中國儲能網(wǎng)訊：近年來，人工智能（AI）技術日益展現(xiàn)出推動各行各業(yè)深刻變革的強大賦能效應，成為驅動新質生產(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AI產(chǎn)品，通過強化學習與高效架構設計，將訓練成本降至GPT-4的十分之一，能源消耗僅為美國AI技術的1/40到1/10。能源行業(yè)正在加速擁抱人工智能，不斷探索新的應用場景。本文對AI技術推動能源變革的前景以及潛在的風險進行了分析，結合我國實際提出對策建議。
一、AI技術推動能源變革的發(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、預測建模和智能控制系統(tǒng)等，實現(xiàn)能源生產(chǎn)過程優(yōu)化和效率提升。比如，AI技術在油氣、關鍵礦產(chǎn)資源開發(fā)等領域的應用，可精確識別潛在油氣藏、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)品質量。國際能源署預測，AI技術可使油氣生產(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工具將勘探時間從9個月縮至9天以內(nèi)[2]。在新能源領域，根據(jù)氣象、電力供需大數(shù)據(jù)實時建模預測，可優(yōu)化風機、光伏運行策略，提高發(fā)電效率，增強新能源消納能力。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測誤差降至10%以下[3]。此外，AI技術應用在新型電力系統(tǒng)中，可促進分布式能源的精準預測和調(diào)度優(yōu)化，實現(xiàn)發(fā)輸配儲用各環(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)定運行。例如，南方電網(wǎng)通過強化學習技術解決分布式能源大規(guī)模實時決策問題，顯著增強了源網(wǎng)荷儲協(xié)同，突破了秒級實時調(diào)控的世界性難題[4]。
2、在消費端，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、大數(shù)據(jù)分析和智能運維管理，人工智能可以實現(xiàn)對用能部門能源消費的實時監(jiān)測、精準預測與優(yōu)化控制。如在工業(yè)領域，AI結合物聯(lián)網(wǎng)傳感器實時監(jiān)控設備運行數(shù)據(jù)，并開展預測性維護，避免設備效率降低或故障導致的能源浪費，還可以實時分析工業(yè)流程能耗數(shù)據(jù)，優(yōu)化設備運行參數(shù)，提高生產(chǎn)線整體效率，同時集成管理電力、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。中國科學院大連化學物理研究所聯(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，為實驗室成果快速轉化為工業(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)單元得到初步驗證和應用，可助力能源化工企業(yè)智能化發(fā)展[5]。在建筑行業(yè)，AI技術通過智能樓宇管理系統(tǒng)，實時監(jiān)控建筑能耗并預測未來能源需求，自動調(diào)節(jié)建筑照明、暖通、電器等用能設施運行策略，還可以優(yōu)化建筑能源設計和用戶個性化體驗，實現(xiàn)綠色建筑標準。英國Converge公司利用傳感器和人工智能技術優(yōu)化混凝土的攪拌和養(yǎng)護過程，不僅提高建筑材料性能，還能減少高達10%的碳排放[6]。
3、在研發(fā)設計端，加快推動能源技術創(chuàng)新
智能化科研（AI for Science）將在能源技術研發(fā)的數(shù)據(jù)處理和分析、實驗設計、模型構建等環(huán)節(jié)中發(fā)揮重要作用。美國能源部報告指出[7]，數(shù)字孿生、自動化實驗室、生成式AI等技術在能源領域技術創(chuàng)新中的應用，有助于實現(xiàn)復雜能源系統(tǒng)設計與模擬、自主化調(diào)度運行，并加速催化劑、電池和儲能材料等能源新材料的識別、設計和開發(fā)，大幅降低從實驗到投入實際生產(chǎn)的成本與周期。2024年，美國能源部西北太平洋國家實驗室利用微軟AI工具[8] [9]，僅用80小時就從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，而傳統(tǒng)方法需要約20年。
二、AI技術在能源行業(yè)應用的風險挑戰(zhàn)
1、驅動能耗水耗快速增長
