中國儲(chǔ)能網(wǎng)訊：近年來，人工智能（AI）技術(shù)日益展現(xiàn)出推動(dòng)各行各業(yè)深刻變革的強(qiáng)大賦能效應(yīng)，成為驅(qū)動(dòng)新質(zhì)生產(chǎn)力發(fā)展的重要引擎。例如我國杭州深度求索公司開發(fā)的DeepSeek系列大模型已成為繼ChatGPT之后的又一現(xiàn)象級(jí)AI產(chǎn)品，通過強(qiáng)化學(xué)習(xí)與高效架構(gòu)設(shè)計(jì)，將訓(xùn)練成本降至GPT-4的十分之一，能源消耗僅為美國AI技術(shù)的1/40到1/10。能源行業(yè)正在加速擁抱人工智能，不斷探索新的應(yīng)用場景。本文對(duì)AI技術(shù)推動(dòng)能源變革的前景以及潛在的風(fēng)險(xiǎn)進(jìn)行了分析，結(jié)合我國實(shí)際提出對(duì)策建議。
一、AI技術(shù)推動(dòng)能源變革的發(fā)展前景
1、在生產(chǎn)端，顯著提高能源生產(chǎn)效率和安全性
通過AI數(shù)據(jù)分析、預(yù)測建模和智能控制系統(tǒng)等，實(shí)現(xiàn)能源生產(chǎn)過程優(yōu)化和效率提升。比如，AI技術(shù)在油氣、關(guān)鍵礦產(chǎn)資源開發(fā)等領(lǐng)域的應(yīng)用，可精確識(shí)別潛在油氣藏、提高開采效率、優(yōu)化油氣開采與加工過程，降低生產(chǎn)成本，提高產(chǎn)品質(zhì)量。國際能源署預(yù)測，AI技術(shù)可使油氣生產(chǎn)成本下降20%、采收率提高5%[1]，如殼牌公司與 SparkCognition共同開發(fā)AI工具將勘探時(shí)間從9個(gè)月縮至9天以內(nèi)[2]。在新能源領(lǐng)域，根據(jù)氣象、電力供需大數(shù)據(jù)實(shí)時(shí)建模預(yù)測，可優(yōu)化風(fēng)機(jī)、光伏運(yùn)行策略，提高發(fā)電效率，增強(qiáng)新能源消納能力。中國華電、玖天氣象、華為等聯(lián)合開發(fā)的AI模型可將新能源功率預(yù)測誤差降至10%以下[3]。此外，AI技術(shù)應(yīng)用在新型電力系統(tǒng)中，可促進(jìn)分布式能源的精準(zhǔn)預(yù)測和調(diào)度優(yōu)化，實(shí)現(xiàn)發(fā)輸配儲(chǔ)用各環(huán)節(jié)的協(xié)同與優(yōu)化管理，保障電力系統(tǒng)的高效穩(wěn)定運(yùn)行。例如，南方電網(wǎng)通過強(qiáng)化學(xué)習(xí)技術(shù)解決分布式能源大規(guī)模實(shí)時(shí)決策問題，顯著增強(qiáng)了源網(wǎng)荷儲(chǔ)協(xié)同，突破了秒級(jí)實(shí)時(shí)調(diào)控的世界性難題[4]。
2、在消費(fèi)端，有效提升終端能源利用效率
通過智能傳感器、物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)分析和智能運(yùn)維管理，人工智能可以實(shí)現(xiàn)對(duì)用能部門能源消費(fèi)的實(shí)時(shí)監(jiān)測、精準(zhǔn)預(yù)測與優(yōu)化控制。如在工業(yè)領(lǐng)域，AI結(jié)合物聯(lián)網(wǎng)傳感器實(shí)時(shí)監(jiān)控設(shè)備運(yùn)行數(shù)據(jù)，并開展預(yù)測性維護(hù)，避免設(shè)備效率降低或故障導(dǎo)致的能源浪費(fèi)，還可以實(shí)時(shí)分析工業(yè)流程能耗數(shù)據(jù)，優(yōu)化設(shè)備運(yùn)行參數(shù)，提高生產(chǎn)線整體效率，同時(shí)集成管理電力、熱能和燃料等多能源系統(tǒng)，優(yōu)化工廠能源供給和需求匹配。中國科學(xué)院大連化學(xué)物理研究所聯(lián)合開發(fā)的智能化工大模型有望顯著縮短化工工藝的研發(fā)周期，為實(shí)驗(yàn)室成果快速轉(zhuǎn)化為工業(yè)生產(chǎn)提供了可能；浙大中控聯(lián)合開發(fā)了基于時(shí)序數(shù)據(jù)的石化化工大模型，在煉化原料優(yōu)化、廢液處理等生產(chǎn)單元得到初步驗(yàn)證和應(yīng)用，可助力能源化工企業(yè)智能化發(fā)展[5]。在建筑行業(yè)，AI技術(shù)通過智能樓宇管理系統(tǒng)，實(shí)時(shí)監(jiān)控建筑能耗并預(yù)測未來能源需求，自動(dòng)調(diào)節(jié)建筑照明、暖通、電器等用能設(shè)施運(yùn)行策略，還可以優(yōu)化建筑能源設(shè)計(jì)和用戶個(gè)性化體驗(yàn)，實(shí)現(xiàn)綠色建筑標(biāo)準(zhǔn)。英國Converge公司利用傳感器和人工智能技術(shù)優(yōu)化混凝土的攪拌和養(yǎng)護(hù)過程，不僅提高建筑材料性能，還能減少高達(dá)10%的碳排放[6]。
