2024年11月2日，由北京大学和思克莱德大学主办的第二届中英可持续发展与脱碳专题研讨会（The 2nd Joint China-UK Expert Symposium on Sustainable Development and De-carbonisation）在北京大学经济学院召开。会议汇聚了中英两国学者，围绕一系列与可持续发展有关的议题展开讨论，包括如何通过创新形式推动区域可持续发展、可持续的脱碳电力系统、经济和金融政策在实现可持续发展中的作用、探索可持续发展前景等。
11月2日上午，分论坛二开展了以“转变能源格局：电力系统脱碳，实现可持续未来（Transforming Energy Landscapes: Decarbonizing Electrical Power Systems for a Sustainable Future）”为主题的讨论，分论坛二由思克莱德大学副校长兼工程学院执行院长Stephen McArthur和北京大学工学院副院长杨越联合主持。
会议现场
思克莱德大学工程学院研究副院长Campbell Booth教授作了以“Data-centric Optimization in Renewable-dominated Smart Grid”为主题的学术报告。他首先介绍了英国能源系统的相关情况。2035年英国电力需求将增长50%，2050年将实现翻倍，这种增长主要由建筑、交通和工业等领域的需求推动。面对这种迅速增长的趋势，Campbell Booth的团队合作开展了ENSIGN项目，该项目着重于数字孪生实验设施的开发，以提高能源管理的效率和可靠性，更好地应对未来的能源需求的挑战。ENSIGN项目与英国电力输送公司SP Energy Networks（SPEN）也形成了良好合作，在SPEN中的应用包括使用实时条件数据预测资产故障，通过模拟不同情景优化输电网络的性能，评估添加新能量源对电网的影响，利用数字孪生技术自动化当前手动执行的任务，识别和预测网络性能问题，为员工提供一个安全可控的模拟环境，以培训他们的技能和测试新的程序四个方面。他指出，尽管电力系统将变得更加复杂，但要更加精准地识别面临的挑战与机遇，寻找更加可行有效的解决方案。
Campbell Booth发表演讲
思克莱德大学洪启腾副教授以“Challenges and Potential Solutions for Monitoring and Control of Decarbonised Power Systems”为题目深入探讨了英国在2035年实现净零排放电力系统的应对之道。他指出，随着电力需求的显著增加，特别是在供暖和交通领域的电气化，电力系统面临着新的负担。然而，这一挑战也带来了发展低碳和零碳能源的巨大机遇。目前，风能、太阳能、核能、氢能和生物能源等多种可再生能源的应用正在提速，推动国家向可持续能源未来转型。洪启腾指出，为了确保系统的稳定性，振荡监测与控制技术显得尤为重要。他介绍了新兴的同步波单元（SWU）技术及其在振荡监测中的应用。通过结合数据与领域知识，并进行相关性和因果分析，SWU能够实现实时的决策支持和态势感知，帮助电网更好地应对突发事件。此外，分布式能源资源（DERs）的数字孪生（DTs）技术发展迅猛，尽管受到数据报告频率等多种因素的影响，却依然是提升系统可视性和稳定性的重要手段。一些报告指出，高报告率能够提高监测准确性，但同时也对通信基础设施提出更高的要求。最后，洪启腾提到，上述种种创新和策略，为未来电网的稳定高效运行提供了新的思路，也为实现2035年净零目标奠定了基础。这不仅是技术上的挑战，更是全社会向可持续未来迈进的关键一步。
洪启腾发表演讲
北京大学助理研究员王剑晓博士以“Data-centric Optimization in Renewable-dominated Smart Grid”为主题作汇报，其中重点介绍了如何量化智能电网优化中的数据价值。随着可再生能源主导型电力系统的快速发展，以及其本身固有的可变性和分散性，电力系统的运行模式发生根本性转变。为应对电力系统运行中更复杂的问题，必须更多地依赖人工智能。尽管AI4S在基础科学领域获得了广泛的欢迎，但电气工程领域的探索仍处于早期阶段。为更加有效地量化电气领域在线数据资产的价值，王剑晓及其团队提出一个更加有效的数据估值过程。首先要计算数据质量，第二步和第三步是进行效用和经济价值的计算。其中，预测精度以指数形式回归，与不同数据集的香农熵和非噪声比有关。与传统的SVM算法相比，更大的数据集有助于神经网络实现更低的预测误差，实现更加有效的估计。他利用上述模型，基于中国2017/18年逐小时风电数据的研究发现，去除25%的低价值数据可以将省级预测准确率提高10.5%。其团队将方法扩展到中国25个省份后发现，中部地区由于独特的气候，表现出较高的功率方差集中度和数据值敏感性。由于数据值更为敏感，这一现象为这些政府或发电公司提供了建议，以进行更谨慎的数据积累和治理。
王剑晓发表演讲
中国电力科学研究院有限公司的首席研究科学家王轶申博士以“AI For Scientific Computing in Power Systems: Techniques and Prospectives”为题进行了分享。他提到，结合AI4S与电力系统经典物理方程与数学求解方法，开展配网运行等领域的推演建模、计算求解等科学任务，以实现智能计算技术形态赋能电力应用。王轶申及其团队以大模型为基础，通过行业级预训练和微调技术，构建了强大的电力知识理解与生成、复杂任务处理、大规模模型迁移与泛化，以及高效模型研发支持等核心能力。该模型通过结合知识与经典电力系统模型的三种主要形式，包括纯数据驱动模型、弱约束模型和强约束模型，成功应用于时间序列预测、仿真分析和优化决策等任务。同时，基于Transformer和图神经网络（GNN）等神经网络架构，构建了用于电网计算的基础模型，进一步提升了模型的应用范围和效果。在具体应用场景中，该模型在设备建设、调度交易、资产运营和市场分析等方面表现出色，也能够为电力行业的智能化发展提供强有力的支持。
王轶申发表演讲
相关阅读
北京大学经济学院举办第二届中英可持续发展与脱碳专题研讨会
供稿单位：国际交流与合作办公室
供稿人：王盈斐
美编：初夏
责编：度量、雨禾、雨田
