需要人工智能來支持它的分布式，分布式的優化協同確實需要很多人工智能的手段。”高峰指出。海量的數據怎么分析？怎么對事故預先判斷，提前檢修維護？怎么判斷用戶行為，為用戶提供更好的服務？這些問題的解決都需要人工智能技術的應用。高峰介紹：“圖像識別、語音識別這些人工智能技術目前已有很好的應用，是能源互聯網目前重點推動的新興技術，有非常廣闊的前景。”
人工智能需要信息傳遞，需要海量運算，也需要能源的支撐。高峰介紹，人工智能與能源互聯網相互支撐，反過來，分布式能源互聯網也將對人工智能的發展起到強大的支撐作用。“人工智能的發展對能源的需求量更大，例如數據中心存儲，超算中心進行海量計算，都需要很大量的能源，而且需要能源高效可靠，不能中斷。能源互聯網與人工智能的發展是一個相輔相成的過程。”高峰說。
“能源互聯網+人工智能”可以實現能源的綜合優化管控。比如一家咖啡店，有燈光、冰柜、咖啡機等多種用能，以前只能采集到總電量的累積，現在通過“能源互聯網+人工智能”，可以分析出哪里是連續使用的燈的負荷，哪里是間歇的咖啡機的負荷，哪里是壓縮機的冰箱的負荷，并在此基礎上，進行負荷管理。把存量資源盤活，這是能源互聯網的核心理念。
高峰指出，人工智能在能源互聯網領域的發展有一些瓶頸。現在，阿爾法狗和其他一些人工智能的成功案例都有明確規則和海量訓練樣本，找到一個合適、有海量數據、有確定規則的樣本是比較難的。例如，怎么去判斷一個人是否疲勞了？這種模糊的、帶生物的狀態識別很難。阿爾法狗的成功還在于把算法進行了創新，并不是簡單地用人工神經網絡去訓練。
共0條 [查看全部] 網友評論