每經記者 周逸斐    每經編輯 陳星    

上海電力大學副校長張波，專注新一代人工智能與深度學習技術、大數(shù)據(jù)技術、社交網絡分析等領域研究，深入研究人工智能模型“如何表征復雜數(shù)據(jù)的結構特征”“如何將空間、時間兩個維度的結構特征融合”等，曾和團隊推出“智能環(huán)保中空氣污染物預測”“基于人工智能的STEM教育個性化學習技術”（STEM是科學、技術、工程和數(shù)學4門學科的簡稱）等多個交叉學科人工智能模型、產品。

不僅如此，近年來，他的研究成果也獲得了多項科技獎勵。張波作為負責人主持國家自然科學基金3項，省部級項目4項，并作為主要研究人員參與完成多項國家級理論研究項目。

張波帶領團隊與相關企業(yè)共同合作開發(fā)的系列模型還曾服務于北京冬奧會、上海進博會、西安全運會等多個大型賽事活動。

在9月7日至10日召開的2024全球能源轉型大會上，張波接受了《每日經濟新聞》（以下簡稱NBD）記者采訪。

圖片來源：主辦方供圖

 

應探索多元化新能源消納途徑

NBD：當下人工智能飛速發(fā)展，大模型的訓練和使用對電能的消耗很大，正好可以消化面臨消納問題的風光電。那么人工智能數(shù)據(jù)中心是不是可以成為一個消化多余的可再生能源電力的途徑？

張波：風電、太陽能等新能源的加入，的確給構建新型電力系統(tǒng)帶來新的挑戰(zhàn)。電力系統(tǒng)傳統(tǒng)的“源-網-荷”結構正在向“源-網-荷-儲”一體化模式邁進。但實現(xiàn)科學消納是一個系統(tǒng)工程，而非僅僅面向滿足數(shù)據(jù)中心建設的。

當前數(shù)據(jù)中心以及大模型的訓練雖然都在耗費巨大的電力能源，但我認為這是一個階段性的問題。隨著技術的飛速發(fā)展，我們會逐漸進入一個數(shù)據(jù)中心發(fā)展與用戶需求和技術需求匹配發(fā)展的時代。從這個角度來看，數(shù)據(jù)中心的發(fā)展速度可能并非一味地快速膨脹。屆時，數(shù)據(jù)中心建設規(guī)模過快，如果超越了市場使用需求，反而可能導致能源的浪費。

因此，我們應探索多元化的新能源消納途徑，如推廣新能源汽車、發(fā)展新型儲能技術、部署分布式儲能網絡，同時考慮加強跨區(qū)域能源調度的優(yōu)化配置。

NBD：以AI大模型為代表的新一輪人工智能技術會對電力行業(yè)培育發(fā)展新質生產力產生哪些意義？

張波：新一輪人工智能技術對電力行業(yè)的影響可以分為以下三方面。

首先是電力領域生產資料的變化。例如，隨著鈣鈦礦太陽能電池等新型電力材料的涌現(xiàn)，在人工智能的助力下，科研人員可以利用AI技術預測鈣鈦礦電池的材料結構與物性，探索出更為優(yōu)化的材料設計方法。

其次是電力領域生產工具的變化。我們可以把AI看成一個非常重要的生產工具，并由AI衍生制造出全新的生產工具。例如大模型有非常卓越的生成能力、預測能力和流程設計能力，在“源網荷儲”的很多場合下都可以賦能到傳統(tǒng)電力場景中去。我們完全有可能精準預測未來一段時間風電、光伏等新能源的發(fā)電量，并且基于歷史數(shù)據(jù)分析用戶側電力需求，實現(xiàn)供需兩側電力配置的精準平衡。

再次是電力領域生產關系的變革。AI作為全新的“元”進入電力生產鏈，讓電力行業(yè)生產關系發(fā)生根本性轉變。它打破了傳統(tǒng)上人類單一主導電力系統(tǒng)的格局，從而進入“人、AI”二元電力生產管理時代，引領我們步入“人機協(xié)同”的新型電力系統(tǒng)時代。

加強能夠用于大模型訓練、帶有豐富語義標簽的數(shù)據(jù)積累

NBD：當下電力行業(yè)有沒有出現(xiàn)成熟的大模型？和其他領域的大模型有何區(qū)別？

張波：目前，大模型在電力行業(yè)已經有一些比較成功的案例，例如南方電網公司的“馭電”智能仿真大模型。

當然，目前很多大型企業(yè)也在自主研制電力大模型。這些大模型與市面上的通用大模型最大的區(qū)別在于，以整合大量的電力生產和電網運行數(shù)據(jù)為支撐，更加關注電力行業(yè)垂直領域應用場景的個性化需求。