3、在研發(fā)設(shè)計(jì)端，加快推動(dòng)能源技術(shù)創(chuàng)新
智能化科研（AI for Science）將在能源技術(shù)研發(fā)的數(shù)據(jù)處理和分析、實(shí)驗(yàn)設(shè)計(jì)、模型構(gòu)建等環(huán)節(jié)中發(fā)揮重要作用。美國能源部報(bào)告指出[7]，數(shù)字孿生、自動(dòng)化實(shí)驗(yàn)室、生成式AI等技術(shù)在能源領(lǐng)域技術(shù)創(chuàng)新中的應(yīng)用，有助于實(shí)現(xiàn)復(fù)雜能源系統(tǒng)設(shè)計(jì)與模擬、自主化調(diào)度運(yùn)行，并加速催化劑、電池和儲(chǔ)能材料等能源新材料的識(shí)別、設(shè)計(jì)和開發(fā)，大幅降低從實(shí)驗(yàn)到投入實(shí)際生產(chǎn)的成本與周期。2024年，美國能源部西北太平洋國家實(shí)驗(yàn)室利用微軟AI工具[8] [9]，僅用80小時(shí)就從3250萬種材料中遴選出18種符合性能需求的新型固態(tài)電解質(zhì)，而傳統(tǒng)方法需要約20年。
二、AI技術(shù)在能源行業(yè)應(yīng)用的風(fēng)險(xiǎn)挑戰(zhàn)
1、驅(qū)動(dòng)能耗水耗快速增長
隨著AI技術(shù)的廣泛應(yīng)用，數(shù)據(jù)中心等能耗及冷卻水耗問題凸顯。國際能源署估算，目前全球數(shù)據(jù)中心耗電量約占電力需求的1%，到2030年將達(dá)到8%[10]。近五年我國算力規(guī)模平均增速約30%，2023年我國數(shù)據(jù)中心耗電量達(dá)1500億度，約占全社會(huì)用電量的1.6%[11]。據(jù)預(yù)測，到2030年我國數(shù)據(jù)中心耗電量將超過4000億度[12]。
2、數(shù)據(jù)質(zhì)量與安全問題凸顯
AI模型依賴于高質(zhì)量數(shù)據(jù)，而我國能源設(shè)施分布廣泛，數(shù)據(jù)采集存在誤差、缺失、不兼容等問題，整合分析難度較大。目前相關(guān)行業(yè)AI應(yīng)用的標(biāo)準(zhǔn)規(guī)范缺失，存在數(shù)據(jù)泄露或?yàn)E用等隱患，不僅涉及侵犯個(gè)人隱私，還可能危及能源系統(tǒng)安全，如區(qū)域負(fù)荷預(yù)測數(shù)據(jù)篡改導(dǎo)致小范圍設(shè)備故障擴(kuò)展為大范圍停電事故。目前我國人工智能大模型以基礎(chǔ)大模型為主，面向行業(yè)應(yīng)用場景的模型訓(xùn)練不足，能源領(lǐng)域的優(yōu)化決策涉及互相沖突的多目標(biāo)、多約束和多尺度動(dòng)態(tài)優(yōu)化等科學(xué)難題，缺乏智能化模型的深度支撐，模型構(gòu)建與優(yōu)化的難度極大[13]。
3、算法可靠性亟待解決
我國能源行業(yè)已開發(fā)各類AI算法模型，但存在樣本量不足、場景單一等局限性，還不能對(duì)能源電力基礎(chǔ)設(shè)施等提供長期穩(wěn)定支持[14]。許多AI算法具有復(fù)雜結(jié)構(gòu)和大量參數(shù)，如果訓(xùn)練出現(xiàn)偏差或受到網(wǎng)絡(luò)攻擊等均會(huì)導(dǎo)致預(yù)測結(jié)果不可靠，影響正確決策。AI算法的可靠性和自主性問題仍有待解決。據(jù)統(tǒng)計(jì)，我國能源領(lǐng)域關(guān)鍵模擬軟件的自主化程度較低，以石油化工領(lǐng)域?yàn)槔?0多個(gè)子專業(yè)涉及的100多種軟件中，國內(nèi)產(chǎn)品僅占10%，高端領(lǐng)域幾乎完全被國外壟斷[15]。
4、復(fù)合型人才存在缺口
