AI將助力數(shù)字電網接納“風光電”

　　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“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基礎設施高度集成，共同推動電網體系的變革。

　　除了能對電網進行實時監(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)，有利于電網診斷、優(yōu)化和預測，提高電網的控制水平和資源優(yōu)化水平，挖掘電網運行規(guī)律，從而保證電網運行的安全性、可靠性和經濟性。

　　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故障知識圖譜的智能運維。事實上，應對愈加復雜的電網運行形勢，調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)電網故障處理的智能轉型。

　　調控人員可以通過將經驗提煉為知識，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，還能夠不通過調節(jié)常規(guī)電源出力，轉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。