在现代社会，电力供应是支撑我们日常生活和经济活动的基础。然而，现有的电网系统面临着设计上的局限性，难以满足当前，更遑论未来的电力需求。气候变化的紧迫性进一步加剧了这一挑战，要求我们对能源系统进行根本性的改革。尽管电网基础设施的现代化和发展至关重要，但资源的有限性和预算优先事项的相互竞争使得为这些项目筹集资金变得复杂。此外，如何在不中断关键服务的前提下，对电力系统进行必要的改造，构成了一个更为艰巨的挑战。人工智能的应用为解决电网所面临的诸多挑战提供了新的解决方案。人工智能技术能够在整个电力系统中实现一系列功能，提高电力供应的效率和可靠性，同时降低成本。例如，人工智能在电力市场清算中的应用，可以在现有数据应用的基础上进一步优化市场运作。此外，人工智能工具还能够开辟新的电网交互方式，如通过电动汽车电池的动态充放电来提供灵活的能源存储，这将有助于提升电力系统的整体能源安全。尽管如此，人工智能应用的部署也伴随着网络安全风险、决策的不透明性以及对特定供应商的依赖等潜在问题。随着人工智能技术的快速发展，这些风险中的许多尚未得到充分理解。本报告将详细概述电力系统中人工智能的最先进部署，并探讨人工智能工具可能为电力系统带来的风险与机遇，以及如何平衡这些风险与机遇，以实现电力系统的可持续发展。
我们的生活依赖电力系统，它为日常生活提供动力并支撑关键基础设施。面对气候紧急情况，电力系统需脱碳，转向分散发电和消费点附近的能源生产。这改变了传统的电力价值链，使参与者既是生产者也是消费者。然而，老化的基础设施、资金短缺和现代化需求给电网带来压力。IEA指出，为实现气候目标，电网基础设施需翻倍，投资需从每年3000亿美元增至6000亿美元。电力系统由发电、传输、分配和消费的物理基础设施构成，并通过通信网络连接，人工操作员确保其运行。可再生能源的不稳定性增加了管理难度，同时消费者通过太阳能和电池等技术变得更活跃，需求预测更复杂。电力系统需即时平衡生产、配送和消费，任何冲击都可能导致连锁故障。能源转型带来的新动态可能使传统经验失效。电力系统的复杂性和快速运行对人类操作员构成挑战，人工智能技术成为关键解决方案。人工智能通过算法和计算技术，使系统能从数据中学习并作出决策。“智能电网”是美国能源部定义的全自动、双向电力和信息流动网络，结合分布式智能、宽带通信和自动控制系统。人工智能与物联网（IoT）等数字化技术相结合，通过大量数据输入AI算法，实现快速优化决策。国际能源署预测，到2050年，电网基础设施数字化可节省1.8万亿美元投资，同时促进可再生能源整合和减少供应中断。为实现净零排放，电网投资需翻倍至每年7500亿美元，人工智能的应用有助于识别最有效的投资方向。4. 在电力系统中部署人工智能应用程序的机会、风险和政策选择电力系统的压力和脆弱性构成社会挑战，人工智能应用可助解决。但作为新兴技术，人工智能在电力系统中的机遇和风险尚不明确，尤其在关键基础设施中，不当使用可能带来严重后果。本研究旨在解决这一知识空白，并有以下目的：- 回顾人工智能在电力系统的应用情况，包括技术现状、不同地区的部署水平和相关政策。同时评估人工智能在缓解电力系统压力、解决漏洞和提升功能方面的机遇，以及使用人工智能可能带来的风险。
本报告以能源安全为衡量指标，探讨电力系统中人工智能的机遇与风险。定义能源安全时，我们参考亚太能源研究中心的标准，并扩展了可访问性和可接受性，以覆盖人工智能相关问题：- 可用性（Availability）意味着为满足经济和社会的需要所需的能源随时都是可用的。
- 可负担性（Affordability）与所提供能源的价格有关。较低的能源价格将增加消费者的能源安全，因为为他们获得满足自己需求所需的能源将更便宜。
- 可访问性（Accessibility）涉及到能源供应的采购和运输，以及这可能带来的地缘政治挑战。这一概念扩展到可能限制一个国家对人工智能应用或其电力系统的控制的问题。
- 可接受性（Acceptability）涉及环境问题和关于可持续性的辩论。在本报告中扩展了这一概念，包括人工智能应用程序的社会可接受性。
