每經(jīng)記者 周逸斐    每經(jīng)編輯 陳星    

上海電力大學(xué)副校長張波，專注新一代人工智能與深度學(xué)習(xí)技術(shù)、大數(shù)據(jù)技術(shù)、社交網(wǎng)絡(luò)分析等領(lǐng)域研究，深入研究人工智能模型“如何表征復(fù)雜數(shù)據(jù)的結(jié)構(gòu)特征”“如何將空間、時(shí)間兩個(gè)維度的結(jié)構(gòu)特征融合”等，曾和團(tuán)隊(duì)推出“智能環(huán)保中空氣污染物預(yù)測”“基于人工智能的STEM教育個(gè)性化學(xué)習(xí)技術(shù)”（STEM是科學(xué)、技術(shù)、工程和數(shù)學(xué)4門學(xué)科的簡稱）等多個(gè)交叉學(xué)科人工智能模型、產(chǎn)品。

不僅如此，近年來，他的研究成果也獲得了多項(xiàng)科技獎(jiǎng)勵(lì)。張波作為負(fù)責(zé)人主持國家自然科學(xué)基金3項(xiàng)，省部級項(xiàng)目4項(xiàng)，并作為主要研究人員參與完成多項(xiàng)國家級理論研究項(xiàng)目。

張波帶領(lǐng)團(tuán)隊(duì)與相關(guān)企業(yè)共同合作開發(fā)的系列模型還曾服務(wù)于北京冬奧會(huì)、上海進(jìn)博會(huì)、西安全運(yùn)會(huì)等多個(gè)大型賽事活動(dòng)。

在9月7日至10日召開的2024全球能源轉(zhuǎn)型大會(huì)上，張波接受了《每日經(jīng)濟(jì)新聞》（以下簡稱NBD）記者采訪。

圖片來源：主辦方供圖

 

應(yīng)探索多元化新能源消納途徑

NBD：當(dāng)下人工智能飛速發(fā)展，大模型的訓(xùn)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(fēng)光電。那么人工智能數(shù)據(jù)中心是不是可以成為一個(gè)消化多余的可再生能源電力的途徑？

張波：風(fēng)電、太陽能等新能源的加入，的確給構(gòu)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(wǎng)-荷”結(jié)構(gòu)正在向“源-網(wǎng)-荷-儲”一體化模式邁進(jìn)。但實(shí)現(xiàn)科學(xué)消納是一個(gè)系統(tǒng)工程，而非僅僅面向滿足數(shù)據(jù)中心建設(shè)的。

當(dāng)前數(shù)據(jù)中心以及大模型的訓(xùn)練雖然都在耗費(fèi)巨大的電力能源，但我認(rèn)為這是一個(gè)階段性的問題。隨著技術(shù)的飛速發(fā)展，我們會(huì)逐漸進(jìn)入一個(gè)數(shù)據(jù)中心發(fā)展與用戶需求和技術(shù)需求匹配發(fā)展的時(shí)代。從這個(gè)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(shí)，數(shù)據(jù)中心建設(shè)規(guī)模過快，如果超越了市場使用需求，反而可能導(dǎo)致能源的浪費(fèi)。

因此，我們應(yīng)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(shù)、部署分布式儲能網(wǎng)絡(luò)，同時(shí)考慮加強(qiáng)跨區(qū)域能源調(diào)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(shù)會(huì)對電力行業(yè)培育發(fā)展新質(zhì)生產(chǎn)力產(chǎn)生哪些意義？

張波：新一輪人工智能技術(shù)對電力行業(yè)的影響可以分為以下三方面。

首先是電力領(lǐng)域生產(chǎn)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(shù)預(yù)測鈣鈦礦電池的材料結(jié)構(gòu)與物性，探索出更為優(yōu)化的材料設(shè)計(jì)方法。

其次是電力領(lǐng)域生產(chǎn)工具的變化。我們可以把AI看成一個(gè)非常重要的生產(chǎn)工具，并由AI衍生制造出全新的生產(chǎn)工具。例如大模型有非常卓越的生成能力、預(yù)測能力和流程設(shè)計(jì)能力，在“源網(wǎng)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(zhǔn)預(yù)測未來一段時(shí)間風(fēng)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(cè)電力需求，實(shí)現(xiàn)供需兩側(cè)電力配置的精準(zhǔn)平衡。

