AI赋能电力行业：英伟达、IBM等科技巨头推进应用，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，正推动双方开展合作，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、建筑电气化及数据中心带来的显著负荷增长预期。英伟达、微软、IBM和施耐德电气等科技公司的高管表示，他们正逐渐理解制约电力企业向先进AI计算策略转型的监管壁垒。

数字技术迅猛提升的计算能力与超大规模云资源，正在颠覆以往关于AI学习、执行及优化系统运行潜力的假设，使电力企业踏上所谓的“技术转型”之路。

“电力行业较为保守，但面临清洁能源与减排的硬性要求，”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“实时预测可优化”批量调度、维护等决策，英伟达的“专用模块将把其他行业的学习成果应用于能源转型。”

分析人士指出，电力企业已在野火防控、植被管理与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无法同样快速行动，”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。“但在解决电力企业挑战方面，似乎出现了新的合作精神。”

一个障碍可能拖慢这一技术转型。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其潜力，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倍，从2.6%升至4.7%，”2023年12月Grid Strategies研究报告显示。报告补充称，2024年预测“可能显示更高的全国增长率”，受新建制造业、工业及数据中心投资驱动。

先进计算的广泛应用正为管理新增负荷提供“对批量系统运营商的决策支持”，电力研究院（EPRI）AI、量子与创新高级技术主管Jeremy Renshaw表示。但完全优化配电系统运行与调度“可能是一个突破，也可能还需数年”，Renshaw补充道。

许多科技公司正投入先进计算，以期实现这一突破。

科技公司发力

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算法聚焦于公用事业规模资产，但尚不具备“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较低电价，而非面临高昂的稀缺定价，Amperon首席执行官兼联合创始人Sean Kelly表示。“人类无法计算15天预报的每小时更新，以及覆盖30,000个地点、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”，由Neara构建的南加州爱迪生公司系统的“计算机化复制品”将“应用比人类能整合的更多变量”，Neara美洲高级副总裁兼董事总经理Rob Brook表示。它“识别改进野火防控的方法”并“消除人为错误与成本”，他补充道。

尽管当前电力行业AI应用多集中于批量系统与维护，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”，采用“定制化英伟达模块”，Utilidata总裁兼首席运营官Jess Melanson表示。该平台正与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。

英伟达与Utilidata都看到电力系统应用的“巨大机遇”，Melanson表示。“此前Utilidata分析使用不完整、陈旧或劣质数据”，但世界标准的英伟达芯片使Utilidata的Karman平台分析能够详述“系统正在发生什么、下一步可能发生什么以及最佳响应”，他补充道。

配电系统层面的这种智能水平，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，是电力企业与私人客户数据的有限访问权限。英伟达、IBM等先进计算领域企业对此高度重视。

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步最佳行动”，英伟达的Spieler表示。例如，它可使电力企业更深入了解停电可能发生的位置并进行主动维护，多位分析人士称。

电力企业不愿共享开发更精细电网理解所需的专有数据，这一挑战确实存在，“但联邦学习——用于医疗保健以保护患者数据——可成为解决方案，”Spieler表示。“通过联邦学习，合作者可构建其数据模型并在中心位置共享，”他补充道。

NVIDIA FLARE是一款联邦学习软件工具，“构建额外合成数据以解决新问题”，从而回应隐私关切，Spieler称。

“电力企业重视数据安全”，必须确保以“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“关于如何合作实现这一点的建设性对话是好消息”，她补充道。

有人认为，对于电力系统不同区域独特性与资源组合的复杂性，联邦学习可能过于局限。

“基础模型正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。

与将AI组件应用于单个问题不同，“数量级更大的数据被预训练为基础模型以解决多个问题，”Sacks表示。基础模型可捕捉电力系统的多样性，而无需披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与监控系统数据，不在当前大型语言模型中，且受保护不得外部共享，”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与地点数据，但这些数据必须匿名化，”Sacks表示。“IBM已启动工作组，构建基于匿名数据训练的基础模型，用于电力系统实时、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正邀请全球利益相关者贡献基础研究，并将与监管机构合作，“帮助建立促进数据共享的治理体系”，以及构建有效“护栏”以保护系统与数据。

IBM对监管问题的认知，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，需要电力企业与监管机构对其有“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。

“科技公司与电力企业的商业模式截然不同”，且“科技公司不理解为何建设新输电线路需要10年，”EEI的Fisher补充道。实际上，受监管电力企业“建设输电线路仅需18至24个月，但选址、许可和诉讼却需八年，”她说。

引入先进计算需要为电力企业和监管机构提供“具体证据”，证明“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潜力巨大”，数据联邦是“从不同孤立的电力系统数据中提取与协调数据的绝对必要条件，”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与挑战的关键特征，Harden表示。它还应更广泛部署相量测量单元——可记录并传输输电与配电系统数据的硬件设备——以及“系统边缘全面部署智能电表，所有数据实现联邦化，”他补充道。

构建该架构可从监管机构支持“新计算能力及实现其所需技术”开始，Harden表示。部署成本与时间尚不明确，“但更重要的问题是，不部署的成本将是什么，”他补充道。

“对所有人而言，AI大领域仍处于早期，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。当前应用的先进计算“若联邦与州监管机构推动，可形成正反馈循环，”她补充道。

“监管机构必须在此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“正逐案处理费率案件，以理解如何在保护可靠性与可负担性的同时实现这一转型，”她补充道。

“联邦与州监管机构需积极介入，因为AI能力即将到来，”Clements补充道。“其是否惠及社会或引发问题，取决于电力企业、政策制定者、立法者及其他领导者。”