根据四个维度评估人工智能应用在电力系统中的表现：提高能源的可用性、可负担性、可及性和可接受性。相反，人工智能应用的风险可能降低这些性能指标。本章概述了电力系统中人工智能技术的当前状态，包括人工智能集成的不同方式、在美国、欧盟、中国和英国的商业应用案例，以及这些地区在能源领域使用人工智能的政策环境。部署AI技术是电力系统自动化的新阶段，基于数学、控制理论、计算机科学等进步。人工智能与统计方法的界限模糊，能源公司已使用自动化和大数据分析多年。人工智能技术的提升基于计算能力增强，使新应用比以往更强大。人工智能集成可扩展现有方法，如通过优化硬件或设计新解决方案，例如动态线路额定值（DLR）技术，它利用人工智能增强预测和决策。人工智能还助力新电网互动方式，如大规模电动汽车集成。本报告将AI应用按六个类别分类（图1所示）。AI模型通过分析多源数据，如天气、能源产出和地理信息，提高太阳能和风能发电预测的准确性。此外，AI的持续学习和适应能力随时间提升预测精度。本地化预测增强资产效率，如AI优化风电场的尾流转向，改善涡轮效率。人工智能集成可以通过检测故障、调度维护和分析使用数据来增强操作。这可以降低维护成本和所需的基础设施投资。人工智能可用于更准确地管理电网电压和频率水平，这对于防止不稳定和潜在的停电至关重要，特别是在具有不同能源的复杂电网中。人工智能系统也可以用于在更细粒度的水平上平衡电力系统——例如在管理微电网方面。人工智能可以通过分析历史电力使用情况以及天气模式、经济活动和消费者行为等因素来改善需求预测。这种方法可以更准确地预测未来的电力需求。人工智能处理来自智能电表和物联网设备的实时数据的能力，允许不断更新和及时的预测。人工智能擅长识别能源使用的复杂模式——包括季节变化和使用高峰时间——这些可能被传统方法所忽视。智能电网范式的一个关键维度是需求侧的激活，即以前被动的电力消费者开始在应对电力系统的变化中发挥更积极的作用。例如，在需求响应应用中，消费者在财政上被激励，以减少其电力需求，以应对供应短缺。人工智能可以通过预测高需求时期和启动平衡电网负载的措施来帮助简化DSM。有效地利用储能可以帮助平衡太阳能和风能的波动输出。人工智能应用程序可以使用预测分析，根据能源需求预测、电价和可再生能源发电，确定储能充放电的最佳时间，从而确保能源在最有利的时间被储存或释放。人工智能可以帮助改善电力市场的运行。通过在局部边际定价中利用人工智能，可以在电网内的不同位置设置更准确的电价，反映了电力输送的真实成本，包括拥堵和损失。人工智能算法分析了大量的数据，包括网格拓扑结构、负载模式和生成能力，以确定每个节点的最优价格。人工智能还可以通过快速分析投标和报价，实时匹配供需，从而加快电力市场。这种快速清理对于增加风能和太阳能等可变可再生能源的份额至关重要，因为它使市场能够迅速适应发电和需求的变化。![]()
图1 人工智能应用程序的类别
人工智能技术已在全球范围内得到广泛应用，尤其是在美国、欧盟、中国和英国。这些国家因其在人工智能领域的显著投资和大规模部署而脱颖而出。文献综述表明，这些国家的人工智能工具在电力系统中的应用已达到先进水平。本节将重点分析这些国家在电力系统中人工智能应用的具体实例，展示其在不同应用类别中的部署情况。表1汇总了美国、欧盟、中国和英国发现的人工智能应用程序的类别，突出了它们在电力系统中的应用多样性和深度。![]()
风能和太阳能发电预报：Splict利用人工智能技术为可再生能源提供先进的天气预报。它将能源公司生成的数据与第三方天气信息结合起来，在前一分钟到两周的预报。人工智能也被部署在发电优化和电网平衡过程中。值得注意的平台包括国家可再生能源实验室（NREL）选择软件——使用人工智能算法优化设计和操作的可再生能源系统在建筑和微电网，以及自动电网灵活和恩巴拉的虚拟发电厂（VPP）解决方案，这是人工智能驱动的分布式能源管理系统（DERMS）。通用电气在利用人工智能通过其自主调谐软件，利用数字双燃气轮机模型来减少排放和节省燃料。
