“科學智能”為電力發(fā)展按下快進鍵

　　【儀表網(wǎng) 產(chǎn)業(yè)報道】科學智能(AI for Science，AI4S)，是指人工智能技術(shù)驅(qū)動的科學研究，主要應(yīng)用在探索未知的科學領(lǐng)域。AI4S概念由中國科學院院士、北京大學教授鄂維南于2018年首次提出。AI4S開啟了一種利用人工智能學習深奧的科學原理來創(chuàng)造科學模型，以解決那些曾被認為無解的實際問題的科研新范式。2021年，隨著英國“深度思維”(DeepMind)公司發(fā)布阿爾法折疊(AlphaFold)，AI4S成為全球關(guān)注的焦點。2023年以來，以ChatGPT為代表的大模型的崛起，推動了人工智能從科研方法、科研技術(shù)向行業(yè)實踐的實際應(yīng)用的轉(zhuǎn)變。
 

　　驅(qū)動科學研究新范式
 

　　AI4S這一概念自2018年首次被提出以來，在學術(shù)界和政府機構(gòu)中引發(fā)了廣泛的討論，它的內(nèi)涵特征主要體現(xiàn)在兩個方面：作為科學范式的變革者，它推動了對科學原理的新發(fā)現(xiàn)；作為科學實踐的加速器，它加快了理論向?qū)嵺`的轉(zhuǎn)化，促進了科研成果的應(yīng)用落地。
 

　　AI4S的科學本質(zhì)值得深度思考。科學研究中某些問題做不到使用基本原理來解決，它們依賴于多個獨立變量，維數(shù)(自由度)過多，計算量呈指數(shù)增加，形成“維數(shù)災(zāi)難”，既有的數(shù)據(jù)分析工具不再適用，只能用非常粗糙的近似方法來試圖解決。
 

　　以深度學習為代表的人工智能技術(shù)在高維問題(圖像分類、人臉生成、圍棋對弈、蛋白質(zhì)預(yù)測等)上取得的成功，表明了其是逼近高維函數(shù)更有效的工具，有助于解決那些受“維數(shù)災(zāi)難”困擾的問題，這也是AI4S的出發(fā)點。
 

　　AI4S通過人工智能技術(shù)引導(dǎo)科學假設(shè)生成、融合科學實驗與仿真、分析科學數(shù)據(jù)，為科學研究提供新方法和工具，推動科學研究加速創(chuàng)新和突破，成為繼實驗觀察、理論推導(dǎo)、計算仿真、數(shù)據(jù)驅(qū)動之后的科學研究“第五范式”。目前，AI4S已經(jīng)在多領(lǐng)域取得了顯著研究成果。
 

　　AI4S引導(dǎo)科學假設(shè)生成。針對領(lǐng)域科學知識進行壓縮表示，形成跨領(lǐng)域知識交互推理庫，引導(dǎo)科學研究發(fā)現(xiàn)問題與提出假設(shè)，輔助科學研究設(shè)計與分析。例如谷歌基于提出的阿爾法幾何(AlphaGeometry)模型，利用自然語言大模型和上億個幾何結(jié)構(gòu)數(shù)據(jù)進行訓(xùn)練，實現(xiàn)了人工智能幾何推理與證明。中國科學技術(shù)大學研究團隊提出AI-Chemist模型，通過學習數(shù)萬篇化學領(lǐng)域文獻和相關(guān)跨學科知識，輔助科學家利用材料完成火星環(huán)境下析氧反應(yīng)催化劑的制備，極大地簡化了催化劑合成與性能優(yōu)化過程。
 

　　AI4S助力科學實驗仿真。針對成熟科學方法進行數(shù)據(jù)驅(qū)動增強，提升算法執(zhí)行效率與效果。例如，華為基于“盤古”氣象大模型，在中長期氣象預(yù)測精度與計算效率方面超越傳統(tǒng)數(shù)值預(yù)報方法。DeepMind利用強化學習方法成功實現(xiàn)托卡馬克裝置磁控制主要功能，解決了傳統(tǒng)控制器參數(shù)設(shè)計困難且耗時的問題。
 

　　AI4S輔助科學數(shù)據(jù)分析。針對待解科學問題進行一般化抽象，利用海量數(shù)據(jù)確定抽象模型參數(shù)，形成對未知機理的合理假設(shè)及預(yù)測。例如，DeepMind基于AlphaFold進行蛋白質(zhì)結(jié)構(gòu)預(yù)測，解決了傳統(tǒng)實驗方法成本高效率低的痛點，極大地推動了結(jié)構(gòu)生物學的發(fā)展。此外，DeepMind提出的GNoME用于新材料預(yù)測，并已發(fā)現(xiàn)多種理論上穩(wěn)定但實驗未實現(xiàn)的晶體結(jié)構(gòu)，為儲能、超導(dǎo)等未來變革性技術(shù)提供了豐富參考。
 

