概述
能源系统具有安全性、可靠性和物理约束。预测或优化结果需要在罕见事件、变化的条件和实际操作规则下进行验证。
主要要点
- 状态范围和物理限制。
- 测试罕见事件和分布变化。
- 测量完整的能量效应和操作员响应。
深入探讨
定义决策范围和物理限制。日前需求预测、实时平衡和维护检查需要不同的数据和容差。在评估中包括极端天气、停电、设备变化和需求变化。将模型保持在经过验证的优化或控制边界内。在模拟中最小化成本的建议可能会违反实际电网中的爬坡率、储备要求或安全裕度。记录假设并保留操作员在特殊情况下的权限。在正确的边界测量能源和环境影响。人工智能计算会消耗电力，而下游优化可能会减少或转移消耗。报告两者并避免在没有足够完整的比较的情况下声称净节省。监控传感器、预测、行动和结果。版本天气数据、设备模型和政策。定义当预测不确定或系统进入训练数据中不存在的情况时操作员如何响应。
04工作示例
将优化器保持在物理限制内
想象一下，优化器建议的电池放电会违反所需的储备裕度。
控制器拒绝或限制该建议并警告操作员。
显式测试约束路径，而不是依赖优化器从数据中学习每个安全规则。
它显示了什么
构建的案例将经济优化与系统安全分开。
现实世界的实施
评估多云、高需求和中断场景下的存储控制。
将 AI 能源使用情况与相同边界和时期内测得的运营节省进行比较。
付诸实践
为什么这很重要
- 背景与规则. 行业背景决定了人工智能创意能否与现实接触。
- 质量控制. 领域约束会影响可接受的错误率和监督模型。
- 构建选择. 成功的部署使技术能力与一线工作流程保持一致。
留意
- 监管要求可能会使原本强大的原型失效。
- 历史数据可能会编码损害特定社区的偏见。
- 遗留系统可能会造成集成瓶颈和隐性成本。
后续步骤
- 让领域专家参与从问题框架到评估的整个过程。
- 在启动前设计审计跟踪和文档。
- 尽早验证合规性和安全义务。
- 分阶段推出，并具有明确的停止和回滚标准。
资料来源与延伸阅读
- International Energy Agency能源与人工智能
不断探索
常见问题
能源预测能否保证电网可靠运行？
不。它是受限操作流程的一项输入，需要验证、监控和后备控制。