C3和Bidgley等公司已经制定了基于算法的负荷预测解决方案，利用历史需求数据和网络相关输入，为能源供应商提供数以百万计的每日实时预测和改进的运营决策。此外，IBM和Oncor之间的跨部门合作伙伴关系开发了一个人工智能驱动的负荷预测系统，可以预测320万先进电表的能源需求和改进的能源使用情况。DSM是由软件公司和能源供应商之间的伙伴关系形成的，比如通用电气数字2021年收购Opus One解决方案能源公司，以整合可再生能源和分布式能源（DERs）。人工智能也在改变能源存储。特斯拉的人工智能驱动的自动竞购者平台管理着超过1.2千瓦时的能源容量，并监督能源资产的实时交易和控制。网格的稳定性和可靠性：荷兰TenneT公司开发了人群平衡平台Equigy，该平台使用区块链技术和人工智能算法来分析来自DERs的数据，预测其能源生产和消费模式，并有效地将DERs集成到网格中。Auto电网的Flex VPP平台部署在法国敦刻尔克的弗兰德雷斯中心，其中包含一个25兆瓦的锂离子系统。VPP为总SE提供了频率调节能力和为法国电网提供实时稳定性的能力。近年来已经生产了几种需求预测工具。挪威的斯塔内特和瑞典的瑞典开发了以人工智能为中心的现代区域控制误差（MACE）概念，利用优化算法、自动储量和可用传输能力在招标区域交换储量。由意大利Enel公司开发的Enel X连接平台，是一个通过大数据分析和人工智能来优化能源需求的数字平台。芬兰初创公司Capalo AI正在开发一种人工智能应用程序，以增强对能源存储系统和电动汽车充电站等灵活能源资产的管理。这项技术有助于储能资产应对电力系统的变化，使将可变可再生能源融入电网变得更容易。一些能源供应商正在生产发电优化软件。ABB开发了BetleGenix，它利用工业物联网（IIOT）将工业数据背景化并提高运营效率，而他们的资产绩效管理（APM）解决方案使用AI和ML来训练和部署预测和规范性模型，促进最佳资产性能。西门子的能源推力系统是一个基于神经网络的风力涡轮机自优化软件，可用于更新较旧的风力涡轮机，使其每年可增加高达5%的电力。自2021年以来，电网平衡工具在商业部门也变得越来越突出。中国国家气象信息中心开发了一个国家风能和太阳能资源气候预测模型，该模型利用人工智能技术对影响可再生能源生产的关键变量进行预测，如风速、太阳能辐射和当地温度。中国国有电力公司国家电网已经在新疆西部乌鲁木齐附近一个约200个家庭的社区中测试了人工智能解决方案，以减少电力中断。电网中的每个节点都配备了人工智能能力，可以决定如何供电。这些功能可以自动定位和修复故障，而无需人工干预。这些技术将使电网在三秒钟内从停电中恢复，而不是目前的6到10个小时。中国还部署了人工智能来检查网络外边缘的电力线。它进行现场图像和视频分析，当检测到差异时及时报警。在主站点的一个独立的人工智能系统不断地优化部署在网络边缘的算法。另一个应用程序使用基于人工智能的红外检测来监测和识别超高压（UHV）电力线中的热波动。中国国家电网建设了中国江苏省首个省级数字电网。虚拟电网结合了物联网应用、北斗卫星导航系统和人工智能应用。该系统可以更容易地确定电网的最佳运行条件。它还可以通过分析能耗数据中的细微异常来自动确定电源故障的位置。开放气候修复是一个非营利性产品实验室，开发了人工智能模型，提供短期的太阳辐照预测，以预测和提高太阳能发电的产量。特别是，人工智能模型改进了对云形成的预测，而传统的天气模型却表现不佳。这些模型正在由国家电网电力系统运营商（ESO）进行部署测试。人工智能也为能源资产的网络和物理安全做出了贡献。黑暗追踪企业的网络免疫系统被Open Energi等公司使用，它利用人工智能智能识别新出现的异常和威胁，并确保能源网络和数字基础设施的安全。RWE在苏格兰的174兆瓦Robin Rigg海上风电场利用潮汐通道预测和先进的模式识别来帮助精确定位和维护最赚钱的涡轮机，并有效地识别和解决异常情况。DSM通过OpenEnErgi的动态需求2.0平台等机制得到支持，该平台响应峰值价格收费、电网频率波动和系统价格不平衡，以优化日常电力使用。EDF能源公司的PowerShift利用了需求侧响应方案，允许客户结合能源产生来源，并根据需求调整其能源使用情况。需求预测的最新发展为资产管理提供了见解，并有助于促进可靠的电力和有弹性的电网。例如，在2020年，苏格兰电力能源网络开始使用与Sia合作伙伴开发的人工智能软件，以最大限度地提高其配电网的容量，预测能源需求，并促进其向配电系统运营商的过渡。GridBeyond开发了一个实时预测解决方案，利用先进的交易策略和分析来优化收入和节约，而该公司基于云的Point平台自动调整功耗以平衡电网。