改变电力行业，我们需要跨电网和分布式设备的更多、更好的数据。

莎拉·戈尔登

2023 年 6 月 22 日

能源数据
图片来自 Shutterstock/Quality Stock Arts

尽管人们对人工智能将如何改变经济和人类做出了各种宏伟的预测，但人们很容易忽视人工智能将如何在特定领域体现。

对于电力行业来说，前景是深远的：人工智能可能是实现真正数字化、分布式、脱碳和民主化能源系统的缺失环节。但如今，这一愿景与现实之间存在着巨大的鸿沟。目前的美国电力系统是为另一个时代而构建的，缺乏人工智能发挥其潜力所需的实时、精细的数据。 

我们正在进入自动化时代 
公用事业咨询公司 Indigo Advisory Group 的董事总经理 David Groarke 上周在波士顿举行的 Transition AI 会议上讲述了一段故事，帮助我理解了这一时刻。人工智能不仅仅是一项技术；这是公用事业行业新纪元的预兆。 

这是弧线： 

1970至90年代， 随着可再生能源的出现， 电力行业进入了重组时代。

2000年至2020年，该行业进入数字化时代，推动能源转型的开始。 

从 2020 年开始，我们进入了自动化时代，人工智能为这一时代提供了强劲动力，将有助于推动净零目标。 

能源周刊 6 月 22 日（调整大小）
当我们进入第三个时代时，解决方案提供商和初创公司的目标是利用数据——承诺利用数据使电力系统更具弹性、更高效和更清洁。已经有数百家初创公司竞相利用新技术为公用事业带来价值（并有望带来其他好处）。 

例如，机器学习可以使用算法来学习预测性维护、能源预测和停电管理等应用的数据模式。分布式人工智能将允许智能跨设备分布，从而实现去中心化决策和分布式能源的更深入渗透。 

所有这些解决方案都依赖于相同的先决条件：良好、干净的数据的可用性。 

人工智能的好坏取决于它的数据 
获取充足、可信、高质量的数据可能是实现人工智能价值的最大障碍。电力行业必须通过以下三种方式改善数据，才能应对未来的挑战。

数量 
简而言之，我们没有足够的数据。为了有意义地部署人工智能，我们需要了解整个电网和电网边缘正在发生什么。这种差距并不小——了解组件如何相互交互需要捕获的数据量发生一个数量级的变化。

获取这些数据需要对技术进行大量投资，而这些投资可能不会立即得到回报。

软件公司 Utilidata 首席运营官杰西·梅兰森 (Jess Melanson) 表示：“到 2023 年，[公司] 不应投资不足的一件事是数据捕获和计算能力。” “虽然从狭隘的投资角度来看，这似乎很昂贵，但当您构建新的软件应用程序时，它将一次又一次地为您节省金钱。”

此外，这些数据需要比当今数字化技术提供的数据更加细致。例如，为了实现资源平衡，分布式能源需要提供毫秒级的数据——目前这基本上不存在。 

质量
电力行业的人员需要数据工程师与基础数据密切合作，以清理数据并确保其高质量。这个角色不同于数据科学家，后者试图从数据中收集见解，也不同于软件工程师，后者帮助将算法集成到产品中。

所有这些数据都必须以可访问的格 罗马尼亚手机号码列表 式提供，并且行业可能需要标准化以确保可用信息可以在利益相关者和应用程序之间共享。 

如今，电力行业的不同部门在这方面比其他部门做得更好。从传输的角度来看，联邦政府要求公用事业公司共享准确的数据，以确保互连电网的可靠性——尽管仍然需要更精细的信息。 

从设备角度（电动汽车和能源存储）来看，需要更多信息来了解各个负载并信任出现的数据。毕竟，能源市场在实施创新方面往往比较保守。 

语境 
假设我们能够收集足够的高质量数据，那些为能源行业构建和部署人工智能应用程序的人必须对收集和使用这些信息的背景保持警惕。气候变化人工智能组织（Climate Change AI）的执行董事普里亚·唐蒂（Priya Donti）警告说，如果不这样做，可能会加剧当前的偏见系统。该非营利组织致力于促进机器学习来解决气候问题。 

“处理偏见不仅需要关注数据和具体技术系统的狭隘框架，还要关注开发算法时所处的更广泛的社会背景，”唐蒂说。

一个例子是使用机器学习来预测哪些建筑物更有可能在能源改造方面取得成功。虽然这可能是针对改造活动的有用应用，但如果它忽视了美国对有色人种社区的红线和投资不足的历史，它可能会无意中加剧歧视。 

有什么危险？人工智能出错可能会对电力系统造成不利影响，坦率地说，电力系统已经在努力应对气候变化和基础设施老化。更重要的是，如果人工智能出现错误，可能会降低人们对原本可以强化电网的技术的信任。 

电力行业的人工智能时代还处于早期阶段，随着企业了解这个陌生的新世界，肯定会有许多发展。您（或您的公司）正在考虑哪些人工智能问题？请通过sarah@greenbiz.com告诉我。