美國國家工程院院士張東曉：實現(xiàn)“雙碳”戰(zhàn)略的關鍵在于優(yōu)化能源結(jié)構(gòu)

12月22日，2022網(wǎng)易未來大會創(chuàng)新力論壇在杭州舉行，一眾院士大咖相聚對量子、智能制造、醫(yī)療衛(wèi)生、經(jīng)濟等等話題展開討論。

 

美國國家工程院院士、東方理工高等研究院常務副院長張東曉發(fā)表《智慧能源系統(tǒng)與科學機器學習》主題演講，圍繞能源科技革命及“雙碳”戰(zhàn)略、光功率預測技術(shù)、風功率預測技術(shù)、電力負荷預測技術(shù)、抽水蓄能電站智能選址技術(shù)展開介紹。

 

他提到，能源安全是關乎國家經(jīng)濟社會發(fā)展的全局性、戰(zhàn)略性問題，實現(xiàn)一次能源高效低成本開發(fā)，二次能源經(jīng)濟安全運行，是維護能源安全的首要任務和基礎性工作。“雙碳”戰(zhàn)略的核心在于優(yōu)化能源結(jié)構(gòu)，實現(xiàn)一次能源高效低成本開發(fā)和二次能源經(jīng)濟安全運行。但可再生能源的不穩(wěn)定性提升并網(wǎng)難度，限制了其大規(guī)模應用，核心在于供需平衡與穩(wěn)定功能，我們應該由總量平衡轉(zhuǎn)向?qū)崟r平衡，比如說15分鐘級別6-72小時預測。

 

在張東曉看來，利用科學機器學習方法構(gòu)建具有物理常識的知識與數(shù)據(jù)雙驅(qū)動的人工智能模型，這些模型相對于市場主流模型準確率有大幅度的提升。另外，利用遷移學習等技術(shù)，可以基于短期歷史數(shù)據(jù)進行建模，形成預測模型，將歷史數(shù)據(jù)需求從6個月降低至3周。同時，利用在線學習技術(shù)，自主適應電站運行情況，降低設備老化和故障對預測結(jié)果的影響。用月度和日度的總量平衡轉(zhuǎn)向?qū)崟r平衡，比如15分鐘級別的預測。

 

他總結(jié)到，實現(xiàn)“雙碳”戰(zhàn)略的關鍵在于優(yōu)化能源結(jié)構(gòu)，其核心在于供需平衡，特別是對供給，像光伏、風能和需求（如電力負荷）進行準確預測。智慧能源系統(tǒng)需要綜合優(yōu)化調(diào)度、隨機建模、時空序列預測、多尺度分析和科學機器學習等技術(shù)手段，實現(xiàn)自動閉環(huán)優(yōu)化。

 

“通過將復雜的各個領域知識以及多種來源數(shù)據(jù)相互融合，可以構(gòu)建知識與數(shù)據(jù)雙驅(qū)動模型，降低數(shù)據(jù)需求，提升可靠性與精度。智慧能源系統(tǒng)的關鍵就是剛才提到的知識嵌入和知識發(fā)現(xiàn)，智慧能源系統(tǒng)核心目標就是通過科學機器學習中的知識嵌入與知識發(fā)現(xiàn)，實現(xiàn)智慧能源領域中知識與數(shù)據(jù)的閉環(huán)，發(fā)展新一代人工智能技術(shù)，助力能源科技革命和“雙碳”戰(zhàn)略的實現(xiàn)。”