AI赋能电力行业：英伟达、IBM等科技巨头推动电网智能化，但监管与数据隐私挑战犹存

长期以来，数字技术供应商对电力企业以可靠性为先、抑制创新的做法感到沮丧。然而，负荷的快速增长与人工智能解决方案的潜力正激发双方合作，尤其是在电力系统数据的使用与共享方面。

电力企业已看到交通、制造、建筑电气化和数据中心带来的显著预期负荷增长。英伟达、微软、IBM和施耐德电气等科技公司的高管表示，他们正逐渐理解阻碍电力企业向先进AI计算策略转型的监管壁垒。

数字技术计算能力的飙升和超大规模云资源正在改变此前关于AI学习、执行和优化系统运行的假设，推动电力行业进入所谓的“技术转型期”。

“电力行业相对保守，但它面临清洁能源和减排的硬性要求，”微处理器市场领导者英伟达能源业务高级董事总经理Marc Spieler表示。先进计算的“实时预测可以优化”批量调度和运维等决策，英伟达的“专用模块将把其他行业的学习成果应用到能源转型中，”他补充道。

分析师指出，电力企业已在野火缓解、植被管理和预测性维护中应用先进计算，并开始考虑其在优化系统调度方面的潜力。

“科技行业的商业模式是‘快速行动，打破常规’，他们并不总能理解受监管的电力企业为何不能同样迅速，”爱迪生电力研究所（EEI）总法律顾问、公司秘书及清洁能源执行副总裁Emily Sanford Fisher表示。“但在解决电力行业挑战方面，似乎出现了新的合作精神。”

一个障碍可能减缓这一技术转型。科技公司已看到其他行业先进计算创新如何最大化AI能力，但电力企业仍需验证这种潜力，并说服监管机构相信投资实施先进计算能力是合理的。

挑战与潜力

负荷的快速增长显而易见。

“过去一年，电网规划者将5年负荷增长预测几乎翻了一番，从2.6%提高到4.7%，”2023年12月Grid Strategies研究报告显示。报告补充说，2024年的预测“可能显示更高的全国增长率”，主要受新制造业、工业和数据中心投资驱动。

电力研究院（EPRI）高级技术主管（AI、量子与创新）Jeremy Renshaw表示，先进计算的广泛应用正为管理新增负荷的“批量系统运营商提供一些决策支持”。但完全优化配电系统运行和调度“可能是一个突破，也可能需要数年时间，”Renshaw补充道。

许多科技公司正投入先进计算，以期找到这一突破。

科技公司的工作

先进计算正开始服务于电力企业。

BrightNight的PowerAlpha平台可帮助设计、运营和优化清洁能源项目，显著提高负荷系数并降低成本，BrightNight首席技术官Kiran Kumaraswamy表示。其机器学习和AI算法专注于公用事业规模资产，但“不具备优化配电系统的粒度”，他说。

利用机器学习的天气预报使Amperon客户能够在极端事件前购买更便宜的电力，避免面临高昂的稀缺电价，Amperon首席执行官兼联合创始人Sean Kelly表示。“一个人无法计算15天预报的每小时更新，以及覆盖30,000个地点的28个天气变量的每周长期预报，”他补充道。

“无论称之为机器学习还是AI，”Neara构建的南加州爱迪生公司系统的“计算机化副本”将“应用比人类能整合的更多变量”，用于野火缓解，先进计算提供商Neara美洲高级副总裁兼董事总经理Rob Brook表示。它“识别改进方法”并“消除人为错误和成本”，他补充道。

尽管当前电力行业AI应用多聚焦于批量系统和维护，但一家基于先进计算的公司似乎即将在配电系统层面取得突破。

“Utilidata正在部署首个配电系统AI平台”，使用“定制英伟达模块”，Utilidata总裁兼首席运营官Jess Melanson表示。该平台目前正与Aclara电表一同安装，但“最终将用于变压器等其他系统硬件”，他补充道。

英伟达和Utilidata都看到电力系统应用的“巨大机遇”，Melanson表示。“此前Utilidata的分析使用不完整、陈旧或错误的数据，”但世界标准的英伟达芯片使Utilidata的Karman平台分析能够详细说明“系统正在发生什么、接下来可能发生什么以及最佳响应是什么”，他补充道。

这种配电系统层面的智能水平可能使客户自有资源在可靠性中发挥更大作用，并降低整体客户成本。

实现先进计算效益的一个关键潜在障碍是公用事业和私人客户数据的有限访问。这是包括英伟达和IBM在内的先进计算领域认真对待的挑战。

基础模型与联邦学习

英伟达的软件使先进计算能够“预测数据模式并识别下一个最佳行动”，英伟达的Spieler表示。例如，它可以让电力企业更好地了解停电可能发生的位置并进行主动维护，多位分析师表示。