能源與AI技術(shù)融合創(chuàng)新需要多學(xué)科的知識(shí)和技術(shù)支持，涉及能源工程、電氣工程、計(jì)算機(jī)科學(xué)、數(shù)學(xué)、物理、管理科學(xué)等領(lǐng)域，但目前復(fù)合型人才匱乏，不同專業(yè)技術(shù)人員的溝通與協(xié)作機(jī)制存在專業(yè)技術(shù)障礙，限制了AI的全面應(yīng)用。
三、我國的對(duì)策建議
1、統(tǒng)籌電力與算力新基建規(guī)劃和布局
統(tǒng)籌智算發(fā)展需求和新能源、水資源稟賦，對(duì)算力、電力新基建進(jìn)行協(xié)同規(guī)劃布局。在新能源富集地區(qū)依據(jù)電力供應(yīng)能力和成本等因素，合理規(guī)劃建設(shè)數(shù)據(jù)中心、智算中心等AI基礎(chǔ)設(shè)施，實(shí)現(xiàn)資源優(yōu)化配置，開展“風(fēng)光儲(chǔ)算一體化”模式探索，并鼓勵(lì)綠氫、地?zé)崮?、核能等穩(wěn)定供電技術(shù)的長期應(yīng)用。充分融合算力網(wǎng)與電力網(wǎng)的區(qū)域特性和調(diào)度能力，跨省、跨區(qū)開展多時(shí)空尺度的電力與算力協(xié)同調(diào)度，使算力節(jié)點(diǎn)成為新型電力系統(tǒng)下保障電力系統(tǒng)穩(wěn)定的“壓艙石”。支持算電協(xié)同相關(guān)技術(shù)研發(fā)與應(yīng)用，降低算力設(shè)施的能耗和碳排放水平。
2、健全能源行業(yè)AI發(fā)展監(jiān)管體系
建議由發(fā)改委、工信部等牽頭制定統(tǒng)一的能源行業(yè)AI模型標(biāo)準(zhǔn)和規(guī)范，明確數(shù)據(jù)格式、接口標(biāo)準(zhǔn)、安全標(biāo)準(zhǔn)、倫理規(guī)范等。健全能源數(shù)據(jù)和算法的分類分級(jí)管理制度，建立統(tǒng)一的能源數(shù)據(jù)平臺(tái)，整合各類能源數(shù)據(jù)以及衛(wèi)星、氣象、地質(zhì)等相關(guān)數(shù)據(jù)，推動(dòng)數(shù)據(jù)標(biāo)準(zhǔn)化與共建共享。通過數(shù)據(jù)脫敏、加密、訪問控制和審計(jì)、合規(guī)審查等方式，多維度加強(qiáng)數(shù)據(jù)安全和隱私性保護(hù)。同步加強(qiáng)能源監(jiān)管AI技術(shù)安全體系建設(shè)，定期實(shí)施信息網(wǎng)絡(luò)等基礎(chǔ)設(shè)施的風(fēng)險(xiǎn)評(píng)估，及時(shí)發(fā)現(xiàn)并消除潛在隱患。制定詳盡的能源和電力智能化系統(tǒng)應(yīng)急預(yù)案，構(gòu)筑網(wǎng)絡(luò)安全保護(hù)制度和責(zé)任體系。
3、構(gòu)建自主化的能源AI算力
分類布局能源算力建設(shè)，通算滿足日常運(yùn)營需求，智算側(cè)重于深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等算法執(zhí)行，超算針對(duì)大規(guī)?？茖W(xué)計(jì)算和復(fù)雜模擬。加大能源領(lǐng)域AI算法相關(guān)研究投入力度，進(jìn)一步明確模型的解釋性，提高計(jì)算可擴(kuò)展性和可信度。打造多模態(tài)專用大模型，支持在無人化、自動(dòng)化新技術(shù)新材料識(shí)別等領(lǐng)域的應(yīng)用。加強(qiáng)與油氣、新能源等特定領(lǐng)域應(yīng)用深度融合的各類垂域小模型開發(fā)，以解決實(shí)際問題、創(chuàng)造業(yè)務(wù)價(jià)值為核心，避免陷入通用基礎(chǔ)模型的技術(shù)競賽。
4、加快AI+能源跨學(xué)科復(fù)合型人才培養(yǎng)
從專業(yè)知識(shí)結(jié)構(gòu)、課程教材體系、師資隊(duì)伍、教學(xué)模式、校企協(xié)同機(jī)制等方面加強(qiáng)頂層設(shè)計(jì)、系統(tǒng)改革，形成“AI+能源”復(fù)合型人才培養(yǎng)體系。加強(qiáng)高校、科研機(jī)構(gòu)、企業(yè)之間的深度合作，支持能源領(lǐng)域從業(yè)人員系統(tǒng)學(xué)習(xí)和應(yīng)用AI知識(shí)，以具體的應(yīng)用場景為導(dǎo)向，培養(yǎng)工程設(shè)計(jì)、科技研發(fā)、生產(chǎn)運(yùn)行與管理的復(fù)合型人才。
