为了人类的低碳未来,截至2020年底,全球已有44个国家和经济体正式宣布碳中和目标,这对能源系统提出了更高要求,全球能源系统正在经历一场深刻的变革,向去中心化、数字化、脱碳化转型。全球脱碳的努力将导致能源系统更加复杂,也要求能源系统变得更先进、更智能,同时能源转型还面临巨大的成本压力。据国际著名的能源研究公司彭博新能源财经（BloombergNEF,BNEF）^[1]估计,为实现全球净零排放,2020至2050年所需的能源基础设施投资总额在92万亿美元至173万亿美元之间。人工智能可提高能源系统工作效率、降低转型成本,进而极大提高转型速度。2021年9月,世界经济论坛（WEF）发布题为《利用人工智能加速能源转型》的报告^[2],深入剖析了人工智能在能源转型中的应用潜能,并提出需考虑的关键问题,为我国加快能源转型、实现双碳目标提供了有益启示。

未来能源系统将高度分散,电力系统管理将极其复杂。据WEF报告,到2050年全球来源于分布式小型光伏发电和电池的电力占比将从当前的4%提高到13%,可再生能源装机容量将从1.5 TW增至12 TW,电池容量将从11 GW增至1.3 TW。此外,还将有大量的用电终端接入电网,对电网的稳定性和性能带来巨大挑战。例如,到2050年全球柔性负荷将从不足1%提高到8%,电动汽车保有量将从0.12亿辆增至8.36亿辆。人工智能可有效减轻能源转型面临的巨大成本压力,如果没有人工智能的支持,未来的能源和电力系统将变得不可管理。

人工智能可全面助力能源转型,以丰富而多样的数据为基础,识别隐藏在用电、电价、天气等数据中的模式,进而预测未来能源事件的发生概率;还可利用设备、装置及其传感器数据,实现能源系统的智能协调与自动化运行。一些具有重要潜力的应用场景包括以下几方面。

（1）可再生能源发电与需求预测

从电厂选址设计到电力调度,人工智能都可以发挥重要作用。人工智能在太阳能和风力发电场选址时,可确定资源丰富且接近现有电网的站点;电厂建设时,可优化设备入场顺序,识别低效或危险流程,加快建设进度管理;投入运营后,可预测故障和中断,优化维护计划;能源上网时,可更好地预测产能,最大限度地将可再生电力入网;此外,可预测消费者的需求,避免电力预测失败导致的停电或可再生能源的削减。

（2）电网运营与优化

为实现净零排放,需要大幅提升可再生能源的产能,并尽快扩建输电基础设施,完成这些工作的周期可能将成为瓶颈。此外,在集成与分散并存的能源系统中,高低电压都面临系统优化问题,维持电网稳定、确保供电安全将更为复杂。在电网设计与规划阶段,人工智能可优化电网运营,提高现有输配电线网能力;在设备运营与维护方面,可延长现有设备的生命周期;此外,人工智能可以很好地监测电网性能,在有很多可再生能源并入电网的情况下也能帮助整个电网系统维持稳定。

（3）能源需求管理

人工智能可以协调分布式可再生能源、电池以及其他储能设备之间的互动,实现其智能集成。通过学习设备的行为和确定断电的方法,人工智能可帮助优化用电,不仅减少用电需求,匹配电力需求以适应可再生能源发电,还可向消费者和工业设备开放能源服务市场。此外,数字化和人工智能有助于将分布式能源和设备打造为“虚拟发电厂”,并帮助实现电网平衡和电力质量优化。

（4）材料发现与创新

开发用于清洁能源生产和存储的高性能、低成本材料已被认为是能源转型的优先事项。然而研发先进材料的周期通常较长,且需要大量投资。人工智能可缩短材料的研发进程,帮助更多的实验室成果转化到市场中。人工智能可在分子水平上预测新材料的性质,筛选出具有高价值的潜在候选材料。人工智能与机器人技术还可用于自动合成和实验,测试材料的特性及其在一系列条件下的性能。

人工智能促进能源转型的潜力不会自然发生,为全面释放其应用于能源部门的潜力,安全、负责任地采用人工智能来加速能源转型,需要应对在行业中迅速大规模采用人工智能面临的阻碍。因此,在应用人工智能加速能源转型的过程中,需要在系统设计、必要条件、风险治理等几个方面解决好若干关键问题。

（1）系统设计需要考虑人工智能自主性、人工智能碳足迹以及人工智能可用和可解释性。

首先,在管理未来分布式能源系统的复杂性时,需要确定在确保安全性和效率前提下的自动化程度,是采取人工智能协助人类决策的增强自动化方式,还是完全交给人工智能自主决策。其次,随着能源行业对人工智能的采用,其自身的碳足迹也应被纳入考量,须坚持采用最节能的基础设施,采用最佳实践工具方法,建立节能和可持续的运行模式。最后,人工智能必须易于解释和使用,才能成为各种操作任务的基础。

