人工智能如何优化电网？
人工智能因其迅速增长的能量需求，特别是用于训练和部署最新生成式AI模型的数据中心激增的电力消耗，近期成为头条新闻。但这并非全是坏消息——部分AI工具有潜力减少某些形式的能源消耗，并实现更清洁的电网。
最有前景的应用之一是利用AI优化电网，这将提高效率、增强对极端天气的抵御能力，并促进更多可再生能源的并网。
为什么电网需要优化？
首先，需要在每一时刻保持输入电网的电量与输出电量之间的精确平衡。但在需求侧存在不确定性。电力公司不会要求客户提前注册他们将要使用的能源量，因此必须进行一些估算和预测。
其次，在供给侧，通常存在成本和燃料可用性的变化，电网管理者需要对此做出响应。由于整合了太阳能和风能等随时间变化的可再生能源，天气的不确定性会对可用电量产生重大影响，这使得问题变得更加突出。同时，根据电网中的电力流动方式，部分电力会通过输电线的电阻热而损失。那么，作为电网运营商，如何确保所有这些时刻都在正常运作？这就是优化发挥作用的地方。
AI如何在电网优化中最有效地发挥作用？
AI可以提供帮助的一种方式是，结合历史和实时数据，更精确地预测特定时间将有多少可再生能源可用。这有助于更好地处理和利用这些资源，从而实现更清洁的电网。
AI还可以帮助解决电网运营商必须面对的复杂优化问题，以便在降低成本的同时平衡供需。这些优化问题用于确定哪些发电机应发电、发电量多少、何时发电，以及电池何时充放电，我们是否可以灵活调整电力负荷。这些优化问题的计算量非常大，以至于运营商使用近似方法以便在可行的时间内求解。但这些近似值往往是错误的，当我们向电网中整合更多可再生能源时，偏差会更大。AI可以通过以更快的方式提供更准确的近似值来提供帮助，这些近似值可以实时部署，以协助电网运营商响应性和前瞻性地管理电网。
AI在规划下一代电网方面也可能很有用。电网规划需要使用庞大的仿真模型，因此AI可以在更高效地运行这些模型方面发挥重要作用。该技术还可以通过检测电网可能发生异常行为的位置来帮助进行预测性维护，减少因停电带来的效率损失。更广泛地说，AI也可用于加速旨在制造更好电池的实验，这将允许电网整合更多的可再生能源。
从能源领域视角，应如何看待AI的利弊？
需要记住的重要一点是，AI指的是一系列异构的技术。有不同类型和规模的模型被使用，模型的使用方式也各不相同。如果你使用的是在较少数据上训练、参数数量较少的模型，其能耗将远低于大型通用模型。
在能源领域的背景下，有很多地方，如果使用这些针对特定应用的AI模型来完成其预期任务，成本效益权衡对你是有利的。在这些情况下，应用正在从可持续性角度带来收益——例如将更多可再生能源纳入电网，并支持脱碳战略。
总的来说，重要的是思考我们对AI的投资类型是否真正与我们希望从AI获得的收益相匹配。在社会层面上，我认为目前这个问题的答案是“不”。目前有很多开发和扩展的是特定子集的AI技术，而这些技术并不会在能源和气候应用领域带来最大的收益。我并不是说这些技术毫无用处，但它们资源消耗巨大，同时并非在能源领域可能感受到的大部分收益的贡献者。
对开发尊重电网物理约束的AI算法以使其能够被可靠部署感到兴奋。这是一个很难解决的问题。如果一个大型语言模型说了稍微不正确的话，作为人类，我们通常可以在头脑中纠正。但如果你在优化电网时犯了同样量级的错误，就可能导致大规模停电。我们需要以不同的方式构建模型，但这同时也提供了一个机会，让我们可以从对电网物理工作原理的了解中受益。
更广泛地说，我认为我们技术社区成员必须致力于培育一个更加民主化的AI开发和部署体系，并以符合实际应用需求的方式进行。
