機(jī)器學(xué)習(xí)將給電力行業(yè)帶來(lái)巨大變革

隨著能源格局即將發(fā)生巨大變化，現(xiàn)在是結(jié)合機(jī)器學(xué)習(xí)和電網(wǎng)的優(yōu)秀時(shí)機(jī)。

比爾·蓋茨(Bill Gates)在2017年表示：“如果我今天剛開始并尋找同一種對(duì)世界產(chǎn)生重大影響的機(jī)會(huì)，我將考慮三個(gè)領(lǐng)域。一是人工智能;第二是能源;第三是生物科學(xué)”。

毫無(wú)疑問(wèn)，能源的未來(lái)在于可持續(xù)、可靠和“智能”的發(fā)電和配電系統(tǒng)，以及主動(dòng)而不是被動(dòng)的網(wǎng)絡(luò)。電力公司擁有與網(wǎng)絡(luò)故障、網(wǎng)絡(luò)模型，來(lái)自發(fā)電機(jī)的運(yùn)行信息和資產(chǎn)數(shù)據(jù)庫(kù)相關(guān)的大量且不斷增長(zhǎng)的數(shù)據(jù)。

數(shù)據(jù)具有預(yù)測(cè)網(wǎng)絡(luò)故障和協(xié)助維護(hù)的巨大潛力。將來(lái)，通過(guò)機(jī)器學(xué)習(xí)，添加網(wǎng)絡(luò)故障記錄將是解決方案的一部分，而不是問(wèn)題。通過(guò)添加更多記錄，可以為模型提供更多分析數(shù)據(jù)，從而可以進(jìn)行更準(zhǔn)確，更準(zhǔn)確的預(yù)測(cè)。

例如，機(jī)器學(xué)習(xí)算法可以訪問(wèn)具有類型、位置、使用期限或使用期限配置文件和資產(chǎn)狀況、電路和負(fù)載數(shù)據(jù)以及現(xiàn)有故障數(shù)據(jù)的數(shù)據(jù)庫(kù)，并將故障的概率和成本返回為以及可能發(fā)生的時(shí)間，如以小時(shí)、天、周或月為單位。

機(jī)器學(xué)習(xí)有可能被用作經(jīng)濟(jì)的建模工具，通過(guò)成本效益分析評(píng)估與使用電網(wǎng)加固解決方案有關(guān)的戰(zhàn)略發(fā)展和決策。將來(lái)，我們不僅將對(duì)故障做出反應(yīng)，還將使用通過(guò)分析技術(shù)經(jīng)濟(jì)數(shù)據(jù)來(lái)預(yù)測(cè)故障的模型來(lái)預(yù)測(cè)和避免故障。因此，通過(guò)機(jī)器學(xué)習(xí)，電力行業(yè)在開發(fā)主動(dòng)系統(tǒng)而非被動(dòng)系統(tǒng)方面邁出了一步。

在后疫情時(shí)代，最緊迫的挑戰(zhàn)是氣候變化，以英國(guó)為例，他們承諾到2050年過(guò)渡到零凈經(jīng)濟(jì)，電力網(wǎng)絡(luò)將發(fā)展到更加可再生的基礎(chǔ)。我們已經(jīng)可以看到，隨著清潔能源的發(fā)電在2020年的前三個(gè)月英國(guó)提供了40%的電力，可再生能源的地位日益增長(zhǎng)，這是可再生能源首次超過(guò)化石燃料。

分析人士認(rèn)為，可再生能源和可持續(xù)能源產(chǎn)業(yè)應(yīng)像上次經(jīng)濟(jì)衰退那樣發(fā)揮更大的作用，并推動(dòng)綠色經(jīng)濟(jì)復(fù)蘇。盡管并非沒(méi)有挑戰(zhàn)，但這是可能的，并且機(jī)器學(xué)習(xí)可以解決某些問(wèn)題。

即使使用最復(fù)雜的天氣預(yù)報(bào)，也很難準(zhǔn)確預(yù)測(cè)風(fēng)能和太陽(yáng)能等可再生能源發(fā)電的波動(dòng)。此外，內(nèi)部安裝的設(shè)備(例如光伏和電池)的小型分布式發(fā)電和存儲(chǔ)(全球范圍為5000萬(wàn)個(gè))增加了系統(tǒng)的不確定性。

機(jī)器學(xué)習(xí)和人工智能可能會(huì)解決這些問(wèn)題，因?yàn)檫@些算法可用于更準(zhǔn)確地預(yù)測(cè)需求，以及可再生能源發(fā)電的輸出，無(wú)論短期還是長(zhǎng)期都使用預(yù)測(cè)。

現(xiàn)在，已開始使用已安裝的儲(chǔ)能裝置(包括電池)來(lái)最大程度地減少可再生能源發(fā)電的不確定性，并幫助實(shí)現(xiàn)可再生能源需求的更高百分比。但是，該解決方案可能存在可靠性問(wèn)題和局限性，例如電池退化和意外故障，需要不斷監(jiān)控和維護(hù)。

使用機(jī)器學(xué)習(xí)作為工具來(lái)監(jiān)視和預(yù)測(cè)儲(chǔ)能系統(tǒng)中的潛在故障可能會(huì)導(dǎo)致系統(tǒng)更加可靠和高效，并且通過(guò)使用AI和機(jī)器學(xué)習(xí)算法，電力需求和可再生能源發(fā)電將更加可預(yù)測(cè)，儲(chǔ)能更加可靠并高效。

科學(xué)界已經(jīng)在研究電力網(wǎng)絡(luò)中“智能”能源和機(jī)器學(xué)習(xí)的美好前景。關(guān)于能源需求的預(yù)測(cè)，太陽(yáng)能發(fā)電的預(yù)測(cè)，甚至對(duì)可以從城市環(huán)境中的食物垃圾中收集的能量的精確預(yù)測(cè)，已經(jīng)有很多說(shuō)法?？紤]到其他領(lǐng)域?qū)I和機(jī)器學(xué)習(xí)的深入了解和廣泛使用，隨著我們過(guò)渡到零凈經(jīng)濟(jì)和社會(huì)，電網(wǎng)領(lǐng)域的可能性令人興奮。