日立美国研发部能源解决方案实验室副总裁兼负责人

智能电网、数字能源技术以及电网运行与控制领域人工智能方面的知名专家。所带领的团队在美国能源部及多家公用事业公司赞助的创新示范项目中，成功展示了最新的AI与数字能源解决方案。

如何将AI应用于能源行业之电网领域一些最复杂的计算需求，来帮助改善能源的不断供应问题？

日立的实践，为工业AI的发展树立了新的标杆。

在经历了数十年电力需求平稳之后，基础设施密集的生态系统已进入了一个极度复杂的时代：AI驱动的数据中心迅速激增，每个中心都需要数百兆瓦的电力；电动汽车（EV）行业蓬勃发展，其快速充电基础设施部门也在迅速扩张；与此同时，能源转型继续让公共事业系统感到困惑，必须将来自可再生能源的新能源引入全国各地的大型储能系统中，直到可以安全地将其释放到电网。

对于拥有能源和工业技术传统以及数十年AI经验的日立集团来说，这些挑战需要一种有条不紊的方法——需要将工业问题分解为多个可行的数学问题；逐一、有条不紊地用AI解决挑战；并利用日立集团各企业的独特能力和专业知识去解决。

“驯服”算力需求

日立美国研发部能源解决方案实验室副总裁兼负责人Bo Yang表示，在新能源被引入到电网系统之前，日立知道何时应用工业AI作为“协作者”。技术可以与实体企业已做出重大投资的系统协同工作，而不是取代它们。“我们将加速成为公共事业生态系统的一部分”。

在Bo Yang看来，颠覆性创新有其地位，但这种方法也有一个实际原因：算力需求巨大。

美国联邦能源监管委员会（FERC）要求对新发电如何影响电网稳定性进行详尽分析，不仅要分析当前条件，还要分析未来情景和潜在的系统故障。以电网项目为例，当电力企业申请连接新发电机时，运营商的软件必须运行数万次模拟以确保电网稳定性。这一过程传统上需要数年时间。

面对电网运营商引入新能源时所需的冗长影响研究，日立采用了并行处理技术，通过同时运行多个计算来加速分析过程——通过同时运行多个计算（一种称为并行处理的技术）来加速分析，而运营商的现有软件则保持原位以验证复杂情况和最终结果。这一创新方法不仅将分析时间缩短了80%，更在保持行业严格安全标准的同时，实现了总审查时间从27个月到一年以内的飞跃。

网络建设之道

将新发电机连接到电网需要能源行业内多个利益相关者的复杂协作。项目开发商、独立系统运营商、输电运营商、监管机构等各方都依赖数据驱动的分析来做出关键决策。

在连接新发电之前，整个“网络”必须达成共识。在这种环境下取得成功既需要深厚的行业知识，也需要先进的AI能力。

工业AI的成功实施，离不开对行业操作的深刻理解和对监管要求的精准把握。日立企业深知这一点，其团队不仅拥有先进的AI技术，更汇聚了电力工程师等具备深厚行业知识的专家。他们能够准确识别哪些流程可以通过AI加速，哪些需要保留传统方法，从而在保持物理约束和安全要求的同时，实现计算分析的飞跃。参与电网运营商项目的日立团队包括拥有数十年经验的电力工程师，他们了解电力系统分析的数学和操作基础。这种专业知识让他们能够准确指出哪些流程部分可以通过AI加速，哪些部分需要传统方法。

以Bo Yang的视角来看，AI专家通常具有强大的算法技能，但他们可能没有关注正确的行业问题。一些可以追溯到几十年前的传统分析工具存在局限性，而当新的AI方法被深思熟虑地应用时，可以克服这些局限性。

日立的技术并非要取代现有系统，而是作为“协作者”与实体企业已投资的系统协同工作，共同提升电网的稳定性和效率。这种混合方法展示了AI在提升工业计算效率方面的巨大潜力。

挑战与破局

工业挑战通常涉及高度复杂、相互关联的流程，这些流程可以分解为更小的数学问题。例如，在电力系统中，这意味着将分析分离为不同的任务。每个任务都关注电网稳定性和性能的不同方面，每个组件都为AI加速提供了机会，同时保持了电力系统操作的物理约束和安全要求。

工业AI不需要重新发明电力系统的物理原理，它需要加速的是实体企业已经理解的计算分析。这种系统性的方法不仅限于单个项目。为电网应用开发的相同工业AI框架也适用于其他基于物理的分析流程，从安全至关重要的铁路运输系统，到需要精确控制的制造操作，再到需要实时优化的移动解决方案。

日立的工业AI框架不仅适用于电网应用，更可推广至铁路运输、制造操作和移动解决方案等多个领域。这种跨行业的适用性，源于日立对具体问题的深刻理解和问题导向的解决策略。

在关键基础设施领域，工业AI的革命性不在于其颠覆性，而在于其有条不紊地增强现有系统，确保在提升效率的同时，绝不牺牲安全性。

Bo Yang认为，关键在于理解你要解决的具体问题，然后确定要应用哪种AI技术。这种以问题为先的方法表明了相同的框架如何在不同行业中发挥作用。

工业AI的独特性

公共事业企业对为整个地区供电的基础设施承担着巨大责任，这为AI的采用带来了一个基本挑战：仅靠算法是不够的。有效的实施需要对操作约束、监管要求和电力系统物理原理有深入的理解，这需要数年时间来积累和验证。

这一现实使得工业AI与众不同，它不是要颠覆现有系统，而是要以关键基础设施所要求的精确度来增强它们。最具有革命性的AI往往是最有条理的——不是因为它缺乏雄心壮志，而是因为它根本不能失败。（编辑 | MissD）

版权声明：本文为CIO时代网编译，转载需在文章开头注明出处为：CIO时代网，如果不注明出处，CIO时代网将保留追究其法律责任的权利。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。