微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 电力公司借助AI增强电网弹性 以保证供需平衡

电力公司借助AI增强电网弹性 以保证供需平衡

2021-03-30 15:24
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-03-30 15:24 科技行者

美国电网曾被视为世界上最稳定、最安全的电力系统。但随着新兴挑战对电网运营商造成的层层冲击,美国电网也迎来了自己的系统转型。除了预期当中的电力需求激增之外,新型电动汽车与物联网支持对于数字化系统的迫切需求也成为电网转型的重大驱动力。再加上可再生资源天然具备的不稳定性因素,美国必须尽快建立起新一代电网体系、通过新的可充电设施提供强大的蓄电能力。

电力公司借助AI增强电网弹性 以保证供需平衡

面对这些现实问题,人工智能(AI)凭借自身强大的数据处理与复杂问题解决能力,成为指导电网转型的中坚力量。行业专家目前一致认为,AI将成为构建未来智能电网的必要基础。

通用电气部门GE Digital首席技术官Colin Parris表示,“我们主要关注两大核心。首先就是减少人类活动的碳排放量。此外,我们还需要考虑如何清退燃烧发电厂并转向天然气发电设施。”

此外,运营方还需要采取措施以增强电网弹性,防止因灾害性天气事件导致的重大电力中断事故。过去一年以来,出于种种不同原因,美国已经有两个州以惨痛的现实教训表明现有电网的脆弱缺陷。

在得克萨斯州,2月突然爆发的冬季暴风雪引发大规模停电,并导致过百位当地民众死亡。去年8月,加利福尼亚州创纪录的热浪也导致电网运营商被迫连续停电,给州内80万户家庭及企业造成严重影响。

稳定电网工作状态

Parris提到,“我们必须稳定电网的工作状态。”以往,大部分电力由稳定的能源(例如煤炭或天然气)产生,但如今的电网却越来越依赖于间歇性能源(例如风能与太阳能)。而一旦风势减弱或天色变暗,这些设施就无法继续提供电力。因此,电网运营商必须采用更先进的AI技术以保证电网的供需平衡。

Parris还表示,“公共设施提供的电流绝对不能严重波动,否则人们根本无法正常使用。因此,整个体系将全部由软件负责运行:电网软件、传输软件、配电软件、市场管理软件等等。”

随着技术的发展成熟与商业化进程的推进,运营商还开始部署AI软件以适应在电网中引入电池等蓄电设备的趋势。Stem是一家来自硅谷的蓄电电池公司,他们使用AI技术确定最经济、最合理的充电时间,并在必要时将储能配送至电网之上。

Stem公司首席技术官Larsh Johnson认为,“其实电池本身起不到任何作用,必须配合智能解决方案才能找到最合理的电池使用方式。”

AI软件能够帮助运营商预测各位客户的负载模式、何时需要消耗电力以及一天内不同时段的相应电力成本。Johnson介绍道,“不同客户在电力使用方面拥有显著的动态特性,每个小时都有变化,有些甚至每几分钟就会出现巨大差异。”

实现电力供需均衡

AI技术在管理电网,保障特定位置、特定时段内提供可用电能方面正发挥着日益重要的作用。随着人们对于电力需求的增长,再加上通过互联网发送/接收数据的物联网设备的快速普及,电力供应真正成为现实世界正常运作的前提与基础。

另外,预计未来几年当中,电动汽车的使用量也将急剧增长,并对电力需求总量与用量分布产生重大影响。例如,当居住在郊区的通勤者在夜间从办公室返回家中并为电动汽车充电时,当地的电力需求可能会瞬间激增。

AI科技企业Beyond Limits发电业务主管Steve Kwan认为,“只有明确理解消费者的行为模式,才能保障能源供应切实满足需求。而这将是一项无比艰难的挑战。”

他解释道,“人工智能在这一领域将发挥无可替代的作用。我们需要在其中考虑众多变量,并随时从AI算法处获取实时建议,甚至在15分钟之内快速响应消费方不断变化的用量需求。与之相比,一切基于物理机制的传统模式都效率低下、速度缓慢。”