电力企业不共享开发更精细电力系统理解所需的专有数据，这一挑战是真实存在的，“但联邦学习（用于医疗保健以保护患者数据）可以成为解决方案，”Spieler表示。“通过联邦学习，合作者可以构建其数据模型并在中心位置共享，”他补充道。

NVIDIA FLARE是一种联邦学习软件工具，“构建额外的合成数据以解决新问题”，这回应了隐私关切，Spieler表示。

“电力企业认真对待数据安全，”必须确保数据“以正确方式”共享，EEI的Fisher表示。“必须有保护关键能源基础设施信息的协议，”尽管“有建设性对话讨论如何合作实现这一目标，这是好消息，”她补充道。

一些人认为，对于电力系统多样化的区域特性和不同资源组合的复杂性，联邦学习可能过于局限。

“基础模型正在涌现，以扩展先进计算能力，”IBM全球首席技术官兼能源、环境与公用事业解决方案负责人Bryan Sacks表示。

“不是将AI组件应用于单个问题，而是将数量级更大的数据预训练为基础模型以解决多个问题，”Sacks表示。基础模型可以捕捉电力系统的多样性，而不泄露任何运营商的专有细节。但“电力企业用于运营决策的计量和监控系统数据不在当前大型语言模型中，且受保护不能外部共享，”他补充道。

“基础模型要理解电力系统运行，需要每个连接资产的特定时间和地点数据，但这些数据必须匿名化，”Sacks表示。“IBM已启动工作组，构建一个从匿名数据训练的基础模型，用于电力系统实时和日前运行及长期规划，”他补充道。

不同电力系统利益相关者将能够“微调该基础模型以解决各自不同问题，”Sacks表示。但“监管障碍或对市场参与者获取训练模型所需数据的限制是真实关切，”他补充道。

据Sacks称，IBM正与全球利益相关者合作贡献基础研究。它还将与监管机构接触，“帮助建立促进数据共享的治理体系”，并构建有效的“护栏”以保护系统和数据，他表示。

IBM对监管问题的认识使其与电力企业所称的首要关切达成共识。

电力企业与监管机构

电力企业似乎比科技公司更现实地看待先进计算的监管障碍。

利用先进计算实时优化配电系统，需要电力企业和监管机构对其有“足够信心”，国家电网集团战略、创新与市场分析主管兼国家电网合作伙伴企业风险投资基金总裁Steve Smith表示。“我们可能在10年或15年内实现，”他补充道。

“科技公司和电力企业的商业模式截然不同，”科技公司“不理解为什么需要10年才能将新输电线路投入运行，”EEI的Fisher补充道。实际上，受监管的电力企业“建设输电线路只需18至24个月，但选址、许可和诉讼需要八年，”她说。

引入先进计算需要“具体证据”让电力企业和担心电价上涨的监管机构相信“必要的电网现代化支出将降低客户成本，”Fisher表示。

“基础模型对能源行业有很大潜力，”数据联邦“对于从孤立的电力系统不同系统中提取和协调数据是绝对必要的，”施耐德电气全球创新首席技术官Scott Harden表示。

理想的电力系统架构应建立在电力行业基础模型之上，该模型捕捉其多样性和挑战的关键特征，Harden表示。它还应更广泛部署同步相量测量单元（可记录和传输输电及配电系统数据的硬件设备），以及“在系统边缘全面部署智能电表，所有数据都将联邦化，”他补充道。

构建该架构可以从监管机构支持“新计算能力及使其工作的技术”开始，Harden表示。目前尚不清楚部署的成本和时间负担有多大，“但更重要的问题是如果不部署，成本会是多少，”他补充道。

“对所有人来说，在AI大领域都处于早期阶段，现在的问题是如何驾驭这一领域，”联邦能源监管委员会（FERC）委员Allison Clements对Utility Dive表示。当前使用的先进计算应用“如果联邦和州监管机构推动，可以创造正反馈循环，”她补充道。

“监管机构必须在这一变革时刻保持成长心态，因为这是电网现代化混乱中期的早期阶段，”Clements表示。电力企业“正在逐案处理费率案例，以理解如何在保护可靠性和可负担性的同时实现这一转型，”她补充道。

“联邦和州监管机构需要积极参与，因为AI能力即将到来，”Clements补充道。“它是否造福社会或引发问题，取决于电力企业、政策制定者、立法者和其他领导者。”