隨著AI技術的廣泛應用，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1500億度，約占全社會用電量的1.6%[11]。據(jù)預測，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)質量與安全問題凸顯
AI模型依賴于高質量數(shù)據(jù)，而我國能源設施分布廣泛，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。目前相關行業(yè)AI應用的標準規(guī)范缺失，存在數(shù)據(jù)泄露或濫用等隱患，不僅涉及侵犯個人隱私，還可能危及能源系統(tǒng)安全，如區(qū)域負荷預測數(shù)據(jù)篡改導致小范圍設備故障擴展為大范圍停電事故。目前我國人工智能大模型以基礎大模型為主，面向行業(yè)應用場景的模型訓練不足，能源領域的優(yōu)化決策涉及互相沖突的多目標、多約束和多尺度動態(tài)優(yōu)化等科學難題，缺乏智能化模型的深度支撐，模型構建與優(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，還不能對能源電力基礎設施等提供長期穩(wěn)定支持[14]。許多AI算法具有復雜結構和大量參數(shù)，如果訓練出現(xiàn)偏差或受到網(wǎng)絡攻擊等均會導致預測結果不可靠，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，我國能源領域關鍵模擬軟件的自主化程度較低，以石油化工領域為例，20多個子專業(yè)涉及的100多種軟件中，國內(nèi)產(chǎn)品僅占10%，高端領域幾乎完全被國外壟斷[15]。
4、復合型人才存在缺口
能源與AI技術融合創(chuàng)新需要多學科的知識和技術支持，涉及能源工程、電氣工程、計算機科學、數(shù)學、物理、管理科學等領域，但目前復合型人才匱乏，不同專業(yè)技術人員的溝通與協(xié)作機制存在專業(yè)技術障礙，限制了AI的全面應用。
三、我國的對策建議
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，對算力、電力新基建進行協(xié)同規(guī)劃布局。在新能源富集地區(qū)依據(jù)電力供應能力和成本等因素，合理規(guī)劃建設數(shù)據(jù)中心、智算中心等AI基礎設施，實現(xiàn)資源優(yōu)化配置，開展“風光儲算一體化”模式探索，并鼓勵綠氫、地熱能、核能等穩(wěn)定供電技術的長期應用。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)開展多時空尺度的電力與算力協(xié)同調(diào)度，使算力節(jié)點成為新型電力系統(tǒng)下保障電力系統(tǒng)穩(wěn)定的“壓艙石”。支持算電協(xié)同相關技術研發(fā)與應用，降低算力設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模型標準和規(guī)范，明確數(shù)據(jù)格式、接口標準、安全標準、倫理規(guī)范等。健全能源數(shù)據(jù)和算法的分類分級管理制度，建立統(tǒng)一的能源數(shù)據(jù)平臺，整合各類能源數(shù)據(jù)以及衛(wèi)星、氣象、地質等相關數(shù)據(jù)，推動數(shù)據(jù)標準化與共建共享。通過數(shù)據(jù)脫敏、加密、訪問控制和審計、合規(guī)審查等方式，多維度加強數(shù)據(jù)安全和隱私性保護。同步加強能源監(jiān)管AI技術安全體系建設，定期實施信息網(wǎng)絡等基礎設施的風險評估，及時發(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)應急預案，構筑網(wǎng)絡安全保護制度和責任體系。
3、構建自主化的能源AI算力
分類布局能源算力建設，通算滿足日常運營需求，智算側重于深度學習、機器學習等算法執(zhí)行，超算針對大規(guī)?？茖W計算和復雜模擬。加大能源領域AI算法相關研究投入力度，進一步明確模型的解釋性，提高計算可擴展性和可信度。打造多模態(tài)專用大模型，支持在無人化、自動化新技術新材料識別等領域的應用。加強與油氣、新能源等特定領域應用深度融合的各類垂域小模型開發(fā)，以解決實際問題、創(chuàng)造業(yè)務價值為核心，避免陷入通用基礎模型的技術競賽。
4、加快AI+能源跨學科復合型人才培養(yǎng)
從專業(yè)知識結構、課程教材體系、師資隊伍、教學模式、校企協(xié)同機制等方面加強頂層設計、系統(tǒng)改革，形成“AI+能源”復合型人才培養(yǎng)體系。加強高校、科研機構、企業(yè)之間的深度合作，支持能源領域從業(yè)人員系統(tǒng)學習和應用AI知識，以具體的應用場景為導向，培養(yǎng)工程設計、科技研發(fā)、生產(chǎn)運行與管理的復合型人才。