　　鑒于人工智能技術(shù)對科學發(fā)展的潛在巨大助力，多國政府以及公司、研究機構(gòu)紛紛投入大量資源，推動第四次技術(shù)革命。我國也積極推進該領(lǐng)域?qū)ｍ椆ぷ鳎萍疾繒瑖易匀豢茖W基金委員會于2023年3月啟動“人工智能驅(qū)動的科學研究”AI4S專項部署工作。
 

　　加速電力革命進程
 

　　隨著大規(guī)模可再生能源的接入及負荷側(cè)的再電氣化過程，大量特性各異的源、荷、儲等裝備以電力電子為接口接入現(xiàn)有電力系統(tǒng)，使系統(tǒng)向著高比例可再生能源和高比例電力電子設(shè)備(即“雙高”)趨勢快速發(fā)展。
 

　　“雙高”電力系統(tǒng)具有全新的、更加復(fù)雜的動力學特征，不僅體現(xiàn)在設(shè)備元件數(shù)量、種類的大幅增加，還體現(xiàn)在供給側(cè)、需求側(cè)隨機性帶來的擾動影響。這些特征造成了與系統(tǒng)相關(guān)的許多預(yù)測、分析、優(yōu)化、控制問題呈現(xiàn)“高維”特性，直接建模極為復(fù)雜，機理方法難以處理，往往只能通過試錯或靠經(jīng)驗來解決。
 

　　面對“雙高”電力系統(tǒng)帶來的問題和挑戰(zhàn)，AI4S能夠提供一系列解決方案。通過其在假設(shè)生成、實驗仿真和數(shù)據(jù)分析三個方面的能力，為電力領(lǐng)域的研究和實踐提供新的視角和工具。
 

　　——在假設(shè)生成方面，電力領(lǐng)域可利用人工智能技術(shù)對歷史數(shù)據(jù)進行分析和學習，生成關(guān)于系統(tǒng)未來運行趨勢的科學假設(shè)，指導(dǎo)研究人員進行更深入的研究分析。在電力裝備研發(fā)領(lǐng)域，美國通用電氣公司運用人工智能技術(shù)預(yù)測合金成分，并推動燃氣輪機用高溫合金的設(shè)計，大幅縮減了新材料的研發(fā)周期與成本。在電網(wǎng)仿真分析領(lǐng)域，中國電科院將人工智能技術(shù)與大電網(wǎng)仿真技術(shù)相結(jié)合，從仿真數(shù)據(jù)分析角度出發(fā)，提出大電網(wǎng)仿真分析、潮流計算調(diào)整和穩(wěn)定控制決策等人工智能模型和算法，從而為大電網(wǎng)仿真分析開辟一條新的技術(shù)途徑。
 

　　——在實驗仿真方面，電力領(lǐng)域可利用人工智能技術(shù)助力海量跨學科知識數(shù)據(jù)實現(xiàn)交叉融合，在復(fù)雜系統(tǒng)的計算模擬中減少計算時間，提高仿真模型的準確性。在配電網(wǎng)計算推演領(lǐng)域，中國電科院利用人工智能技術(shù)，綜合分析電網(wǎng)運行數(shù)據(jù)、負荷特性、設(shè)備狀態(tài)以及環(huán)境因素等多維度信息，構(gòu)建精細化的仿真模型，提升最小化采集下的配電網(wǎng)參數(shù)、拓撲、狀態(tài)以及未來態(tài)勢透明化感知水平，有效提升配電網(wǎng)的可觀測、可描述、可計算能力。
 

　　——在數(shù)據(jù)分析方面，電力領(lǐng)域可利用人工智能技術(shù)進行高維復(fù)雜數(shù)據(jù)處理，輔助研究人員分析科學數(shù)據(jù)的結(jié)構(gòu)性、關(guān)聯(lián)性，從而減少計算時間并降低計算成本。在電力系統(tǒng)運行優(yōu)化領(lǐng)域，中國電科院面向電力調(diào)度優(yōu)化問題(如機組組合、市場出清等)的求解需求，提出面向大規(guī)模混合整數(shù)規(guī)劃求解的人工智能和數(shù)學規(guī)劃互補協(xié)同方法，實現(xiàn)了海量場景下快速確定混合整數(shù)規(guī)劃關(guān)鍵變量，從而提高電力調(diào)度優(yōu)化問題的求解效率。
 