再次是電力領(lǐng)域生產(chǎn)關(guān)系的變革。AI作為全新的“元”進(jìn)入電力生產(chǎn)鏈，讓電力行業(yè)生產(chǎn)關(guān)系發(fā)生根本性轉(zhuǎn)變。它打破了傳統(tǒng)上人類單一主導(dǎo)電力系統(tǒng)的格局，從而進(jìn)入“人、AI”二元電力生產(chǎn)管理時(shí)代，引領(lǐng)我們步入“人機(jī)協(xié)同”的新型電力系統(tǒng)時(shí)代。

加強(qiáng)能夠用于大模型訓(xùn)練、帶有豐富語義標(biāo)簽的數(shù)據(jù)積累

NBD：當(dāng)下電力行業(yè)有沒有出現(xiàn)成熟的大模型？和其他領(lǐng)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(jīng)有一些比較成功的案例，例如南方電網(wǎng)公司的“馭電”智能仿真大模型。

當(dāng)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(chǎn)和電網(wǎng)運(yùn)行數(shù)據(jù)為支撐，更加關(guān)注電力行業(yè)垂直領(lǐng)域應(yīng)用場景的個(gè)性化需求。

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

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

目前，盡管企業(yè)內(nèi)部已有一些生產(chǎn)、運(yùn)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(gè)角度，我們可能還要更加注重?cái)?shù)據(jù)科學(xué)與數(shù)據(jù)治理在電力行業(yè)中的交叉應(yīng)用，為AI在電力領(lǐng)域中的大規(guī)模應(yīng)用夯實(shí)數(shù)據(jù)基建的基礎(chǔ)。

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

張波：在電力領(lǐng)域中，電源管理、電網(wǎng)優(yōu)化預(yù)測、儲能分析等多個(gè)垂直領(lǐng)域已經(jīng)有非常多的人工智能技術(shù)介入，但也面臨多方面的挑戰(zhàn)。

第一是數(shù)據(jù)問題。當(dāng)下，電力行業(yè)的數(shù)據(jù)質(zhì)量需要提升，這直接影響人工智能大模型的訓(xùn)練效果與準(zhǔn)確性。

第二是模型設(shè)計(jì)的泛化能力不足，即當(dāng)下的很多模型設(shè)計(jì)主要在單一區(qū)域或場景中應(yīng)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(gòu)建是一個(gè)復(fù)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(yīng)用和優(yōu)化。如何在“源網(wǎng)荷儲”四個(gè)維度以及新型電力系統(tǒng)的整體系統(tǒng)角度上，實(shí)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(gè)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(yīng)用中的安全性與可靠性問題。

NBD：如何讓人工智能技術(shù)在電力行業(yè)產(chǎn)業(yè)化落地、實(shí)現(xiàn)規(guī)模化供給，進(jìn)一步推動(dòng)電力行業(yè)高質(zhì)量發(fā)展？

張波：總的來說，當(dāng)前新型電力系統(tǒng)與新能源體系建設(shè)過程中，非常值得我們關(guān)注的難題之一，就是電力供給側(cè)的不穩(wěn)定性與用戶需求側(cè)的不確定性之間的矛盾，并由此所引發(fā)的“源網(wǎng)荷儲”四維結(jié)構(gòu)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(dòng)人工智能在電力行業(yè)的產(chǎn)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(lǐng)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(zhuǎn)化為強(qiáng)烈的合作需求和緊密的合作關(guān)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(chǎn)生的研究機(jī)構(gòu)、研發(fā)平臺、產(chǎn)教融合學(xué)院和聯(lián)合攻關(guān)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(shí)現(xiàn)這一目標(biāo)，需要在政策引導(dǎo)、要素配置、創(chuàng)新機(jī)制、評價(jià)改革和市場驗(yàn)證等方面做好工作。

從技術(shù)角度看，“AI+電力”是一個(gè)典型的跨學(xué)科組合，是利用新技術(shù)推動(dòng)傳統(tǒng)行業(yè)轉(zhuǎn)型升級的創(chuàng)新實(shí)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(zhuǎn)型升級，還是微觀層面，諸如微電網(wǎng)甚至電氣零部件生產(chǎn)、運(yùn)維的性能預(yù)測分析和故障診斷等不同細(xì)小環(huán)節(jié)優(yōu)化，都會(huì)獲得更大的創(chuàng)新突破。

封面圖片來源：視覺中國-VCG41N1472123004