导语
过去这些年，风电、光伏等绿色能源都在快速发展。不但包括德国在内的欧美发达国家受益于此，很多发展中国家的能源结构也开始因此重构。七年前，约旦国王阿卜杜拉二世在规划该国未来的能源战略时就首先来到中国，希望能从中国快速发展的新能源产业中找到灵感。
中国也确实在不断触碰、探索和解决新能源领域的诸多前沿问题，其中的重要一项就是新能源并网难、消纳率低等问题导致的“弃风”、“弃光”现象。这些问题出现的核心原因在于绿色能源存在波动性、随机性、反调峰等特征，大规模并网可能影响电网的安全稳定运行。
人工智能技术的应用，将有效提升电网等能源系统消纳多样化电源和协调多能源的能力，成为提升能源利用率和稳定性的技术支撑，推动碳中和进程。预计未来三年，人工智能技术将帮助电力系统实现大规模绿色能源消纳，实现电力系统的安全、高效、稳定运行。
绿色能源AI发展演变
1839年，19岁的法国科学家贝克雷尔在父亲的实验室中，缓慢地将两片铂金属电极插入到氯化银酸性溶液中。这是一个错误的操作，却意外打开了未知世界的大门。因为贝克雷尔在测量在电极间电流时发现，光线中的电流略大于黑暗中的电流，他将这种现象称为光生伏特效应——这个名字在多年后变成了“贝克雷尔效应”。
随着美国在其1957年发射的第二颗人造卫星中使用了光伏电池，光伏技术历经百年终于从实验室走进产业界。又经过几十年的发展，随着气候变化开始成为人类社会发展的硬约束，人们突然意识到，以光伏为代表、包括风电在内的新能源，是人类在可预见的未来摆脱化石能源依赖、实现碳中和的最重要依靠。
绿色能源AI的应用
绿色能源大规模并网后，风电与光伏发电的波动性、随机性、反调峰等特性将对电网的稳定性和可控性造成冲击，绿色能源并网、输送、消纳和安全运行的能力亟待提高，也对我国双碳战略的实现具有特别重要的意义。
根据中国国家能源局测算，中国统一可再生能源电力消纳责任权重需要从2021年的28.7%提升至2030年的40%，风电、太阳能发电总装机容量届时将达到12亿千瓦以上，但继续提升可再生能源的比重将面临一系列困难，这也为人工智能技术的应用奠定了基础。
人工智能技术在发电功率的精准预测、电力优化调度、电站性能评估、故障监测和风险管理等方面将发挥不可替代的作用，带来三大突破。
■精准的功率预测
大数据和神经网络的算法应用，将提升气象预报的准确性，减少新能源发电功率预测的误差。特别是在远距离、跨区域的绿能消纳上，人工智能技术通过对电力天气预报的预测和分析，调节发电功率，动态优化电力系统发电策略，保障电网稳定运行。
■智能的调度控制
在电力调度端，深度学习、大数据驱动技术和机理仿真技术融合，将帮助电力调度系统持续优化控制策略，增强风电、光伏、水电和储能的多能源协调能力，实现多能互补，解决用电高峰期和低谷期电力输出不平衡的问题。绿能的大规模并网对电网交直流混联、源网荷储交互的灵活重构、运行优化与决策也提出了更高要求。未来，人工智能技术将支撑我国绿色能源进入增量主体阶段。
■自动化的故障响应
基于大数据和深度学习做电网设备的实时监测，有助于快速提取故障特征，大幅提升电力系统的故障识别能力和响应速度。随着技术融合的加深，未来有望实现毫秒级的自动化预警监测和控制。
结语
绿色能源的大规模开发和利用已经成为当今世界能源发展的主要方向。在高比例绿色能源并网的趋势下，传统电力系统难以应对绿色能源在大风、暴雨、雷电等天气下发电功率的不确定性，以及复杂故障及时响应的应对能力。在运行监测过程中，参数核验和故障监测仍需要大量的人工参与，故障特征提取困难，识别难度大。针对大规模绿色能源并网在稳定、运行和规划上面临的各种挑战，以人工智能为主的新一代信息技术将对能源系统整体的高效稳定运行提供技术保障和有力支撑。
人工智能与能源电力的深度融合，将推动大规模新能源发电、并网、输送、消纳和安全运行，完成对能源系统的升级改造。我们预计在未来的三年内，人工智能技术将帮助电力系统实现大规模绿能消纳，能源供给在时间和空间维度上能够互联互济，网源协调发展，弹性调度，实现电力系统的安全、高效、稳定运行。
来源：达摩院DAMO
编辑：阿里云研究院内容运营主管 赵子千
