人工智能如何助力实现清洁能源未来
人们对人工智能与日益增长的能源需求之间的联系日益关注。虽然为支持AI而建设的耗能数据中心可能给电网带来压力、推高用户电价、增加服务中断风险，并可能整体上延缓清洁能源转型，但人工智能的使用同样能助力能源转型。
例如，AI正在减少建筑、交通和工业过程中的能源消耗及相关排放。此外，AI正在帮助优化新的风能、太阳能装置以及储能设施的选址与设计。
在电网领域，使用AI算法控制运营有助于提高效率、降低成本、整合不断增长的可再生能源份额，甚至能预测关键设备何时需要维护以防止故障和可能的停电。AI可以帮助电网规划者安排未来所需的发电、储能和其他基础设施投资。AI也正在帮助研究人员发现或设计用于核反应堆、电池和电解槽的新型材料。
某机构的研究人员正在积极研究AI支持清洁能源转型的上述及其他方面的机会。在其2025年研究会议上，某机构宣布成立数据中心电力论坛，这是一个针对有兴趣应对数据中心电力需求挑战的成员公司的定向研究计划。
控制实时运营
用户通常依赖持续供电，而电网运营商借助AI来实现这一目标——同时优化来自可再生能源的能源存储和分配。
但随着太阳能和风电场（两者都提供较小且间歇性的电力）的安装量增加，以及天气事件和网络攻击威胁的增长，确保可靠性正变得愈发复杂。这正是AI可以发挥作用的地方。本质上，需要引入一个完整的信息基础设施来补充和配合物理基础设施。
电网是一个复杂的系统，需要在从几十年到微秒的时间尺度上进行精细控制。挑战可追溯到电力物理的基本定律：电力供应必须在每一瞬间等于电力需求，否则发电可能会中断。过去几十年，电网运营商通常假设发电量是固定的——他们可以指望每个大型发电厂生产多少电力——而需求则以一种相当可预测的方式随时间变化。因此，运营商可以安排特定的发电厂在需要时运行以满足第二天的需求。如果发生一些停电，特别指定的机组会根据需要启动以弥补短缺。
现在和未来，即使小型、间歇性的发电源数量增加，对电网的天气干扰和其他威胁也日益增多，这种供需匹配仍必须发生。AI算法提供了一种实现复杂信息管理的手段，以预测在短短几小时内哪些电厂应该运行，同时确保输入电网的电力频率、电压等特性符合电网正常运行的要求。
此外，AI可以实现新的方式来增加供应或减少需求，以应对电网供应短缺的时刻。电动汽车的电池，以及由太阳能电池板或风力涡轮机充电的电池，可以在需要时作为额外的电力来源输入电网。在实时价格信号的引导下，电动车车主可以选择在需求高峰和价格高企时推迟充电，转而选择在需求和价格都较低时充电。此外，新的智能恒温器可以设置为允许室内温度在电网需求高峰时在用户定义的范围内下降或上升。数据中心本身也可以成为需求灵活性的来源：可以延迟选定的AI计算以平滑需求高峰。因此，AI提供了许多根据需要微调供需的机会。
此外，AI使得“预测性维护”成为可能。任何停机对运营公司来说都代价高昂，并对所服务的用户构成短缺威胁。AI算法可以在正常运行期间收集关键性能数据，当读数偏离正常值时，系统可以提醒操作员可能出了问题，让他们有机会干预。这种能力可以防止设备故障，减少例行检查的需要，提高工人的生产力，并延长关键设备的使用寿命。
架构这个带有AI组件的新电网需要许多不同领域的专家共同努力。电气工程师、计算机科学家和能源经济学家必须与开明的监管者和政策制定者密切合作，以确保这不仅是一项学术实践，而且能够真正实施。所有不同的利益相关者都必须相互学习。并且需要保证不会发生任何故障。不能出现停电。
利用AI帮助规划未来基础设施投资
电网公司需要不断规划扩大发电、输电、储能等设施，所有必要基础设施的建设并投入运营可能需要许多年，在某些情况下甚至超过十年。因此，他们需要预测未来确保可靠性所需的基础设施。这很复杂，因为必须提前十多年预测需要建设什么以及在哪里建设。
