中國儲能網(wǎng)訊：近年來，美國大力投資先進能源技術(shù)，尤其是在新能源領(lǐng)域，多項政策法案提供各類資金支持先進技術(shù)的研發(fā)和應(yīng)用。據(jù)美國能源部消息，美國2025財年預(yù)算中能源部獲得了創(chuàng)紀錄的510億美元預(yù)算撥款；其中86億美元將用于17個國家實驗室的前沿技術(shù)研究，以支持可以加速清潔能源發(fā)展的創(chuàng)新技術(shù)，包括高性能計算、量子信息科技等。
美國國家可再生能源實驗室（National Renewable Energy Laboratory，以下簡稱NREL）是由美國能源部能源效率和可再生能源辦公室(EERE)直接資助和監(jiān)督的國家實驗室，主要從事可再生能源、能源效率、能源系統(tǒng)集成和可持續(xù)交通等相關(guān)科技的研究和開發(fā)。自2019年起，NREL深度關(guān)注、參與和投資研發(fā)各種AI技術(shù)，NREL官網(wǎng)有專門的板塊介紹實驗室當前主導或參與的AI項目，包括但不限于各類機器學習、高性能計算、大數(shù)據(jù)集處理研究。
eo根據(jù)公開資料整理了當前NREL數(shù)個具有一定進展和成效的AI相關(guān)項目，從中可以窺見美國能源部門最重視哪些方面的技術(shù)投入，以及這些技術(shù)背后的戰(zhàn)略意義。
1 Sup3rCC 生成式機器學習模型優(yōu)化氣候數(shù)據(jù)輸出
隨著全球范圍內(nèi)多個國家逐步向可再生能源替代化石能源轉(zhuǎn)向，能源與天氣狀況的聯(lián)系越來越密切，與此同時，極端天氣頻發(fā)給能源系統(tǒng)帶來的挑戰(zhàn)也日益嚴峻。對能源系統(tǒng)規(guī)劃者和運營商而言，高分辨率的氣象數(shù)據(jù)對掌握風力、太陽能的出力預(yù)測起到重要作用，但當前的氣象監(jiān)測技術(shù)很難準確量化這些可再生資源的影響。
NREL的數(shù)據(jù)科學家開發(fā)了一項機器學習模型——Sup3rCC，旨在利用生成式機器學習技術(shù)來生成超高分辨率的、降尺度的未來氣候數(shù)據(jù)集。據(jù)負責項目的科學家介紹，降尺度氣象數(shù)據(jù)對了解氣候變化對當?shù)仫L能和太陽能資源以及能源需求的影響是必要的，但當前大部分的降尺度技術(shù)都需要在分辨率、計算成本以及空間、時間的物理限制方面進行權(quán)衡。Sup3rCC的開創(chuàng)性在于，通過利用生成對抗網(wǎng)絡(luò)（Generative Adversarial Networks，GANs*）技術(shù)克服了傳統(tǒng)動態(tài)降尺度技術(shù)的計算挑戰(zhàn)，實現(xiàn)以比傳統(tǒng)的動態(tài)降尺度方法快40倍的速度生成物理逼真的高分辨率氣象數(shù)據(jù)。Sup3rCC通過研究NREL提供的歷史高分辨率數(shù)據(jù)集(包括國家太陽輻射數(shù)據(jù)庫和風能整合國家數(shù)據(jù)集工具包)來學習自然和大氣的物理特性。然后，該模型將從數(shù)據(jù)集中獲得的降尺度信息注入到全球氣候模型（Global Climate Model, GCM）的粗略輸出（coarse outputs）中，從而生成高度細節(jié)的溫度、濕度、風速和光照數(shù)據(jù)。
Sup3rCC將全球氣候模型在每個水平方向上的空間分辨率提高了25倍，時間分辨率提高了24倍，這意味著數(shù)據(jù)總量增加了1.5萬倍。NREL的計算研究員Ryan King認為，Sup3rCC帶來的優(yōu)化“使我們能夠考慮未來幾十年多種氣候情景下可再生資源和電力需求的變化，這對規(guī)劃未來的能源系統(tǒng)至關(guān)重要”。
Sup3rCC數(shù)據(jù)集還加入了NREL的高分辨率數(shù)據(jù)家族，其輸出與NREL的可再生能源潛力模型（reV）兼容，并可以與NREL整套建模工具相互操作。目前，Sup3rCC和reV都是開源的，用戶可以訪問亞馬遜云科技（Amazon Web Services）上的Sup3rCC數(shù)據(jù)，并在自己的桌面上在云端運行reV，以查看風能和太陽能發(fā)電量、容量和系統(tǒng)成本在不同氣候情景下的變化情況。
注釋：*GANs是一種新型神經(jīng)網(wǎng)絡(luò)架構(gòu)，基于對抗訓練的思想，由兩個相互競爭的神經(jīng)網(wǎng)絡(luò)組成，這種競爭能幫助它們模仿任何數(shù)據(jù)分布。GANs最顯著的特點是它們能夠創(chuàng)建超現(xiàn)實主義的圖像、視頻、音樂和文本，有能力從訓練圖像中學習特征，并利用這些學到的模式想象出它們自己的新圖像。通過讓計算機學會模仿任何數(shù)據(jù)分布，它們可以被教會創(chuàng)造出與我們世界相似的各個領(lǐng)域的世界。