到2024年底，海视图电力公司计划在英国建造世界上第一个商业规模的液体空气储能工厂，以促进英国的可再生能源发电。2.5亿英镑将用于建设一个30兆瓦容量的存储电厂，可以储存300兆瓦时的电力。人工智能被用于生产液体空气储能设施的数字双联机，这将有助于优化工厂的运营，并最大限度地提高其效率和收入流。制定者都在努力应对人工智能在电力系统中应用的影响，各国开始开发单独的方法，在限制人工智能的同时收获人工智能的好处，同时限制风险。在本节中，我们将概述选定国家的政策行动。我们注意到，美国和欧盟在其电力系统中部署人工智能方面拥有最先进的政策框架。中国正在发展对生成式人工智能的广泛监管，但这并不直接适用于能源系统。与此同时，自2021年发布人工智能战略以来，英国的针对性政策活动似乎较少。
大多数关于能源安全的政策文件——包括2022年的能源安全和独立法案和2023年国防部的能源运营战略——都没有明确提到人工智能。未来的人工智能计划可能为将人工智能纳入联邦能源和基础设施政策铺平道路。此外，美国国家标准与技术研究院（NIST）制定了自愿性人工智能风险管理框架，以便在所有部门负责任地使用人工智能并降低风险。美国能源部在开发和管理能源系统的人工智能应用程序方面发挥着积极作用。《2020年国家人工智能倡议法案》强调了能源部的人工智能研究项目作为在国防部和更广泛的能源部门开发人工智能工具和能力的机制。美国能源部还拥有一个人工智能与技术办公室（AITO），并开发了人工智能风险管理手册（AIRMP），作为人工智能风险识别和推荐的缓解措施的参考指南。最后，它开发了美国能源部人工智能用例清单，突出了针对能源的人工智能应用。2023年10月，拜登政府发布了一项关于人工智能的行政命令，指示能源部长发布一份公开报告，概述人工智能在改善电网规划、许可、投资和运营方面的潜力。目前正在敲定世界上第一个全面的人工智能法。拟议中的人工智能法案采取了一种基于风险的监管方法，旨在通过促进值得信赖的人工智能来平衡创新和维护公民的权利。它认为在电力系统管理和运行中部署人工智能应用具有高风险。因此，这些申请将符合强制性要求和事前确认性评估。人工智能只在欧盟能源政策中被提及。在欧洲绿色协议中，人工智能被列为实现可持续性目标和克服环境障碍的关键推动因素。在欧盟安全联盟战略中，人工智能被认为是预测和减轻未来风险的使能者和工具，与能源或基础设施保护没有直接联系。目标是发展一个可持续、安全、透明和有竞争力的数字能源服务市场，欧盟采用了数字化的能源行动计划，旨在使结构合作欧洲能源数字创新中心（EDIHs）和人工智能测试和实验设施（AI TEFs）建立在数字欧洲计划和欧盟创新者网络和研究机构建立在战略能源技术计划（设置计划）。在制定具有约束力的国家人工智能法规方面一直处于领先地位。到目前为止，这些法规主要集中在人工智能的社会层面。例如，中国制定了一项关于深度综合互联网信息服务管理的规定，禁止生成“假新闻”，并强制将综合生成的内容贴上标签。中国还发布了一份生成式人工智能法规草案。中国国家能源委员会（NEC）是国务院负责制定能源政策的最高级别机构。2023年3月，国家发改委推动人工智能应用于电力系统的智能决策。2021年国家人工智能战略将能源人工智能的开发作为关键优先事项。人工智能也被认为是一种优化电力、降低成本和实现气候目标的机制。然而，在2022年的英国能源安全战略或2023年的能源安全计划中都没有提到人工智能。在另一份声明中，英国政府拨款400万英镑用于开发与电力系统相关的人工智能解决方案。这似乎表明，英国政府在人工智能和能源方面有许多平行的努力，这些努力可以更加精简和整合，以避免重复。
后续内容请关注《人工智能技术服务电力系统的风险与机遇（下）》
参考资料:
《利用人工智能改善能源安全——探索在电力系统中部署人工智能应用的风险和机遇》
（The use of AI for improving energy security: Exploring the risks and opportunities of the deployment of AI applications in the electricity system）
![]()
索要报告原文及译文，请扫码添加小编联系！
