科技|為什么人工智能可能成為未來電網的關鍵？

2017-08-28 15:25:12 36大數據　點擊量：評論 (0)

2016年英國電力結構為60年來最清潔的一年，其中可再生能源發電（主要來自風能和太陽能）的裝機容量達到了歷史新高。但是，可再生能源這種大規模擴張的一個問題在于，它們的存在是斷斷續續的。這意味著，我們獲得

2016年英國電力結構為60年來最清潔的一年，其中可再生能源發電（主要來自風能和太陽能）的裝機容量達到了歷史新高。但是，可再生能源這種大規模擴張的一個問題在于，它們的存在是斷斷續續的。這意味著，我們獲得這些能源要看天氣條件，比如起風或出太陽。這也意味著，它們不一定能夠像傳統電力那樣滿足需求的激增。因此，近年來很多新聞報道都提到了“燈熄”問題。

作為英國電網的運營商，英國國家電力供應公司（NationalGrid）有數種辦法確保供應始終能夠滿足需求。對于時間持續較短的發電缺口，該公司要求電力供應商不要開足傳統發電站的潛在最大發電量，并在有需要時提高發電量。

對于持續時間較長的發電缺口，該公司會確保發電站（尤其是天然氣發電站）一直保持待命狀態。在一年時間中，有些發電站可能只會被要求開機發電數十到數百小時。除了增加碳排放之外，運行發電站進行這種短期干預的成本也是十分高昂的。

如何應對這個問題呢？我們可以縮減可再生能源發電的裝機容量，反過來讓傳統電力變得“更環保”，辦法就是消除排放物中的二氧化碳，并將之埋入地下。至于這些碳捕獲技術何時能夠具有大規模應用的商業可行性，人們莫衷一是。在英國，兩個由政府發起的項目由于成本方面的擔憂和部門之間的分歧而不幸陷入了困境。

另一種方法是安裝非常大的（“電網規模”）電池，它們能夠存儲由可再生能源產生的電力，并在有需要時釋放出來。近來，這種方法引起了很多關注。但考慮到當前電池技術的成本，這種電網規模的儲電設施需要不菲的前期投資。

按需解決方案

當研究人員對這些問題展開研究時，英國也在開發一種被稱為“需求側響應”（demand-sideresponse）的替代方案。該方案的一個方面涉及，對那些能夠在短時間內減少電力使用的消費者給予獎勵——這里的消費者可以是大型的工業級客戶，也可以是使用電力取暖、制冷、照明乃至冷藏的普通人。

需求側響應的另一個方面則涉及，請求那些擁有蓄電設備的客戶來幫助平抑電力需求的激增。舉例來說，如果你的房屋配備了太陽能電池板和相應的電池儲能單元，通過把電池接入電網，你就有可能在償還設備費用時獲得優惠。該類別的其他設備還包括電動車輛以及醫院/大學所使用的不間斷電源（UPS）系統。

這兩種類型的需求側響應已經在進行當中。一些工業級的電力客戶以及某些其他公司（比如酒店運營商）簽署了減少電力使用的合同；與此同時，國家電力供應公司一直在為蓄電計劃吸引廣泛參與者的興趣，并且已經在英國的部分地區開始施行。這些蓄電計劃是部署電網規模電池的替代方案，如果我們能夠在足夠大的規模上施行，那么它們的經濟效益就有望得到大幅提升。

燈泡點亮的時刻？

問題是，一旦客戶池超出了一定的規模，這些計劃就會變得更加復雜。舉例來說，要想知道哪些客戶會參與進來以及應該開出什么樣的價目，這就要求理解客戶設備的可用性能夠達到何種程度以及需要為此付出怎樣的代價。

在一個客戶池建立起來之后，其中某些設備可能并不總能用來蓄電或者在有需要時平抑需求。這需要被考慮到計算之中，既是為了最大限度地減少電網中斷，也是為了激勵客戶在這些時候參與進來。

此外，這些計劃也可能產生不良反應，比如電力消費大規模同時反彈。舉例來說，當一段需求側響應期結束后，很多冰箱將消耗額外的電力，來讓內部溫度降到所需水平之下。

最后，這里還存在著一個潛在的重要安全問題：用一個中央系統來從眾多設備收集關于能源使用的數據，這容易引發惡意攻擊和信息篡改，從而可能破壞電網平衡，以及讓計費系統出現混亂。

人工智能如何起到幫助作用

面對這些挑戰，新興的人工智能技術似乎提供了答案。舉例來說，在挑選最佳參與者的時候，電網運營商將能通過審查來自智能電表和傳感器的數據，使用尖端機器學習技術對個體設備和電池儲能單元的行為建模。

一旦電池組或儲能單元加入蓄電計劃，電網運營商就應該能夠通過對其充電/放電數據使用預測算法，估測出它們的有效壽命。然后，運營商將向電池主人給出適當的補償，還有一個額外的激勵因素是電池主人可以了解其電池的使用壽命。

未來將會發生什么

在涉及到管理池中的設備時，人們曾認為可以使用個體智能電表或控制設備，把它們的數據饋入一個位于云端的中央服務器。不過，智能電表價格昂貴，而且短時間的需求側響應需要云端服務器在幾毫秒之內完成數據分析——一旦池中的設備成千上萬，那看起來就不具備可行性了。

另一種方法是安裝計量裝置，讓它們對電網的需求水平進行檢測，然后相應地降低功率。這些裝置能夠減輕中央服務器的壓力，而且它們只需要進行站點層級的計量，不需要監測每臺電氣設備。不過，要協調所有這些計量裝置的個體決定，這里仍然存在一個復雜的控制問題。在赫瑞瓦特大學（Heriot-WattUniversity），我們正研究利用基于人工智能的算法加以解決。

另一條路線的人工智能研究借鑒了算法博弈論，試圖開發一種獎勵/懲罰機制，以確保池中有足夠多的客戶愿意參與進來，并在有需要時真地做出響應。此外，研究人員還看好區塊鏈協議，認為比特幣所使用的這種技術能夠為一種分散式的總帳系統提供支持，從而避免使用中央系統存儲用戶數據的安全風險。

在英國和其他地方，很多人工智能研究團隊正在應對上述挑戰，而一些初創公司已經開始研發這樣的系統用于實踐——例如，相對簡單的機器學習技術已經開始被投入使用。未來幾年，在全世界實現更智能需求側響應的努力中，英國有很大的可能走在前列。