2 高性能計算 能源創(chuàng)新的基礎(chǔ)力量
美國能源部在超級計算機上的投入龐大，多個國家級實驗室都擁有適應(yīng)自身研究需求的超算系統(tǒng)，利用高性能計算促進能源創(chuàng)新是美國能源部一項重要科研計劃。NREL的超級計算機被命名為Kestrel，由上一代超算Eagle迭代而來，2023年完成安裝調(diào)試并投入使用。這兩代計算機的主要任務(wù)是多種計算機模擬和建模，例如優(yōu)化電動汽車充電基礎(chǔ)設(shè)施在弱勢社區(qū)的位置，或模擬原子和電子的行為來幫助改進太陽能電池制造。此外，Kestrel還將用于研究計算材料、連續(xù)介質(zhì)力學以及未來能源系統(tǒng)的大規(guī)模模擬和規(guī)劃。據(jù)NREL官方信息，Kestrel在完全配置后計算能力將是上一代的Eagle的五倍以上，具體算力達到44 PFLOPS。
高性能計算技術(shù)與AI應(yīng)用息息相關(guān)，Kestrel預(yù)計將為多個NREL的AI項目提供算力支撐。人工智能和機器學習領(lǐng)域的應(yīng)用和技術(shù)正以驚人的速度不斷發(fā)展，推動相關(guān)的創(chuàng)新和研究向新的計算工作流擴展，Kestrel的異構(gòu)計算架構(gòu)(包括純cpu和gpu加速節(jié)點)旨在實現(xiàn)這些新興的工作流程。EEER的代理助理秘書長亞歷杭德羅·莫雷諾認為，像Kestrel這樣的超級計算機對能源轉(zhuǎn)型至關(guān)重要，“Kestrel將使EERE的研究能夠應(yīng)用尖端的模擬和利用人工智能，以實現(xiàn)我們國家氣候和能源目標所需的大規(guī)模、可靠經(jīng)濟的清潔能源技術(shù)”。
Kestrel由惠普旗下的云端與服務(wù)器公司慧與(HPE)制造，采用HPE Cray EX系統(tǒng)進行設(shè)計，使用英特爾至強Sapphire Rapids CPUs和英偉達H100 GPUs，擁有2454個計算節(jié)點。該系統(tǒng)還將采用HPE Slingshot以太網(wǎng)結(jié)構(gòu)，為解決大數(shù)據(jù)密集型人工智能工作負載提供更高的速度和控制擁塞問題。
3 eGridGPT 值得信賴的控制室AI助手
隨著可再生能源和電動汽車滲透率的增長，電網(wǎng)運營商正面臨巨大挑戰(zhàn)。作為電網(wǎng)供需平衡的運行“大腦”，調(diào)度控制室中的決策對于維持電網(wǎng)的可靠性至關(guān)重要。NREL開發(fā)了一款控制室AI助手——eGridGPT，這個項目首次將大語言模型(LLMs)作為一種生成式人工智能(GenAI)應(yīng)用于電網(wǎng)控制室決策的研究。eGridGPT就像人類大腦處理來自感官的輸入來做出決定一樣，通過協(xié)助決策過程和解釋數(shù)據(jù)和模型來虛擬支持電網(wǎng)控制室操作員作出決策。
根據(jù)研究人員介紹，傳統(tǒng)電網(wǎng)調(diào)度決策工具主要包括SCADA（數(shù)據(jù)監(jiān)控系統(tǒng)）、EMS（能源管理系統(tǒng)）等，但隨著可再生能源、儲能、電動汽車等因素的影響凸顯，電網(wǎng)中的雙向流量增加，單純的監(jiān)測和測量數(shù)據(jù)不足以在復(fù)雜多變的新興態(tài)勢下實現(xiàn)有效的電網(wǎng)控制。eGridGPT的主要任務(wù)就是將這些數(shù)據(jù)轉(zhuǎn)化為可操作的信息，旨在為控制室運營商提供一個不斷發(fā)展的生態(tài)系統(tǒng)，根據(jù)他們的需求和電網(wǎng)運行要求調(diào)整現(xiàn)有工具包，增強運營商的態(tài)勢感知，特別是在緊急情況下，這種快速響應(yīng)能力顯得更為重要。
大語言模型是擅長語言處理和通用任務(wù)的計算工具，就像OpenAI的GPT-4和Meta的Llama 3一樣，eGridGPT能理解并響應(yīng)操作員的查詢和提問；根據(jù)請求，eGridGPT可以通過數(shù)字孿生等工具來分析電網(wǎng)狀況，并將工具和相關(guān)操作的建議編排成可理解的顯示格式，以及通過“人機回圈”(human-in-the-loop)框架建立運營商的信任。
