3个问题：人工智能如何优化电网
尽管人工智能日益增长的能源需求令人担忧，但某些技术也有助于使电网更清洁、更高效。
问：为什么电网首先需要优化？
答：我们需要在每一时刻精确保持输入电网的电量与输出电量之间的平衡。但在需求侧，存在一定的不确定性。电力公司不会要求客户提前预注册其用电量，因此必须进行一些估算和预测。
在供给侧，成本与燃料可用性通常存在波动，电网管理者需要对此做出响应。由于来自太阳能和风能等随时间变化的可再生能源的接入，这一问题变得更加突出——天气的不确定性会严重影响可用电量。同时，根据电力在电网中的流动方式，部分电能会因输电线电阻发热而损失。因此，作为电网运营商，如何确保这一切始终正常运行？这正是优化发挥作用的地方。
问：人工智能在电网优化中最有用的方式是什么？
答：人工智能的一种有效方式是结合历史与实时数据，更精确地预测特定时间点可用的可再生能源电量。这能使我们更好地处理和利用这些资源，从而构建更清洁的电网。
AI还可以帮助解决电网运营商必须处理的那类复杂优化问题——在降低成本的条件下平衡供需。这些优化问题用于确定：哪些发电机应发电、发多少、何时发，以及电池何时充放电，是否可以利用电力负荷的灵活性。这些优化问题计算量极大，以至于运营商只能使用近似方法在可行时间内求解。但这些近似往往有误差，当更多可再生能源接入电网时，误差会进一步放大。AI能够以更快的速度提供更精确的近似，实时部署以帮助电网运营商响应式、前瞻性地管理电网。
AI还可用于下一代电网的规划。电网规划需要使用庞大的仿真模型，因此AI可以显著提升这些模型的运行效率。该技术还能通过检测电网中可能发生异常行为的区域来辅助预测性维护，减少停电造成的效率损失。更广泛地，AI还可加速旨在制造更好电池的实验，从而让更多可再生能源电力接入电网。
问：从能源行业的角度，应如何看待AI的利弊？
答：需要记住的一点是，AI指的是一组异构的技术。所使用的模型类型、规模以及使用方式各不相同。如果使用一个在较少数据上训练、参数较少的模型，其能耗远低于一个大型通用模型。
在能源行业背景下，很多场景中，如果将这些针对特定应用的AI模型用于其预期用途，成本效益权衡是正向的。在这些案例中，应用能从可持续性角度带来益处——例如将更多可再生能源接入电网并支持脱碳策略。
总体而言，重要的是要思考我们对AI所做的投资类型是否真正与期望的收益相匹配。从社会层面看，我认为当前这个问题的答案是“否”。目前有大量开发和扩展的是特定子集的AI技术，而这些技术并非能在能源和气候应用中带来最大收益的技术。我并不是说这些技术没用，但它们极其耗费资源，同时并非能源行业可获得的主要收益来源。
我热衷于开发尊重电网物理约束的AI算法，以便能够可信地部署它们。这是一个难题。如果一个大语言模型说出稍有不准确的话，作为人类，我们通常可以在脑中纠正。但在优化电网时，如果犯下同样幅度的错误，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，可以利用我们对电网物理机制已有的知识。
更广泛地说，我认为技术社区必须努力推动建立一个更民主化的AI开发与部署体系，并且要以符合实际应用需求的方式进行。FINISHED
