智能电网：可再生能源领域的人工智能
发布日期： 2020 年 9 月 10 日 / 更新日期： 2023 年 6 月 21 日 - 作者： Konrad Wolfenstein
可再生能源领域的人工智能 – @shutterstock | 莫尼卡奥多
33年前，我接触了“人工智能”（AI）这个还很年轻的学科。 我从事人工智能编程语言 LISP 和 Prolog 的工作。 我也是通过大学网络接触到互联网的。 与此同时，卫星电视市场蓬勃发展。 从这里开始，我继续在内部物流领域发展，直到今天我最终涉足光伏领域。
一汽乌尔姆（面向应用的知识处理研究所）是第一家独立的人工智能研究所，成立于1987年。 戴姆勒克莱斯勒股份公司、业纳股份公司、惠普有限公司、罗伯特博世有限公司等公司都参与其中。 1988年至1990年我在那里担任研究助理。
与此同时，人工智能已经进入许多领域，无论是医学、法律、营销还是电脑游戏。 最著名的是机器翻译，例如使用 Google Translate 或 Deepl。 当分析和预测股价走势或处理搜索引擎中的大量信息时。
人工智能是计算机科学的一个分支，研究行为模式的自动化，从中可以得出决策辅助，并且在最好的情况下，可以继续独立、自主的过程。 它主要用于需要管理和协调数据量过大或无序但难以管理的情况。
它并不总是成功的。 例如，亚马逊不得不关闭其用于评估申请人的人工智能，因为自动评估系统对女性不利。
即使是机器翻译，当你仔细观察时，其中也常常存在一些粗糙的块，会让你皱眉或微笑。
所以人工智能并不是那么容易实现的。 问题实际上不在于数据量，而在于正确的分配。 由于亚马逊此前主要雇用男性，因此人工智能得出的结论是女性存在绩效缺陷。 事实上，很少有人注意到女性在男性占主导地位的职业中所占比例较低这一事实有社会学原因。
人工智能的基本问题是：算法的编程和初始数据的好坏取决于开发人员本身的主观工作，这些开发人员自己开发并提供了这些数据。 由于个人情感和意图而导致的客观性缺陷，以及开发人员在解释和感知上的错误，都被人工智能接管，与它们一起学习并扩展它们。 如果您随后又缺乏有关事物和流程之间联系的知识（关键资格），那么循环就会结束。
更多相关内容：人工智能让一切变得简单
因此AI需要大量的开发时间和接受挫折的勇气，才能发展成为一个高效的系统。
诸如“人工智能（AI）作为能源转型的驱动力”或“物流如何从人工智能中受益”之类的头条新闻并没有开始反映出需要投入的开发量和努力，而且，最重要的是，在财务盈利能力变得可见之前，成本是显而易见的。
迄今为止，人工智能在能源行业中主要用于监测或预测任务。
智能电网——智能用电
然而，随着可再生能源电力份额的增加，很明显人工智能也将在未来大规模控制能源系统的过程。
人工智能 (AI) / 人工智能 (AI) – 智能电网 – 智能电力网络 – @shutterstock | 莫尼卡奥多
虽然迄今为止集中发电的电网占据主导地位，但趋势是转向分散式发电系统。 这适用于光伏系统、太阳能热电厂、风力涡轮机和沼气厂等可再生能源的生产。 这导致结构更加复杂，主要是在负载控制、配电网电压维护和维护网络稳定性方面。 与中型到大型发电厂相比，小型分散式发电系统也直接向低压电网或中压电网等较低电压等级供电。
建设智能电网
智能电网通过发电、存储、网络管理和消费的相互作用将所有参与者集成到一个整体系统中。 发电厂（包括存储）已经受到控制，使得产生的电能始终与消耗的电能相同。 智能电网将消费者以及分散的小型能源供应商和存储设备纳入此控制范围内，因此，一方面，消耗在时间和空间上是平衡的（智能用电/智能用电），另一方面，非-一次性发电系统（例如风能和光伏系统）和消费者（例如照明）可以更好地集成。
