中國儲能網(wǎng)訊：據(jù)美國InsideAInews網(wǎng)站報道，美國電網(wǎng)正在老化，無法滿足消費者的需求。如果不進行及時的更新改造，停電很快就會成為常態(tài)。人工智能能否成為解決美國供電瓶頸的關鍵？
美國的電網(wǎng)已經(jīng)過時了，其中大部分建于20世紀60年代，自那以后就沒有進行過重大更新。如今，約70%的輸電線路已有30年的歷史。雖然老化的基礎設施本身就是一個問題，但這不是主要問題。美國最近數(shù)字化的急劇上升可能是罪魁禍首。大型數(shù)據(jù)中心和制造廠等工業(yè)設施正在全國范圍內涌現(xiàn)，整個州現(xiàn)在都面臨著迫在眉睫的電力短缺。由于這些地方，喬治亞州的用電量創(chuàng)下歷史新高，目前是過去的17倍。據(jù)估計，到2030年，美國數(shù)據(jù)中心就需要大約47吉瓦的電力容量。從這個角度來看，平均每個核電機組產(chǎn)生1吉瓦的電力。美國有54座核電機組，勉強足以滿足這些數(shù)據(jù)中心的基準消耗。
2022年，一個典型的美國家庭經(jīng)歷1.4次停電，平均持續(xù)5.6小時。在一些州，人們平均有近20個小時沒有電。如果情況繼續(xù)保持不變，隨著數(shù)字化加速而不受控制，意外和輪流停電可能會變得更加頻繁。電網(wǎng)復雜而龐大，因此只靠人工處理和分析是不可能的。這就是人工智能發(fā)揮作用的地方——它可以超越任何人類，完成自動化最基本的任務。
具體來說，人工智能可以通過四種主要方式幫助補充能源供應和滿足需求。
識別優(yōu)化——人工智能實現(xiàn)了數(shù)據(jù)驅動的洞察力，使決策者能夠識別優(yōu)化潛力。例如，模型可以使用太陽強度、云層覆蓋和天氣信息來預測太陽能電池板將在哪里產(chǎn)生最大的電力。城市可以利用這些發(fā)現(xiàn)來最大限度地減少電網(wǎng)壓力，或向聯(lián)邦政府尋求基礎設施援助。雖然電網(wǎng)升級的成本可能很高，但納稅人不必被賬單所困。例如，由于翻新的變壓器比新變壓器便宜得多，而且交貨時間也快得多，因此它們是具有成本效益的解決方案。借助人工智能，電網(wǎng)運營商可以實時分析新設備以優(yōu)化性能。
預測停電——機器學習模型可以使用天氣、地理和過去停電的實時和歷史數(shù)據(jù)來確定下一次停電的發(fā)生時間。通過這種方式，可以預防這些事件，同時加快事件響應。該算法可以檢測停電并中繼緊急備用電源。
預測能源消耗率——電網(wǎng)運營商每天多次進行復雜的數(shù)學計算，以預測未來的能源需求。這聽起來很乏味。幸運的是，研究表明，機器學習模型可以更快地完成這些計算，將時間從10分鐘縮短到1分鐘，總共節(jié)省了大量時間。如果決策者能夠獲取家庭層面的用電數(shù)據(jù)，先進的人工智能可以在幾分鐘內對其進行分析。通過這種方式，他們可以預測人們將使用多少電力，使他們能夠為需求的激增或下降做好相應的準備。無論他們引入可再生能源、設置電池還是安排輪流停電，他們都會做好準備。
促進點對點交易——為終端用戶設計的人工智能可以通過預測成本和電力可用性來促進點對端能源交易。無論哪種方式，當人們注意到每千瓦時的價格上漲時，他們會傾向于將多余的電力賣回電網(wǎng)，幫助運營商補充供應，更好地滿足需求。
