世纪新能源网-新能源行业媒体领跑者,聚焦光伏、储能、世纪新能源网、氢能行业。
  • 微信客服微信客服
  • 微信公众号微信公众号

AI正被滥用,新能源依靠AI大概率会失败?

   2024-03-22 环球零碳Shushu13890
核心提示:AI或将成为能源行业的重要“新开端”和终极解决方案?

目前,电网所需的数据颗粒度和丰富度远远不足,所训练出来的AI缺少智能化,在加上AI的结果不可解释性,怎么可能把复杂且重要的任务交给它?

这几天又被英伟达刷屏,最近仿佛世界上只有英伟达、Open AI和特斯拉三家公司。

3月18日,英伟达GTC 2024大会再次召开,创始人黄仁勋发布全球最强AI芯片。生成式AI彻底达到引爆点。

两小时的大会,更像一场大型演唱会,有人调侃:黄仁勋是新的泰勒·斯威夫特(美国歌手)。

黄仁勋在AI行业的地位,大抵是如此。

如今,作为“流量之王”,他的言论也在影响着其他行业。上次他成为国内焦点,竟与能源相关。

半个多月前,各大自媒体疯转所谓源自黄仁勋的“AI的尽头是光伏和储能”。那几天,A股市场风云突变,锂电、光伏相关板块一通大涨,让人看得热血沸腾。

一时间,AI仿佛成为了A股新能源板块的一根救命稻草。当日,储能电芯龙头宁德时代上涨14.46%。另一储能系统、光伏逆变器龙头阳光电源同样上涨9.83%。

可以说,你有多看好AI,就该有多看好新能源。

然而,黄仁勋实际并没有说过这句话,与之更为接近话的来自ChatGPT之父、OpenAI首席执行官山姆·奥特曼。

今年1月,在2024年度世界经济论坛上,奥特曼提出:AI的未来取决于清洁能源技术的突破。如果没有(技术)突破,就无法实现这一目标。我们需要核聚变,或者更便宜的太阳能+大规模存储(能源)的东西。

AI大佬们的本意更强调AI需要的庞大算力,需要消耗大量的能源。因为预计到2030年,计算机将会消耗全球五分之一的电力。而新能源正是解决这一能源缺口的方法之一。

那么,在AI已被定义为变革性风口的当下,未来光伏储能或能源电力又是否需要AI呢?

有观点认为,新能源的快速发展和电气化水平持续提升,导致发电侧和用电侧的不确定性都在增加,这种不确定的变量过多,传统的方式已经不能解决,只能依靠大数据和人工智能实现相对可控的商业模式和盈利模式。

所以,AI或将成为能源行业的重要“新开端”和终极解决方案?

01 电力搞AI大概率会失败?

在AI站上风口以来,各大能源企业纷纷搞起自己的“大模型”,业界也开始有了不一样的声音。有人认为,现阶段电力搞AI大概率可能会失败。

目前来看,电网的落地AI主要集中在决策型AI和生成式AI两种类型。

其中,决策型AI主要是可以替代人工在调度决策中的作用。

回顾历史上曾出现的决策型AI,例如Alpha Go,往往是在一个无限制可高度重复的场景下,通过大量的数据进行学习,即使错误的决策也不会带来什么灾难性后果的情况下,完成算法的优化迭代,从而给出足够好的决策(至少是超越专家的水平)。

但是,现实的电网调度场景却不一样。

决策型AI在电力的应用,有点像自动驾驶,自动驾驶之所以推不开,只能在相对简单的路线上运行,就是因为自动驾驶一旦出现死人情况,很难承担起这个责任。个人使用的手机有点瑕疵,不至于发生人命,但是自动驾驶,电力等这些行业,一旦出现事故和瑕疵,都是致命的,对人的生命财产造成直接损失。

以目前情况来看,电网所需的数据颗粒度和丰富度远远不足,所训练出来的AI缺少智能化,再加上AI的结果不可解释性,怎么可能把复杂且重要的任务交给它?

更重要的是,从法律角度讲,当AI做了错误决策并造成重大损失时,无法像人类一样承担法律责任。也就是,“AI没法像人类一样坐牢”。

正由于决策型AI回报和风险没办法构成对等的地位,所以只能做一些为决策提供辅助信息的事情,例如用电量预测或天气预测等。

那还有一种生成式AI呢?

目前生成式AI主要以ChatGPT,Stable Diffusion等模型为主,较为可行的使用场景大多都是信息检索,内容理解和创作等,这些场景出现一些错误也无关紧要,很多人是把它当作一种娱乐来使用的。但如果直接应用到电网上,核心需求和AI能实现的能力相差甚远。

当然,通过大量数据的收集,利用在其他电力相关的业务上,尤其是关于负荷和新能源发电等大量数据分析到对电力设备的全生命周期管理,其可实现的功能相对较大,可以节省大量的人力需求。

例如,去年7月,山东能源集团、华为、云鼎科技联手发布全球首个能源行业商用AI大模型——盘古矿山大模型。

在钻孔卸压工程中,不仅能降低82%的人工审核工作量,还将原本需要3天的防冲卸压施工监管流程缩短至10分钟,实现防冲工程100%验收率。

不难看出,在能源行业中,目前AI主要是做一些辅助决策的工作。

02 AI概念正在被新能源厂家“滥用”?

其中,储能是AI在能源中的应用场景之一。

由于太阳并不总是照耀,风也不总是吹着,能量存储系统对于克服这种自然限制至关重要。

所以,储能系统被要求解决多项工作,例如帮助调节电网频率、提供峰值容量以及管理间歇性可再生资源的可变性。

AI可以分析历史数据和当前状况,以预测执行所有这些工作的最佳时间,并以高效的方式完成这些工作,最大限度地提高储能项目的健康和寿命,同时为电网提供最高价值。

ABB 全球产品线经理卡洛斯·涅托曾表示,许多操作人员都知道,储能操作可能很复杂。它们通常涉及对一切的持续监控,如电池储能系统状态、太阳能和风能输出到天气条件和季节性,还需要实时决定何时对电池储能系统充电和放电,这对操作员来说可能是一个挑战。

如果通过引入最先进的人工智能,就可以全天候实时实现所有这一切,从而实现更加有效和高效的能源存储操作。

正因为如此,现在一些储能厂家的产品单页上频频出现AI的字眼。

但不幸的是,仔细一看,很多将自动化甚至半自动化计算都定义成AI。

真正的AI是按照人的思维进行自动模拟、操作。它不是人的智能,但能像人那样思考、也可能超过人的智能。而自动化通俗讲是最高级的机械化和电气化。

很明显,AI的概念被正在严重滥用。

如“光储星球”所说,AI不应该是自动炒菜机,需要按照程序去做,而是一个机器人,能主动识别主人情绪等并作判断和自我决定是做什么菜。以户储为例,在AI技术下,理想状态应该是无需调试和后期人工干预运行的。

目前,各个新能源的小应用场景中都在探索与AI的结合,相比通用大模型,行业大模型的成本和进入门槛都比较低。未来,随着算力成本下降,完全有机会创造出真正有生产力的AI。

不过从现有情况来看,AI能不能用,怎么用还是一个尚未定论的方案。

 
反对 0举报 0 收藏 0 评论 0
 
更多>同类资讯
2024全球光伏品牌100强榜单全面开启【申报入口】 2024第四届中国高比例风光新能源电力 发展研讨会
推荐图文
推荐资讯
点击排行
 
Baidu
map