我非常期待未來電力大模型能夠解決垂直領域中特定場景的應用需求和個性化問題，特別是在“源網荷儲”等關鍵環(huán)節(jié)，希望大模型能夠集中解決行業(yè)共性難點。

為了實現(xiàn)這一目標，我們必須重視在日常生產過程中的數(shù)據(jù)積累，尤其是那些能夠用于大模型訓練的、帶有豐富語義標簽的數(shù)據(jù)。

目前，盡管企業(yè)內部已有一些生產、運維等各類數(shù)據(jù)的積累，但行業(yè)共性數(shù)據(jù)的清洗、規(guī)范化、開放共享等仍處于起步階段。從數(shù)據(jù)這個角度，我們可能還要更加注重數(shù)據(jù)科學與數(shù)據(jù)治理在電力行業(yè)中的交叉應用，為AI在電力領域中的大規(guī)模應用夯實數(shù)據(jù)基建的基礎。

NBD：在您看來，人工智能在電力行業(yè)的應用現(xiàn)狀如何？電力行業(yè)應用人工智能所面臨的挑戰(zhàn)是什么？

張波：在電力領域中，電源管理、電網優(yōu)化預測、儲能分析等多個垂直領域已經有非常多的人工智能技術介入，但也面臨多方面的挑戰(zhàn)。

第一是數(shù)據(jù)問題。當下，電力行業(yè)的數(shù)據(jù)質量需要提升，這直接影響人工智能大模型的訓練效果與準確性。

第二是模型設計的泛化能力不足，即當下的很多模型設計主要在單一區(qū)域或場景中應用，無法適用于更加廣泛的區(qū)域條件和差異化場景。

第三，新型電力系統(tǒng)的構建是一個復雜而龐大的系統(tǒng)工程，我們目前仍主要著眼于局部或小范圍的應用和優(yōu)化。如何在“源網荷儲”四個維度以及新型電力系統(tǒng)的整體系統(tǒng)角度上，實現(xiàn)與人工智能的全面協(xié)同乃至全局優(yōu)化提升仍是一個巨大難題，目前很多模型還無法解決。

最后是人工智能在電力行業(yè)應用中的安全性與可靠性問題。

NBD：如何讓人工智能技術在電力行業(yè)產業(yè)化落地、實現(xiàn)規(guī)模化供給，進一步推動電力行業(yè)高質量發(fā)展？

張波：總的來說，當前新型電力系統(tǒng)與新能源體系建設過程中，非常值得我們關注的難題之一，就是電力供給側的不穩(wěn)定性與用戶需求側的不確定性之間的矛盾，并由此所引發(fā)的“源網荷儲”四維結構中一系列系統(tǒng)性難題。而人工智能無疑是解決上述矛盾及由此引發(fā)的系統(tǒng)性難題的一把利刃。

因此，推動人工智能在電力行業(yè)的產業(yè)化落地，要發(fā)揮多方面的作用，包括國有企業(yè)、高等院校以及領先的人工智能企業(yè)等，這些多元主體之間存在巨大的協(xié)同可能和共贏潛力。但如何將這種潛在的協(xié)同轉化為強烈的合作需求和緊密的合作關系是亟待解決的問題。

目前，人工智能與電力行業(yè)融合所產生的研究機構、研發(fā)平臺、產教融合學院和聯(lián)合攻關主體等創(chuàng)新模式不斷涌現(xiàn)，這些都是對合作模式的有益探索。為了實現(xiàn)這一目標，需要在政策引導、要素配置、創(chuàng)新機制、評價改革和市場驗證等方面做好工作。

從技術角度看，“AI+電力”是一個典型的跨學科組合，是利用新技術推動傳統(tǒng)行業(yè)轉型升級的創(chuàng)新實踐。有AI賦能，能源電力行業(yè)不論在宏觀層面上對新型電力系統(tǒng)整體轉型升級，還是微觀層面，諸如微電網甚至電氣零部件生產、運維的性能預測分析和故障診斷等不同細小環(huán)節(jié)優(yōu)化，都會獲得更大的創(chuàng)新突破。

封面圖片來源：視覺中國-VCG41N1472123004