AI有助于控制碳排放

AI技术还将通过多种方式帮助电网运营商减少总体碳足迹。其中一种方法是根据AI与信息处理技术实现认知计算及神经网络,即构建起以人脑神经元网络为模型的计算机系统。

由于风能与太阳能产生的电力往往比天然气发电厂的产出更便宜,而且对地球环境的破坏也更小,因此电网运营商会倾向于更多依赖于这些可再生能源形式。但由于此类资源往往天然具有间歇性,因此需要以更为可靠的发电模式(通常是联合循环燃气电厂)作为后备。

随着可再生能源水平的往复波动,联合循环电厂的运营商必须不断上调或下调其发电量。但考虑到电厂在设计层面已经预设有产能水平,因此这种上下浮动会降低其运作效率、浪费掉一定燃料,反而导致工厂的总体碳排放量有所增长。

Kwan指出,“以往,电厂操作人员总是倾向于在非常狭窄的运作区间内指挥设施运行。但通过引入AI与神经网络技术,我们能够让工厂以远超以往的方式高效运行。”

C3.ai公司创始人、董事长兼CEO Tom Siebel表示,由这家AI软件厂商开发的另一种AI应用程序则能够“将电网发能燃料消费量减少8%”,借此帮助降低电力部门的碳排放总量。

Siebel表示,未来每一家成功的能源企业都必然要在运营体系中采用AI技术。

他最后总结道,“能够有效采用AI技术的公司将提供更清洁、更可靠、更安全的能源,同时极大降低产能流失对于环境的不良影响。而一切对AI技术抱有抵触情绪的厂商,最终必将被竞争对手所击溃。”

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    LLM情境调节与持续工作流程提示:革新化学分子式的多模态验证技术

    这项研究探索了如何通过"LLM情境调节"和"持续工作流程提示"技术来提高大型语言模型在验证化学分子式时的准确性。研究者发现,普通提示方法往往不可靠,因为LLM倾向于自动"纠正"错误而非指出它们。然而,通过精心设计的情境调节提示,研究成功引导Gemini 2.5 Pro不仅识别出文本中的错误,还发现了之前人工审阅未察觉的图像中的分子式错误。这一概念验证研究表明,即使不修改模型本身,也能通过适当的提示策略显著提高LLM在科学技术文档细节验证中的表现。

  • 微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    微生物显微图像分割新突破:复旦大学研究团队借助多模态大语言模型统一显微镜下的"万物分割"

    复旦大学研究团队开发的uLLSAM模型成功将多模态大语言模型(MLLMs)与分割一切模型(SAM)结合,解决了显微镜图像分析的跨域泛化难题。通过创新的视觉-语言语义对齐模块(VLSA)和语义边界正则化(SBR)技术,该模型在9个领域内数据集上提升了7.71%的分割准确度,在10个从未见过的数据集上也展现了10.08%的性能提升。这一统一框架能同时处理光学和电子显微镜图像,大大提高了生物医学图像分析的效率和准确性,为科研人员提供了强大的自动化分析工具。

  • 用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    用强化学习让大语言模型为汇编代码提速:斯坦福团队的优化探索

    斯坦福大学等机构研究团队利用强化学习训练大语言模型,使其能够优化汇编代码性能。研究构建了8,072个程序的数据集,并通过近端策略优化(PPO)训练模型生成既正确又高效的汇编代码。实验表明,训练后的Qwen2.5-Coder-7B-PPO模型实现了96.0%的测试通过率和1.47倍平均加速比,超越包括Claude-3.7-sonnet在内的所有其他模型。研究发现模型能识别编译器忽略的优化机会,如用单一指令替代整个循环,为性能敏感应用提供了有价值的优化途径。

  • 播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    播放师傅变声魔术:让你的录音遵循参考风格的推理时间优化新方法

    这项研究提出了一种改进的声乐效果风格迁移方法,通过在推理时间优化过程中引入高斯先验知识,解决了传统ST-ITO方法忽视参数合理性的问题。研究团队基于DiffVox数据集构建了专业效果器参数分布模型,将风格迁移转化为最大后验概率估计问题。实验结果表明,该方法显著优于基准方法,参数均方误差降低了33%,并在主观听感测试中获得最高评分。这一创新为音频处理领域融合数据驱动和专业知识提供了新思路。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-