可再生能源所占份额越大，使能源生产波动与能源消费波动保持一致就变得更加重要。 除了使用储能或储能发电厂存储电能的可能性之外，还可以根据需求发电，例如发电。 B.通过水力发电厂或生物能源，扩大电网进行大面积的快速分布，也有可能使电力消耗适应电力供应。
“与传统发电厂的运营相比，太阳能和风力涡轮机发电使供电系统更加分散且更加依赖天气。 此外，消费必须更加紧密地基于电力供应。 当前的基础设施尚无法实现所需的灵活性。 去中心化系统只能通过实时数字流程和自动化决策来发挥作用。” 克莱门斯·霍夫曼 (Clemens Hoffmann)，弗劳恩霍夫 IEE 负责人。 霍夫曼将数字化视为能源转型下一步的基础：“分散式可再生能源供应的协调和决策过程极其复杂。 只有通过人工智能，才有可能通过大规模的自动化决策连接电力、供热、交通等不同系统。 通过构建认知能源系统生态系统，我们正在推进人工智能在能源领域的应用。”
去中心化能源系统需要人工智能
能源行业的各个领域已经对人工智能有了具体的需求。 自动能源交易是指独立识别交易策略并触发购买或销售的系统。 光伏和风力涡轮机以及充电站和电解槽可以使用人工智能来优化其运行，从而避免维护并延长其使用寿命。 在网络领域，该技术用于评估各种信息、识别危急情况并支持其解决方案。
15 年来，Fraunhofer IEE 一直致力于人工智能领域的研究，以预测太阳能、风能和生物能源与天气相关的发电量。 卡塞尔还正在开发 EPEX 现货电力交易所的自动交易系统。
能源行业人工智能研究
“人工智能是进一步发展能源转型的关键技术：从基于化石燃料的集中组织的发电厂经济转向基于可再生能源的能源系统是一个非常复杂的过程，只能通过智能来掌握黑森州科学部长安吉拉·多恩 (Angela Dorn) 表示。 “认知能源系统能力中心为科学家提供了能源行业创新的新想法和研究方法的空间。 我很高兴我们支持开发。 现在，将研究人员的专业知识与强大的行业合作伙伴结合起来非常重要。”
因此，正在卡塞尔建立一个新的认知能源系统能力中心。 能源系统人工智能研究项目正在寻找科学和商业领域的合作伙伴，并认为德国作为商业和研究地点有良好的条件，可以在该主题上实现全球创新领先地位。 这就是为什么黑森州支持由弗劳恩霍夫能源经济和能源系统技术 IEE 研究所支持的新能力中心的发展。
位于卡塞尔的新认知能源系统能力中心正在研究人工智能的这些应用领域，其开发由黑森州政府在 2020 年至 2022 年间提供总计 580 万欧元的资助。
K-ES
认知能源系统能力中心（K-ES）由Fraunhofer IEE自2020年中成立，主要研究认知能源经济学、认知能源网络和认知能源系统技术等课题。 开发过程历时十年。 K-ES 旨在成为国家和国际人工智能研究和教学中心。
认知能源系统能力中心（K-ES）从人工智能的角度看待能源系统中的任务，并在认知能源管理、认知能源网络和认知能源系统技术三个领域进一步发展。 “认知能量系统根据可用信息独立确定其状态，并学习实现指定目标。 人工智能并不与人类智能对立，而是与人类智能不断交流、支持。 随着技术的不断发展，双方都会发生变化，”IEE 项目经理 André Baier 解释道。
能源行业也可以借鉴其他行业的研究成果。 人工智能已经在持续改变汽车行业、零售、保险和金融行业。 对于可再生能源和部门耦合的能源转型，数字化最重要的领域是智能生产者和消费者、虚拟发电厂、智能电网技术和实时能源经济。
商业概念和应用
K-ES 的结构概念由 Fraunhofer IEE 开发。 该倡议是基于黑森州政府联合协议中的一项协议。 现在施工阶段已经开始。 主要目标是创建创新生态系统并形成专家社区。 新的能力中心将成为目前正在建设中的卡塞尔弗劳恩霍夫 IEE 园区的一部分，并将补充能源系统转型的研究范围。
