人工智能在储能等能源行业的5个应用及案例

2012年以来,有关人工智能和能源行业的新闻报道不断增多。 本文简要介绍了人工智能在能源行业的五个应用方向以及相应的案例。

能源行业产生大量数据。 为了将这些数据转化为提高生产力和削减成本的驱动力,主要能源行业公司(石油和天然气巨头以及可再生能源公司)正在将注意力转向人工智能。

2012年以来,有关人工智能和能源行业的新闻报道不断增多。 本文简要介绍了人工智能在能源行业的五个应用方向以及相应的案例。

1.webp (3).jpg

1 存储(能量存储)

据Greentech Media近期报道,美国储能在2017年第四季度达到了新的里程碑:2013年至2017年间累计储能容量超过1000兆瓦时。报告还预测,今年这一数字将翻一番。 随着储能容量的增加和新技术的出现,人工智能正在提高这个市场的效率。

案例一:茎

总部位于加利福尼亚州的 Stem 开发了该项目,代号为 Athena,该项目使用人工智能来绘制能源使用图,并允许客户跟踪能源价格的波动,以更有效地使用能源存储。

Stem 已从美国能源部、GE Ventures 和新加坡主权财富基金淡马锡控股等投资者那里筹集了超过 3700 万美元的资金。

2 自主电网(智能电网)

如今,电网中通常有多种能源。 除了传统发电外,还有风能和太阳能,这使得电网系统的运行过程变得更加复杂。 利用人工智能分析大规模数据集,这种多源收集过程更加稳定和高效。

案例一:美国能源部

2017年9月,美国能源部向斯坦福大学SLAC研究人员颁发研究奖,表彰他们利用人工智能技术提高电网稳定性。 通过使用过去的数据对电力波动和电网漏洞进行编程,新的“智能电网”将自动对重大事件做出快速、准确的反应。

案例2:西门子

2.webp (1).jpg

智能电网还能够同时更好地管理不同类型的能源。 西门子公司发布了一个软件包来操作网络,即所谓的“主动网络管理”(ANM,主动网络管理)。

ANM的原理是通过跟踪电网与不同能源负荷的相互作用来调整其可调组件以提高效率。 虽然之前是手动调整的,但当新能源生产者(如太阳能发电场)开始工作,或者新能源消费者开始并网时,ANM会对电网做出相应的调整。 因此,ANM也为电动汽车利用智能电网充电奠定了基础。

案例3:英国国家电网

2017年3月,被谷歌收购的人工智能公司DeepMind与英国国家电网联合宣布,计划将DeepMind的人工智能技术加入英国电力系统。 该项目将处理大量信息,例如天气预报和互联网搜索,以开发需求激增的预测模型。

案例 4:网格边缘

3.webp.jpg

一家名为Grid Edge的英国公司(提供基于云计算的电力管理软件服务)声称,它利用人工智能技术来预测和优化能源配置,将控制权交还给电力用户。 具体方法是Grid Edge运行一个VPN,通过它进行连接并分析用户所在建筑物的能耗数据。 利用这些信息,Grid Edge 与连接的电网进行通信并制定相应的调度策略。 这些策略的目的是节约能源并避免过载。

3故障管理

2017年11月,印度北部一座燃煤发电厂发生爆炸,造成32人死亡。 原因是燃气管道堵塞导致锅炉爆炸。 这是能源行业中经常发生的一种故障。 世界许多地方由于设备没有定期检查且法规不严格而导致事故发生,因此设备故障很常见。

使用人工智能观察设备并在故障发生之前检测到故障可以节省时间、金钱,甚至生命。 目前,许多初创公司正在尝试向能源行业提供这项服务。

案例1:SparkCognition

2017年12月,美国能源部授予SparkCognition奖项,表彰其利用人工智能提高燃煤电厂发电量。 该公司结合分析、传感器和运营中生成的数据来预测关键基础设施何时崩溃。

案例2:AES公司

2017年9月,美国能源巨头AES电力公司宣布计划进军人工智能,作为提高公司警觉性、效率和保护公司资产的手段,主要针对其太阳能发电厂和电网系统。

4上游勘探(石油和天然气勘探)

案例一:BP Ventures 超越极限

BP Ventures 投资了一家名为 Beyond Limits 的人工智能公司。 该公司曾参与外太空探索实验。 BP Ventures在投资Beyond Limits时表示,计划利用Beyond Limits的油气勘探技术来寻找新的石油储量。

案例2:雪佛龙

石油巨头雪佛龙正在利用人工智能在加州各地寻找新油井以及具有附加价值的老油井。

5能源消耗(能源消耗和消费)

通过监测个人和企业的能源消耗行为,人工智能可以提供优化能源消耗流程的解决方案。

案例一:字母之巢

Alphabet 子公司 Nest 开发了一款智能恒温器,可以通过自动适应用户行为来减少能源消耗。 一旦 Nest 安装在用户家中,它就会开始学习居住者的习惯并相应地调整温度。 据 Nest 称,该公司的技术为用户节省了 10% 至 12% 的供暖费用。

案例2:Nnergix

西班牙公司Nnergix利用机器学习技术来预测大气和天气条件对可再生能源产能的影响,例如估算光伏电站每小时的发电量。

案例 3:GoogleSunroof

谷歌发布了一款名为 Sunroof 的工具来计算太阳能对美国家庭的影响。 该项目使用了多个因素来计算使用太阳能可以节省多少钱,包括天气数据、电力成本、3D 建模和阴影计算。

000-二维码_副本.jpg