EPRI领衔开放电力AI联盟：以数据共享驱动电网现代化

电力系统现代化与人工智能（AI）的结合，正因缺乏可用于AI训练的系统数据而受阻——这一判断得到了技术界与电力行业专家的广泛认同。

“数据之于AI，如同石油、天然气、风能与太阳能的总和。”科技市场领军企业Scale AI创始人兼CEO Alexandr Wang在4月9日向美国众议院能源与商业委员会作证时表示，“每一项重大AI进步都根植于由人类专业知识塑造的数据”，而“要在AI领域取胜，必须将数据资产转化为优势”。

电力企业同样渴望借助AI取胜，这一点在电力系统高管与分析人士中已形成共识。

“电网是地球上最复杂的机器之一”，且“已具备数字化的成熟条件”，南加州爱迪生公司（Southern California Edison）系统规划与工程高级副总裁Shinjini Menon指出。她补充道，支撑数字化的数据至关重要，因为“地球上没有足够的时间、金钱或资源”来继续沿用过去的做法。

为破解数据可及性障碍，电力与科技行业已携手合作，共同推进由电力研究院（EPRI）牵头的“开放电力AI联盟”（Open Power AI Consortium）。与此同时，监管与技术创新正在打开数据获取之门。但专家向Utility Dive表示，围绕网络安全与电力客户权利的严重分歧仍有待化解。

数据为何重要，数据从何而来

众多利益相关方将AI新能力视为应对电力系统庞大覆盖范围与高度复杂性的工具。

“这不是你祖父时代的AI——它不仅仅是机器学习，但它仍然需要数据来学习。”EPRI总裁兼CEO Arshad Mansoor表示。他补充说，这些数据“来源多样，包括区域系统运营商、电力公司、研究机构、私营设备制造商、第三方分析师以及云和软件供应商”。

“据估计，95%的数据被封锁在电力公司的网络安全与客户隐私壁垒之后。”EPRI执行副总裁兼首席财务、风险与运营官Swati Daji补充道。EPRI的开放电力AI计划将“创建、开发并整理数据集，作为面向全行业的开放解决方案存储库”。

该计划还将构建“用于测试和验证用例的沙盒”，以及“用于分享经验教训的反馈循环”，Swati表示。开放存储库中的数据可与电力公司受保护的数据整合，用于进一步的AI建模；随着电网现代化推进，电力公司将能更好地管理那些导致巨额支出的罕见高峰负荷，她补充道。

另一项举措是组件制造商施耐德电气（Schneider Electric）与微软（Microsoft）及数据供应商Esri合作开发的“统一数字电网平台”（One Digital Grid Platform），作为“电网数据枢纽”，施耐德电气数字电网CEO Ruben Llanes介绍。该平台将“从电力公司智能设备中摄取数据”，并“实现实时洞察、预测分析与自动化”，他补充说。

上述两项举措都将提升电力公司利用AI驱动的电网边缘智能数据的能力，以“分解客户用电行为并协调柔性负荷”，Menon表示。然而，这需要“对配电网线路、软件和通信技术进行投资”，她补充道。

若统筹规划，“对控制室与系统边缘技术的增量投资可保持升级成本的可负担性”，Menon说。AI赋能的电力系统“在现有完成1万次计算的时间内，或许能完成1000万次计算”，这将支持“更全面的规划与更细粒度、实时的系统运行”，她补充道。

即便到2045年南加州爱迪生系统上预计将有1500万台客户自有智能设备，AI工具仍可监控系统数据，“并将需要关键决策之处提示给人类操作员”，Menon表示。

政策层面的工作正在加速，以促进所有电力系统利益相关方获得更大数据访问权限。

政策推动数据获取

数据可及性已成为近期联邦、州及电力公司政策举措的主题。

在联邦层面，2023年由康涅狄格州民主党参议员Richard Blumenthal与密苏里州共和党参议员Josh Hawley提出的两党AI框架，以及去年由密歇根州民主党参议员Gary Peters与北卡罗来纳州共和党参议员Thom Tillis提出的《PREPARED for AI法案》，均包含数据保护与共享条款，但两者均未获通过。

然而在2024年，电力公司与监管机构继续在州层面解决先进计量基础设施（AMI）客户数据的访问问题，北卡罗来纳清洁能源技术中心最新一期州政策行动更新报告显示。

根据2023年国家监管实用委员会协会（NARUC）发布的《电网数据共享操作手册》，所有电力系统数据均可共享，但不可共享可识别客户身份的个人、人口统计或项目参与数据。手册还指出，数据访问可带来系统效益、限制负面影响，并厘清“必需数据”与“锦上添花数据”之间的区别。

电网数据与客户数据的获取均存在问题，咨询公司Plugged-In Strategies创始人兼总裁、手册合著者Chris Villarreal表示。手册中的实践可加速分布式能源（DER）并网，并通过加快数据访问、提供透明度及必要的客户数据保护，推动经济全面电气化，他补充道。

