“人工智能+能源互联网”前景可期

构建安全高效的能源互联网

《新一代人工智能发展规划》规划的重点任务提出，构建泛在安全高效的智能化基础设施体系。大力推动智能化信息基础设施建设，提升传统基础设施的智能化水平，形成适应智能经济、智能社会和国防建设需要的基础设施体系。加快推动以信息传输为核心的数字化、网络化信息基础设施，向集融合感知、传输、存储、计算、处理于一体的智能化信息基础设施转变。统筹利用大数据基础设施，强化数据安全与隐私保护，为人工智能研发和广泛应用提供海量数据支撑。建设高效能计算基础设施，提升超级计算中心对人工智能应用的服务支撑能力。建设分布式高效能源互联网，形成支撑多能源协调互补、及时有效接入的新型能源网络，推广智能储能设施、智能用电设施，实现能源供需信息的实时匹配和智能化响应。

在基础设施层面，《规划》明确提出，建设分布式高效能源互联网。清华大学能源互联网创新研究院常务副院长高峰指出，能源的发展是一个分久必合、合久必分的过程。能源出现早期就是微能源网，能源就地产生，就地使用。随着负荷越来越大，能源网络越来越复杂、庞大，形成了能源集中供应的局面，出现了一些问题。能源互联网则是能源系统从集中式到分布式，再到分散式，实现泛在的状态。分布式能源还需要有能源站，到了泛在的状态，就不再需要能源站，老百姓从一个能源纯消费者变成了产销者，既消费能源，也生产能源，还可能存储能源。

“建设分布式高效能源互联网，形成支撑多能源协调互补、及时有效接入的新型能源网络，人工智能将起到很大的作用。”高峰表示，“‘互联网+’智慧能源缩写是能源互联网，二者是等价的概念，高效是能源互联网中一个非常重要的特征。高效是指整个分布式系统的能效最大化，设备利用率最大化，投资效率最大化，社会效益最大化和用户效用最大化。”

高峰分析说，“多能源协调互补、及时有效接入”是具有互联网形态的能源系统的状态。现阶段的能源互联网分两大类，一是具有互联网形态的能源系统，像互联网有局域网、广域网、万维网等，能源互联网有微能源网、局域能源网、全球能源网，能源在不同范围内优化配置，可以联网运行，也可以在外面能源系统波动时断开独立运行。第二类是具有互联网形态的能源服务，如同滴滴打车、共享单车这种互联网共享经济。

“传统的能源系统是供电建电网，供热建热网，建电网按照满足电网的峰值去建，建热网按照满足热需求的峰值去建，造成了资源的巨大浪费。其实，热和电是可以互换的，多能源协调互补是能源互联网里面的多种协同理念，实现不同能源的综合优化互补，实现综合投资效率最高。”高峰说。

及时有效接入是能源互联网的另一个目标，就像互联网系统，用户要上网，输入密码随时即可接入。能源将来也会借鉴互联网理念，实现即插即用，及时有效接入。“及时有效接入的新型能源网络要求很多智能化的手段，保证无差别化地接入系统，并能很好地运转，都需要人工智能技术的支撑。这是能源互联网致力于去研究和推进的方向。”高峰介绍说，“能源互联网建设需要推广智能储能设施、智能用电设施，实现能源供需信息的实时匹配和智能化响应。”

人工智能与能源互联网互为支撑

分布式能源的基础设施越来越多，生产的能源曲线是不断变化的，同时用户用能也是不断变化的，集中式能源时代的调度人员无法及时、有效、准确地对分布式能源的供需曲线进行判断和管控，这时候就需要一种有效的辅助工具———人工智能，代替人脑做海量数据优化、分析、判断、决策，发出指令。因此，在能源互联网中，人工智能将得到很好的应用，支撑能源互联网的发展。

“能源互联网分布式协同需要人工智能来支持它的分布式，分布式的优化协同确实需要很多人工智能的手段。”高峰指出。海量的数据怎么分析？怎么对事故预先判断，提前检修维护？怎么判断用户行为，为用户提供更好的服务？这些问题的解决都需要人工智能技术的应用。高峰介绍：“图像识别、语音识别这些人工智能技术目前已有很好的应用，是能源互联网目前重点推动的新兴技术，有非常广阔的前景。”

人工智能需要信息传递，需要海量运算，也需要能源的支撑。高峰介绍，人工智能与能源互联网相互支撑，反过来，分布式能源互联网也将对人工智能的发展起到强大的支撑作用。“人工智能的发展对能源的需求量更大，例如数据中心存储，超算中心进行海量计算，都需要很大量的能源，而且需要能源高效可靠，不能中断。能源互联网与人工智能的发展是一个相辅相成的过程。”高峰说。

“能源互联网+人工智能”可以实现能源的综合优化管控。比如一家咖啡店，有灯光、冰柜、咖啡机等多种用能，以前只能采集到总电量的累积，现在通过“能源互联网+人工智能”，可以分析出哪里是连续使用的灯的负荷，哪里是间歇的咖啡机的负荷，哪里是压缩机的冰箱的负荷，并在此基础上，进行负荷管理。把存量资源盘活，这是能源互联网的核心理念。

高峰指出，人工智能在能源互联网领域的发展有一些瓶颈。现在，阿尔法狗和其他一些人工智能的成功案例都有明确规则和海量训练样本，找到一个合适、有海量数据、有确定规则的样本是比较难的。例如，怎么去判断一个人是否疲劳了？这种模糊的、带生物的状态识别很难。阿尔法狗的成功还在于把算法进行了创新，并不是简单地用人工神经网络去训练。

“人工智能发展，数据壁垒是非常重要的制约。政府要营造人工智能发展的良好环境，就要营造一个开放共享的环境，开放相关的数据，实现百花齐放、大众创新，才有可能在人工智能上取得突破。”高峰说。