预测未来所需的一个挑战是预测未来系统将如何运行。这正变得越来越困难，因为更多的可再生能源正在上线并取代传统发电机。过去，运营商可以依赖“旋转备用”，即当前未使用但可在几分钟内上线以满足系统任何短缺的发电容量。存在如此多的间歇性发电机——风能和太阳能——意味着电网中固有的稳定性和惯性减少了。增加复杂性的是，这些间歇性发电机可以由不同的供应商建造，电网规划者可能无法在足够精细的时间尺度上获取管理每台设备运行的基于物理学的方程。因此，可能无法确切知道它将如何运行。
然后是天气问题。确定一个拟议的未来能源系统的可靠性需要知道它将面临什么样的天气。未来的电网不仅在日常天气下必须可靠，而且在飓风、洪水和野火等低概率但高风险的事件期间也必须可靠，所有这些事件正变得越来越频繁。AI可以通过预测此类事件甚至追踪气候变化导致的天气模式变化来提供帮助。
AI分析的速度还有另一个不那么明显的好处。任何基础设施发展计划都必须经过审查和批准，通常由几个监管机构和其他机构进行。传统上，申请者会制定一个计划，分析其影响，并将其提交给一组评审员。在进行任何要求的修改并重复分析后，申请者会向评审员重新提交修订后的版本，以查看新版本是否可接受。AI工具可以加速所需的分析，从而使进程推进得更快。规划者甚至可以通过使用大型语言模型搜索监管出版物并总结对拟议基础设施安装重要的内容，来减少提案被拒绝的次数。
利用AI发现和开发能源转型所需的先进材料
AI在材料开发方面的应用正在蓬勃发展。主要有两个方向。
首先，AI使得在原子尺度上进行更快的基于物理学的模拟成为可能。其结果是更好地从原子层面理解成分、加工、结构和化学反应性如何与材料的性能相关联。这种理解提供了设计规则，有助于指导开发和支持未来可持续能源系统所需的能源产生、存储和转换的新型材料。
其次，AI可以帮助在实验室实验进行时实时指导实验。AI协助我们根据之前的实验选择最佳实验进行——并基于文献搜索提出假设和建议新的实验。
这描述了某机构实验室中的情况。人类科学家与一个大型语言模型互动，后者根据之前的实验结果提出下一步具体实验的建议。人类研究人员接受或修改建议，机械臂随之响应，设置并执行实验序列中的下一步，合成材料，测试性能，并在适当时拍摄样本图像。基于文献知识、人类直觉和先前实验结果的混合，AI因此协调了主动学习，平衡了减少不确定性与提高性能的目标。并且，AI阅读的书籍和论文比任何人类都多，因此天生更具跨学科性。
结果是更好的实验设计和加速“工作流程”。传统上，开发新材料的过程需要合成前体、制造材料、测试其性能并表征结构、进行调整，然后重复相同的步骤序列。AI指导加速了这一过程，帮助我们设计关键、廉价的实验，以提供最大量的信息反馈。
拥有这种能力无疑会加速材料发现，这可能是真正帮助我们在清洁能源转型中取得进展的关键。AI有潜力润滑材料发现和优化过程，或许将其从过去的几十年缩短到仅仅几年。
某机构的贡献
在某机构，研究人员正在从事上述机会的各个方面。在由某机构支持的项目中，团队正在使用AI更好地建模和预测聚变反应堆内部等离子体流动的扰动——这是实现实用聚变发电的必要条件。其他由某机构支持的团队正在使用AI驱动的工具来解释法规、气候数据和基础设施地图，以实现更快、更具适应性的电网规划。AI引导的先进材料开发仍在继续，其中一个某机构项目正在使用AI优化太阳能电池和热电材料。
其他某机构研究人员正在开发能够基于人类反馈（包括物理干预和口头指令）学习维护任务的机器人。目标是降低成本、提高安全性并加速可再生能源基础设施的部署。关于减少数据中心能源需求的方法，某机构资助的工作仍在继续，从设计更高效的计算机芯片和计算算法，到重新思考建筑物的建筑设计，例如增加空气流动以减少对空调的需求。
除了为许多研究项目提供领导和资金外，某机构还充当召集人，汇集相关方共同考虑常见问题和潜在的解决方案。2025年5月，某机构的年度春季研讨会——主题为“AI与能源：危险与希望”——汇集了来自学术界、工业界、政府和非营利组织的AI和能源专家，探讨AI作为清洁能源转型的问题和潜在解决方案。在研讨会结束时，某机构主任指出：“满足数据中心能源需求以及释放AI对能源转型潜在益处的挑战，现在是某机构的研究重点。”
