报告指出了建设前瞻性电网的方向
当我们打开家中的电灯开关时，我们期望能立即获得电力。在幕后，这种可靠性取决于公用事业运营商，他们开发了控制系统和故障保护装置来保持电力供应。但时代在迅速变化，公用事业运营商面临着不断发展的电网，该电网已成为一个由多种能源、新兴电网能源存储选项以及交通、计算和工业用途对电力的不断增长的需求组成的复杂网络。
面对电网现代化的挑战，许多人呼吁使用人工智能（AI）和机器学习（ML）工具来支持公用事业管理人员和运营商，以减轻他们的一些决策负担。
可以理解的是，当故障后果代价高昂并可能影响客户时，公用事业公司对采用新技术持谨慎态度。此外，这些技术的好处和商业案例尚不明确。
现在，由太平洋西北国家实验室领导的研究小组通过实用建议揭开了机器学习在电网中新角色的神秘面纱。在一份综合报告中，该团队指出，机器学习有朝一日可以成为国家公用事业运营商值得信赖的合作伙伴。作为人工智能的一个分支，机器学习使用数学模型和现实世界数据根据逻辑和先验知识做出决策。
PNNL 电力系统建模和仿真专家 Yousu Chen 表示：“电力运营商正在寻找能够帮助他们了解当前系统状态、预测未来情况的工具，然后提出建议，告诉他们需要采取哪些行动来为未来做好准备。”目前，他领导着 PNNL 能源部电力办公室高级电网建模项目。
陈和他的团队提供专家指导，概述了机器学习为帮助管理日益复杂的电网所提供的挑战和机遇，并描述了一些已经开发的工具。
复杂性决定电网；机器学习可以帮助我们应对
一个多世纪以来，美国电网一直依靠煤炭、天然气、水力和核电站的集中发电来运行。如今，电网基础设施正在迅速发展，涵盖了具有不同属性的更多种类的能源，同时先进制造业、交通运输和计算基础设施对电力的需求也越来越大。
陈和他的同事表示，包括机器学习在内的现代数据管理和计算策略已显示出帮助管理电网的潜力。陈表示，2024 年采用该技术的最大挑战是对技术的信心。
正如报告全文所述，有几个挑战必须认真解决。它们包括：
值得信赖的答案： PNNL 研究人员仔细研究了应用于电力系统的ML 算法。在使用电网东部互联的真实数据进行训练后，他们发现该算法的决策可靠性为 85%。
这被称为“信心分数”，该值反映了系统对其决策的信心程度。当研究人员让人类专家参与其中时，他们发现系统对自己决策的评估有显著改善。PNNL研究人员将人类参与的分数称为“专家得出的信心”，或 EDC 分数。
页:
[1]