人工智能、云计算、物联网等技术为能源电力行业从数字化到智能化转型提供了强大的驱动力。

据机构调研，2020年中国能源电力数字化市场规模超过2200亿元人民币，能源电力数字化升级约占18%，包括大数据、人工智能、云计算、区块链等技术应用改造。

随着数字化转型、双碳目标、十四五规划和构建新型电力系统等相关指导政策的发布，能源电力智慧化变革正式拉开序幕。目前，人工智能技术在能源电力行业已有应用，但仍然面临诸多挑战与机遇。

在产业转型和双碳目标的大背景下，人工智能落地能源电力行业遇到了哪些新挑战？为什么边缘计算能成为解决这些挑战的关键基础服务？AI+边缘计算技术在行业应用的框架、案例和未来展望有哪些？

就这些话题，江行智能联合创始人、CTO樊小毅博士在「量子位·视点」直播中以能源电力行业为例展开了系统阐述。

以下根据分享内容整理：

人工智能在能源互联网中面临的挑战与机遇

首先，由于边端设备的异构性，在能源行业中，端侧设备主要是指各种各样的传感设备，功能各异、系统各异、样式各异，例如，它可以是安装在挖掘机上的振动传感器，也可以是输电线路监控中使用的无人机设备，也可以是储能电站中的一些电力计量模块。

此外，在一些行业中，特别是在电力行业，规约协议的种类非常多，大概有近百种的通讯协议，还有非常多的各厂商自己定制的协议，这就导致在协议中也存在大量的异构，而设备和协议的异构进一步导致了数据传送方式的差别和数据的多模态。

其次，在很多行业虽然每日产生的数据量非常大，持续时间也非常长，但有效数据却非常少，这就导致对特殊数据的获取困难非常大。同时由于这种协议隔离、设备隔离和安全控制等因素的影响，导致各类数据之间的连通和处理都非常困难，无法对多维度的数据进行融合使用。

此外就是AI推理的时耗，需要保证在人工智能决策的同时，也能满足响应时间的要求，同时实现控制指令的下发和反馈。

最后，成本控制问题，在需要大数据量传输和人工智能训练推理中实现最优解，也就是说对云端和边端的这种计算、存储、带宽的成本进行有效控制。

以上这些都是人工智能技术在实际的工业互联网场景中，包括在能源产业变革中存在的一些困难和阻碍。通过我们在过去这些年，在研发和落地方面积攒的丰富经验，我们可以看到人工智能与边缘计算技术的融合是解决这些阻碍的一个关键。

下面，我就以能源电力行业为例，看AI和边缘计算在该行业中是如何发挥作用的？

AI+边缘计算在实现“碳中和”目标中的关键作用

在实现碳中和目标的过程中，第一阶段的目标其实是实现碳达峰，也就是碳排放的量达到一个峰值。据相关数据分析，能源行业中的碳排放其实占到总排放量的近75%，主要是化石燃料和煤炭的使用。

这其中电力行业是一个重点，因此国家层面提出了电力系统源网荷储一体化建设和多能互补的战略。

需要综合利用云、云计算、人工智能、边缘计算、大数据、物联网、移动通信、区块链等技术来达成这个战略，建设新型电力系统，拥有包括自学习、自适应、自驱优、自恢复和自组织等特征，最终建成推动双碳目标实现的这样一个综合能源系统。

下面我举一个典型的源网荷储的例子来看一下：

这个图的完整的展现了源网荷储的各个部分，单向的，起点是发电侧，这就是所谓的源，终点是复合测，然后是用电测，大电网；双向的是储能站点，储能站既能够存储能源，也能够向外输出能源。目前源测的风电等新能源的占比越来越多，对于整个电力系统而言就出现一个问题，因为新能源发电的输出功率是动态的，不如火电、水电那么稳定，在无法对这些新能源进行消纳的时候，就要求有一个储能系统，对能源进行储。

但在实际落地的过程中，在需求侧，用电设备总体呈现出的是时间碎片化的状态，想要实现电力的削峰填谷，需要大量的用户同意纳入电力系统，在这个过程中，负荷预测的边缘数据就要被纳入到调度平台，包括储能侧、电网侧、电源侧和用户侧等几大部分，这个过程中，每个参与者都需要用到人工智能和边缘计算技术。例如在用户侧，需要对南向的数据接入和设备接入，来实现负荷数据的上传，使用负荷识别算法，对用电设备进行监测来满足负荷调度需求。