多个州正在进行重要的数据共享政策工作。

根据Brattle Group为纽约州“未来电网”程序所做的最新评估，纽约州2040年电网灵活性潜力每年可避免近30亿美元的电力系统成本。但实现这一灵活性潜力“需要海量数据，其中部分数据目前并未测量或可得”，Brattle能源管理副总监、研究合著者Akhilesh Ramakrishnan表示。

电力公司必须投资以“测量并收集”数据，并构建“单一交互点与统一数据格式”以简化访问，Ramakrishnan补充道。

在加州公用事业委员会（CPUC）针对DER增长的R. 22-11-013规划程序第一阶段，已设立数据工作组以改善数据访问。该工作组将“制定数据访问的规则与要求”，包括准确性标准、客户隐私及电力公司对监管要求的合规性，工作组表示。

可访问的实时数据将使所有可用资源“在不花费数千亿美元进行系统升级的情况下，用于平衡供需”，分布式电池供应商Viridi CEO Jon M. Williams表示。

在马萨诸塞州，立法者近期通过了参议院第2967号法案，该法案要求“实施先进计量数据访问协议”。DER倡导者对该法律表示支持，但电力公司希望进行监管调整。

Eversource Energy“完全支持”数据访问，并建议采用“使用虚拟中央数据存储库的通用州级门户”，而非可能“重复成本”并造成“安全漏洞”的“传统数据库”，Eversource客户运营与数字战略高级副总裁兼首席客户官Jared Lawrence表示。

在明尼苏达州，监管机构批准了“开放数据访问标准”，并批准了Xcel Energy部署智能电表及支持其运行的无线通信的5.637亿美元投资，公民公用事业委员会执行董事Annie Levenson-Falk表示。

电力公司还被要求“收集并共享聚合或匿名化、分解后的客户能源使用数据”，Levenson-Falk说。但Xcel拒绝了首次数据请求，理由是可能威胁客户隐私或安全，该拒绝目前正受到挑战，她补充道。

其他关键州级努力正在新泽西州、阿肯色州、伊利诺伊州及哥伦比亚特区推进。

这些程序的一个共同焦点是，利用AI管理的配电系统数据，将聚合的DER和虚拟电厂（VPP）整合到系统运行中。

配电系统数据是关键

利益相关方日益达成共识：要获取、共享并使用配电系统数据，投资于DER管理系统（DERMS）将是必要的。

两类DERMS中的每一种都是“与电力公司运营及信息技术系统和业务流程交互的多个软件系统的集合”，智能电力联盟（SEPA）4月白皮书指出。两者结合可“实现电网运行的新范式”，而“任何单一软件系统都无法提供这种能力”，白皮书称。

边缘DERMS“管理来自多个DER制造商的大量表后DER，如电池、恒温器和电动汽车”，SEPA表示。电网DERMS“与电力公司的配电运行系统紧密互联，侧重于管理较大的表前DER以及聚合的客户自有DER”，它补充道。

“更积极地管理和整合DER可提高电网可靠性、电能质量和系统韧性，并为电力公司和客户带来经济价值”，SEPA表示。而“不协调的DER可能增加系统峰值需求、造成配电系统过载或电压违规，并增加连锁停电风险”，它补充道。

电网DERMS的成本可能在约1000万至2000万美元之间，而边缘DERMS通常低于1000万美元，具体取决于电力公司系统的复杂性，SEPA电网战略高级总监、白皮书合著者Lakin Garth表示。

如果DERMS能提供令人信服的系统数据，电力公司将能利用DER聚合和VPP提供与其他可调度资源相同的灵活系统服务——电力公司、DER倡导者及分析人士对此表示认同。

边缘DERMS已在分解表后客户能源使用，以解决峰值需求挑战并减轻配电系统升级需求，DER聚合商及边缘DERMS提供商Uplight首席技术官Jesse Demmel表示。

“提供更多服务所需的数据是可得的，但它们被隔离在电力公司的规划、运营和客户服务部门之间，难以整合到单一平台中”，Demmel补充道。

通过投资DERMS，新兴AI建模可整合“单一玻璃面板”平台，提供连接客户与电力公司控制室的可见性，Demmel表示。这些投资将通过利用数据识别最具成本效益的升级方案而收回成本，他补充道。

“DERMS投资绝对必要，同时还需投资于硬件、运营和测量技术”，且“DER将使系统受益”，Brattle的Ramakrishnan表示认同。然而，AI可能无法完全解决电力公司对安全或可靠性的担忧，因为将操作员的决策归咎于AI建议“无法让监管机构或客户满意”，他补充道。

Plugged In Strategies的Villarreal表示同意。AI“可能增强系统建模能力，但将所有资源单一整合将代价高昂且计算复杂”，他说。

然而，在配电系统层面运行的AI或许能消除数据共享顾虑，因为“它将沿着功率流向，获取优化系统资源所需的数据，并展示为何这些数据应当可用”，Villarreal补充道。