（2）人工智能加速能源转型需满足三个必要条件。

第一,数据的可用性与质量：运用先进的人工智能算法需要足够的数据,但现有数据通常格式不同、标记不当、分散存储,未与第三方共享。需要建立共同的数据标准来实现更大程度的数据交换,监管层还需平衡好使用数据的好处和保护数据隐私之间的关系。第二,监管部门的激励政策：目前缺乏人工智能的监管框架,能源用户和其他市场参与者也没有明确主张在能源系统中应用人工智能,这使得能源供应商没有动力扩大人工智能的应用规模。监管机构应制定激励政策以释放这些需求。第三,技能培训和用户教育：通过以人为中心的教育方法,帮助能源队伍了解人工智能知识、掌握人工智能技能,建立工程师、员工和管理者对人工智能的信任。同时开展用户教育,帮助用户部署人工智能方案,让用户了解其数据是如何被使用的,以及人工智能具有哪些局限性。

（3）风险治理包括风险管理、标准与接口、安全与伦理三方面。

在风险管理方面,监管机构和能源行业领导者需了解并降低人工智能的潜在风险。通用的人工智能风险评估管理办法对于建立算法的信任度和透明度至关重要。相比人为控制,为算法设置清晰的操作范围可以降低风险,但人为控制也可降低感知风险。针对标准与接口,当前不同地区和能源系统的标准缺乏互操作性,需要兼容的软件通讯标准和可互操作的机器接口,否则当试图集成到电网的设备和装置越来越多时,这种碎片化情况会更加严重,导致整体小于部分之和。在安全与伦理方面,人工智能的应用必须坚持“包容性、公平性、透明度、稳健性和问责制”五大原则,确保伦理和负责任的使用是其开发和部署过程的核心。在实践中根据给定用例的潜在危害来管理风险,特别注意高风险用例、敏感个人数据和弱势群体。

据BNEF预测,2020–2050年人工智能通过提高能源效率和帮助减少需求可以节约1.3万亿美元的清洁能源发电投资^[3],通过帮助电网变压器保持运行状态可节约1 880亿美元的电网设备更换成本^[4]。BNEF发现,到2040年,缺乏智能灵活性将使电力系统成本增加6%~13%,人工智能可以帮助控制和平衡智能系统的灵活性^[5]。因此,为实现碳中和目标,需要以更大规模和更快速度部署人工智能技术,加快能源转型,建议如下。

（1）建立奖励低碳发电和灵活需求的先进电力市场。

能源领域的许多人工智能用例都与小规模分布式能源资源相关,政策制定者和系统运营商需重新审视现有的市场制度,为分布式发电与大型发电机组的竞争建立公平环境,消除监管障碍,让这些用例能进入能源市场和相应的价值池。

（2）充分整合利用人工智能的智能分布式能源。

配电网作为电网管理参与者可为电网提供灵活性,但这一潜力常常被忽略,国家和地方能源系统规划者应充分了解它们在支持转型中发挥的作用,在扩展电网、部署新的集中式发电机组等基础设施投资时做出更明智的决策。

（3）制定明确法规确保对能源数据平等公正的访问。

支持人工智能算法训练需要高质量的数据集以减少算法偏差,政府应制定清晰而简单的规则,让能源数据成为商品,可快速收集、安全存储、易于使用和公平分配。政府可指导或激励行业组织和公共实体对行业中央数据库进行管理和资助。

随着人工智能的发展,忆阻器因其“存算一体”的特性被越来越多的研究者探索,铁电忆阻器因其优异的极化可控、多值存储和在神经计算领域的应用潜力而受到人们的特别关注。其中,由于铁电材料的技术需求和无铅无毒的环境要求,钛酸钡（BaTiO₃)成为了铁电钙钛矿氧化物铅基材料的最佳替代品之一。

然而,目前大多数铁电材料生长在单晶衬底上,复杂氧化物材料的硅兼容性不足阻碍了其与当前硅互补金属氧化物半导体技术的实际集成,在纯钛酸钡铁电材料中还存在高介电损耗的问题。

近日,河北大学教授闫小兵团队报道了一种全新的材料结构,由钛酸钡掺杂低介电系数材料二氧化铈（CeO₂）的垂直排列纳米复合(VANs)铁电薄膜作为忆阻介质,成功的获得了硅基外延铁电薄膜。

通过这种新结构的引入,该铁电忆阻器器件实现了生物突触模拟功能。通过控制VANs结构薄膜的制备温度,优化了铁电极化反转特性。特别是,该器件的鲁棒耐用性可达109次循环。器件的速度也可以达到10 ns,远低于人脑突触的反应。利用宽度为50 ns的快速脉冲实现了加、减、乘、除的代数运算。

该成果近期在国际学术期刊《先进材料》上发表。

据悉,该结构的器件可以像人脑一样识别物品的类别,在神经形态计算方面拥有着优秀的性能。研究团队采用了VGG8卷积神经网络识别了CIFAR-10数据集,数据集由10个类别的6万张32×32彩色图像组成,每个类别有6 000张图像,包括飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车。基于该器件采用了模拟片上训练,在经过200多次训练之后,在线学习最终识别率达到了90.03%而离线学习识别率更是达到92.55%。（来源：中国科学报 陈彬）

相关论文信息： https://doi.org/10.1002/adma.202110343