　　中國電科院在AI4S的電力領(lǐng)域應(yīng)用方面做了積極探索和實踐，突破了數(shù)據(jù)知識融合建模方法，提出了機理-跨模態(tài)數(shù)據(jù)融合的電網(wǎng)設(shè)備智能感知與診斷技術(shù)、電網(wǎng)運行可行域降維結(jié)合強化學習的源網(wǎng)荷儲智能調(diào)控技術(shù)、分層博弈的綜合能源自治協(xié)同技術(shù)，依托自主攻關(guān)的國家重點研發(fā)計劃“電力物聯(lián)網(wǎng)關(guān)鍵技術(shù)”，在天津濱海全域全面示范應(yīng)用，有效提升了電網(wǎng)典型業(yè)務(wù)場景的智能運維、新能源消納以及用戶服務(wù)水平，加速推動電網(wǎng)數(shù)字化轉(zhuǎn)型和智能化升級。后續(xù)，中國電科院將利用大量電力領(lǐng)域數(shù)據(jù)知識，開展實驗仿真、優(yōu)化決策等上層應(yīng)用，助力AI4S在電力領(lǐng)域的科學范式變革及落地應(yīng)用加速。
 

　　電力行業(yè)的AI4S研究仍處于探索階段。盡管已有個別優(yōu)秀的先行應(yīng)用案例(大都源于其自身特點與電力業(yè)務(wù)場景緊密契合)，但尚未進入行業(yè)性的大規(guī)模推廣和體系化發(fā)展階段。
 

　　面臨三大挑戰(zhàn)
 

　　AI4S的未來充滿無限可能，但要實現(xiàn)這一愿景，必須正視并解決當前研究和應(yīng)用中遇到的難題。當下，推動電力行業(yè)AI4S研究面臨以下三大挑戰(zhàn)。
 

　　一是高質(zhì)量數(shù)據(jù)獲取難。數(shù)據(jù)質(zhì)量對于人工智能模型的訓(xùn)練和性能至關(guān)重要，電力行業(yè)數(shù)據(jù)涉及生產(chǎn)、運行和管理等領(lǐng)域，這些數(shù)據(jù)在維度、尺度上很難形成統(tǒng)一規(guī)范，采集到的數(shù)據(jù)存在缺失、異常等問題，使得獲取高質(zhì)量數(shù)據(jù)面臨挑戰(zhàn)。
 

　　二是計算資源需求大。科學研究通常需要處理和分析大量的數(shù)據(jù)，電力行業(yè)需要處理的數(shù)據(jù)規(guī)模大且類型復(fù)雜，部分場景還對計算時間有嚴格的要求。此外，人工智能模型的訓(xùn)練和優(yōu)化過程也非常耗時，這些都對計算資源和計算效率提出了很高的要求。
 

　　三是跨學科人才儲備不足。電力行業(yè)AI4S融合了電力、計算機、數(shù)學、物理等多個學科知識，需要具備深厚電力知識又精通人工智能技術(shù)的跨學科人才。由于電力行業(yè)本身的性質(zhì)，跨學科的交流和合作不足，跨學科人才儲備亟待增加。
 

　　為了進一步加快電力行業(yè)AI4S創(chuàng)新工作，并迅速孕育出重大的應(yīng)用成果，建議在基礎(chǔ)研究、創(chuàng)新平臺、人才隊伍三個方面進行重點布局。
 

　　一是加強AI4S基礎(chǔ)研究攻關(guān)。加快布局“人工智能驅(qū)動的科學研究”前沿科技研發(fā)體系，統(tǒng)籌規(guī)劃形成切實可行的AI4S應(yīng)用落地路徑，明確AI4S在電力領(lǐng)域的基礎(chǔ)研究方向，開發(fā)具有較強泛化能力、能夠適應(yīng)不同場景的AI4S算法模型，從本質(zhì)上助推電網(wǎng)高質(zhì)量發(fā)展。
 

　　二是加快建設(shè)統(tǒng)一開放的AI4S創(chuàng)新服務(wù)平臺。打造AI4S創(chuàng)新平臺，集數(shù)據(jù)整合、高性能智算、資源共享、跨學科交流等多項功能于一體，為電力領(lǐng)域科學研究提供強大的技術(shù)支撐和智能基座，服務(wù)能源電力行業(yè)AI4S創(chuàng)新發(fā)展。
 

　　三是加強AI4S方面人才隊伍建設(shè)。多渠道多方位引進學科帶頭人和核心產(chǎn)業(yè)領(lǐng)域高層次人才，集聚和穩(wěn)定一批具有較高專業(yè)水平與影響力的領(lǐng)軍人才及青年骨干，積極推進跨專業(yè)科學研究交叉融合，培養(yǎng)具有跨學科思維和創(chuàng)新能力的人才隊伍，高效協(xié)作引領(lǐng)電力行業(yè)AI4S快速發(fā)展。