第一步，使用云系统设置场所和 IT 基础设施。 然后将创建一个数字平台，商业和研究合作伙伴可以通过该平台交流想法。 初始阶段的重点是招募科学家和培养技能。 “我们的目标是将拥有共同目标的科学家联系起来，无论专家来自世界哪个地方，”拜尔说。
在能力中心计划正式成立之前，重点还将放在从行业中获取合作伙伴和应用项目上。 因为与能源行业的密切联系是这一概念的一部分：K-ES 为能源公司提供的服务包括从原型到交钥匙系统的咨询和概念研究。 “我们欢迎研究人员和公司的申请，因为这样的生态系统在理论与实践之间的网络上蓬勃发展，”霍夫曼强调道。
目标：在德国建立一个享有国际声誉的社区
未来十年，K-ES 计划约有 100 名专家将致力于数据科学、机器学习进展、推荐系统和数字创新管理领域的工作。 Fraunhofer IEE 目前有 15 名员工从事这些学科领域的工作。 新设施的目标是成为德国能源行业领先的人工智能社区之一。
为了考虑到人工智能研究的高度国际性，能力中心还为来自世界各地的访问科学家提供参与的机会。 “凭借特殊的培训基础设施、适当的硬件和软件以及全面的模型和数据库，我们可以跨地点高效地对能源系统进行人工智能研究，”K-ES 的科学总监 Christoph Scholz 解释道。现有的可能性。
全球范围内正在紧锣密鼓地开展人工智能的开发工作。 迄今为止，德国在相应研究上的支出远低于其竞争对手美国和中国。 作为联邦政府新冠未来一揽子计划的一部分，到 2025 年将在人工智能领域投资 50 亿欧元。 “在能源系统中的人工智能方面，德国作为商业和研究基地，完全有能力实现全球创新领先地位。 “重要的是所有利益相关者共同推动这个问题，”霍夫曼说。
认知系统
认知系统是一种在数字世界和环境之间具有接口的数字系统，可以感知和理解事物，并得出结论并从中学习。 认知系统能够独立开发人类任务的解决方案。 它们可以与其他数字系统交互和合作，解释上下文并且具有适应性。
认知系统正在越来越多的领域得到应用，代表了自动驾驶汽车、智能个人助理、工业4.0和物联网等基础技术。此类系统的一个典型特点是能够处理大量数据。短时间内嵌入大量数据并嵌入到更高级别的系统（系统的系统）中。 到 2020 年，全球将在该技术上投资数百亿欧元。
© Fraunhofer IEE – 应用 – 认知系统
认知系统可以根据可用信息独立确定自身及其资产的状态，并通过适应能力独立学习实现指定目标。 认知能源系统是能源转型的关键技术。 电力行业的应用可以在网络管理以及发电和消费管理领域找到。
© Fraunhofer IEE – 能量化身 – 认知系统
在认知能源系统的生态系统中，各种市场角色都可以更轻松地使用人工智能。 系统和测量点操作员、平衡组经理和直销人员的任务都是自动化的，以至于他们可以独立运行。 “能源阿凡达”模型（见上文）说明，如果所有流程都实现自动化，“住宅建筑商”可以多么轻松地利用他的太阳能系统参与能源市场。 目前，弗劳恩霍夫研究所 IEE 和 IOSB-AST 正在合作开发能量化身。
© Fraunhofer IEE – 生态系统 – 认知系统
与能源行业的密切联系是这一概念的一部分：K-ES 为能源公司提供的服务包括从原型到交钥匙系统的咨询和概念研究。 该生态系统的繁荣依赖于理论与实践之间的网络。
自动化和自治。 在这里阅读更多相关内容：“二氧化碳中和 – 向亚马逊学习”
未来最重要的是我们如何确保重点行业的基础设施安全！
这里三个领域特别重要：
- 数字智能（数字化转型、互联网接入、工业4.0和物联网）
- 自主供电（二氧化碳中和、规划安全、环境安全）
- 内部物流/物流（全自动化、货物和人员的流动性）
Xpert.Digital为您带来 Smart AUDA 系列
- 能源供应自动化
- 城市化
- 数字化转型
- 流程自动化
始终是定期更新的新信息。
保持联系
