解讀《重構地球:AI FOR FEW》能源部分
人工智能(AI)被普遍認為是開啟第四次工業(yè)革命大門的鑰匙。每一次工業(yè)革命都意味著社會生產(chǎn)力的巨大變革,第四次工業(yè)革命必然將再一次廣泛而深遠地影響人類的生產(chǎn)和生活方式,這種影響甚至是顛覆性的。
食物、能源和水是人類賴以生存與發(fā)展的基礎,在龐大的人口壓力下,食物危機、能源危機和水危機不斷沖擊人類共同擁有的美好家園。
騰訊首席探索官網(wǎng)大為(David Wallerstein)以全新的理念面對全球危機,深入探討AI技術在解決食物、能源、水三大問題上的前景及路徑,撰寫了《重構地球:AI FOR FEW》一書。
人工智能技術目前在能源的應用才剛剛開始,但它具有無限的潛力和廣闊的發(fā)展前景。能源的可持續(xù)發(fā)展問題是人類共同面對的終極挑戰(zhàn),而AI技術成為我們應對這些挑戰(zhàn)的一個強有力的武器。
AI和大數(shù)據(jù)結合,為電網(wǎng)“捕風捉影”
《重構地球:AI FOR FEW》一書指出,運用AI技術,能夠更好地保障可再生能源消納,挖掘新能源發(fā)展?jié)摿?。伴隨技術的融合,AI技術和大數(shù)據(jù)技術已經(jīng)在可再生能源消納領域得到了一定應用,并取得了顯著成效。
近年來,隨著電網(wǎng)數(shù)字化和信息化技術日漸成熟,發(fā)、輸、配、用各環(huán)節(jié)數(shù)據(jù)均得到有效采集,數(shù)據(jù)量與日俱增。然而面對海量的電力數(shù)據(jù),傳統(tǒng)技術已無法滿足數(shù)據(jù)處理需求,更不能深入挖掘數(shù)據(jù)價值,因此AI技術和大數(shù)據(jù)技術應運而生。
相比傳統(tǒng)數(shù)據(jù),大數(shù)據(jù)具有數(shù)據(jù)量增長快、維度多等特點,能夠為預測性分析提供依據(jù)。AI技術和大數(shù)據(jù)技術相結合,可以將先進的傳感量測技術、信息通信技術、分析決策技術、自動控制技術與電網(wǎng)基礎設施高度集成,共同推動電網(wǎng)體系的變革。
除了能對電網(wǎng)進行實時監(jiān)控和檢測、保證系統(tǒng)的安全運行之外,AI還能進一步挖掘歷史數(shù)據(jù)和實時數(shù)據(jù),有利于電網(wǎng)診斷、優(yōu)化和預測,提高電網(wǎng)的控制水平和資源優(yōu)化水平,挖掘電網(wǎng)運行規(guī)律,從而保證電網(wǎng)運行的安全性、可靠性和經(jīng)濟性。
AI和大數(shù)據(jù)結合,還能促進可再生能源接入,為清潔能源發(fā)展做好準備。當前傳統(tǒng)可再生能源發(fā)電出力預測方法由于缺乏系統(tǒng)級綜合考慮,其預測誤差部分時段甚至超過50%;同時較大的預測誤差往往造成系統(tǒng)很難完全跟蹤可再生能源發(fā)電出力,從而難以保障可再生能源有效消納。
而AI技術和大數(shù)據(jù)技術基于區(qū)域觀測數(shù)據(jù)、機組運行數(shù)據(jù)、氣象數(shù)據(jù)、地理信息數(shù)據(jù)四大類動靜態(tài)風電數(shù)據(jù)資源,利用Hadoop等成熟技術,搭建海量數(shù)據(jù)環(huán)境下的數(shù)據(jù)挖掘算法和行為分析框架,實現(xiàn)TB、PB級的大數(shù)據(jù)處理能力,預測精度在沿海地區(qū)達到90%以上,在內(nèi)陸省份達到80%左右。在光伏出力預測方面,基于大數(shù)據(jù)建立光伏電站功率預測模式,聯(lián)動數(shù)值氣象預報,可精細化考慮沙塵、霧霾對太陽輻射的影響,超短期預測精度達到95%,短期預測精度達到90%以上,中長期預測精度在80%以上。
AI技術助力基于電網(wǎng)故障知識圖譜的智能運維
《重構地球:AI FOR FEW》指出,AI技術能助力基于電網(wǎng)故障知識圖譜的智能運維。事實上,應對愈加復雜的電網(wǎng)運行形勢,調(diào)度運行控制通過利用事前、事中、事后全過程的智能技術支撐手段,已實現(xiàn)電網(wǎng)故障處理的智能轉(zhuǎn)型。
調(diào)控人員可以通過將經(jīng)驗提煉為知識,形成故障知識圖譜,并結合AI技術,可主動、快速、全面掌握故障處理的關鍵信息,為故障處理提供相應的輔助決策,從而有效控制電網(wǎng)事故的發(fā)生和發(fā)展。
隨著技術與電力改革進程的加快,用能企業(yè)對于自身的能源管理意識增強。同時,用戶側新能源、儲能的興起,使許多用能用戶不再只是能源的消費者,也是能源的供應者。
智能化的配用電監(jiān)測系統(tǒng)和能源管理系統(tǒng),能實現(xiàn)對用戶側能源系統(tǒng)的監(jiān)測、維護和優(yōu)化,降低用能成本,同時針對電網(wǎng)需求或電價信號,能實現(xiàn)需求側響應和進一步降低用戶用能成本。有研究指出,僅僅使用能用戶能夠可視化了解企業(yè)的用能情況,用能用戶就能做出10%的節(jié)能優(yōu)化決策。
在需求側,需求側管理作為智能電網(wǎng)中重要的功能之一,可以讓用戶對其能源供應者減少高峰負荷需求,重塑負荷曲線。這樣可以增強智能電網(wǎng)的可持續(xù)性,降低整體運營成本和碳排放水平。傳統(tǒng)能源管理系統(tǒng)中現(xiàn)有的需求側管理策略大多采用系統(tǒng)特定的技術和算法,只能處理有限數(shù)量和有限類型的可控負載。
目前,智能設備為準確把握用戶級的負荷提供了基礎。通過結合用戶用電負荷感知來挖掘電力市場下負荷的靈活性,可以增加靈活性調(diào)節(jié)空間。
隱馬爾科夫模型、聚類算法、遺傳算法、機器學習等AI技術在負荷辨識、多用戶協(xié)調(diào)控制、錯峰控制等方面有很好的應用。此外,在電力市場不斷發(fā)展的背景下,還能夠不通過調(diào)節(jié)常規(guī)電源出力,轉(zhuǎn)而利用市場手段使得一部分用戶主動削減或者增加負荷,從而平抑發(fā)電側出力變化,實現(xiàn)通過需求側管理優(yōu)化系統(tǒng)調(diào)度運行。
在預測分析層面,能源供應者需要盡可能準確地預測需求變化、系統(tǒng)過載和可能出現(xiàn)的故障,因為在能源領域出錯的成本非常高,因此迫切地需要能源供應商改進其預測分析方法,以降低成本、節(jié)約電力、提高可再生能源利用水平,為不斷變化的環(huán)境做好準備,從而為用戶提供更好的服務。
評論