生成式預(yù)訓練(GPT)模型家族在各個領(lǐng)域都取得了顯著成就，包括醫(yī)學、標準化測試、作曲和藝術(shù)創(chuàng)作等，NREL項目團隊認為，這類模型在電網(wǎng)控制和決策領(lǐng)域也可以發(fā)揮重要作用。eGridGPT的預(yù)訓練是整個系統(tǒng)可靠運行的基礎(chǔ)和關(guān)鍵，項目團隊將其簡單概括為三個步驟：首先利用公開可用的電網(wǎng)數(shù)據(jù)對最先進的LLM模型進行電力工程知識培訓；然后使用來自電力可靠性組織、獨立系統(tǒng)運營商、州公用事業(yè)委員會、國家電力安全委員會的控制室操作程序進行培訓；最后，培訓模型對系統(tǒng)操作員或公用事業(yè)系統(tǒng)的操作和管理程序、電力系統(tǒng)數(shù)據(jù)、現(xiàn)場設(shè)置和基礎(chǔ)設(shè)施信息進行監(jiān)測和微調(diào)。培訓完成后，eGridGPT必須參加NERC（北美電力可靠性委員會）系統(tǒng)操作人員考試作為基準測試，以確保其有效性。
4 AI助力風電場設(shè)計優(yōu)化
2024年4月，NREL的研究團隊在《自然-能源》（《自然》期刊的子刊）上發(fā)表了一篇文章，內(nèi)容聚焦AI技術(shù)是如何使風力發(fā)電場規(guī)劃獲得更高效益。
NREL這個研發(fā)團隊開發(fā)了一種基于人工智能的替代模型，他們稱之為風電場圖像神經(jīng)網(wǎng)絡(luò)(WPGNN)，該模型被訓練在不同大氣條件、場站設(shè)計和風機運行情況下對超過25萬個隨機生成的風電場布局圖進行了仿真，模擬數(shù)據(jù)則由NREL開發(fā)的另一個模型——穩(wěn)態(tài)尾流重定向模型(FLORIS)生成，AI利用這些信息來設(shè)計出風力發(fā)電場的最佳布局，以實現(xiàn)減少用地或提高發(fā)電量等目的。
這項研究的重點是風力發(fā)電的尾流轉(zhuǎn)向策略，該策略通過控制從上游風機向下游風機流動的尾流來優(yōu)化風電場的發(fā)電量。引入人工智能可以使研究人員能夠確定尾流轉(zhuǎn)向?qū)θ齻€不同維度的影響：土地使用、成本和收益。
“以前，特定地點的尾流轉(zhuǎn)向優(yōu)化研究非常困難，但WPGNN的圖像呈現(xiàn)極大地提高了我們靈活描繪場站布局的能力、改變風向和實現(xiàn)梯度優(yōu)化的能力”，該論文的合著作者Ryan King說，“基于人工智能的尾流轉(zhuǎn)向研究可以用于全國范圍內(nèi)的風電場用地和經(jīng)濟效益評估，從而使風電場設(shè)計得到優(yōu)化?！?
據(jù)NREL消息稱，尾流轉(zhuǎn)向策略可以把未來風力發(fā)電場的土地需求平均減少18%，在某些情況下甚至可以減少60%。在美國全國范圍內(nèi)，節(jié)省的土地總面積約為13000平方公里，相當于美國風能資源覆蓋面積的28%。
5 機器學習的廣泛應(yīng)用
機器學習可以說是NREL最重視的AI技術(shù)之一，除了前述的氣象數(shù)據(jù)處理外，應(yīng)用場景還包括電池設(shè)計、地熱開發(fā)、戶用光伏市場拓展等。
據(jù)NREL的官網(wǎng)資料介紹，除了多尺度建模外，機器學習還被NREL各研究團隊用于加速對新材料、化學物質(zhì)和電池設(shè)計的理解。NREL的材料科學家認為，這些復(fù)雜的計算機算法改善了NREL先進電池研究中的電池壽命預(yù)測建模和微觀結(jié)構(gòu)診斷。
為了優(yōu)化地熱作業(yè)流程，NREL開發(fā)了一個基于機器學習的地熱運行優(yōu)化新框架GOOML，通過融合數(shù)據(jù)驅(qū)動的熱力學方法，GOOML能夠準確地模擬生成地熱系統(tǒng)的實際性能特征。將數(shù)字孿生技術(shù)更多地集成到地熱作業(yè)中，不僅可以使工程師更好地了解大型系統(tǒng)中組件的復(fù)雜相互作用，還可以通過人工智能和機器學習工具的最新進展增強對操作空間的探索。
機器學習技術(shù)甚至被應(yīng)用到戶用光伏市場營銷領(lǐng)域。當前，高昂的客戶獲取成本仍然是美國住宅太陽能行業(yè)面臨的一個持續(xù)挑戰(zhàn)，以NREL為代表的幾個研究機構(gòu)和大學正在推進一項新的研究，在數(shù)據(jù)分析和機器學習的幫助下，利用新算法降低戶用光伏的建設(shè)和運行成本，并在此基礎(chǔ)上生成合適的營銷方案，幫助市場人員降低獲取客戶開拓渠道的投入。
NREL通過機器學習技術(shù)開發(fā)了一系列模型和實用工具，幫助各類可再生能源提升利用效率和降低成本。此外，NREL還非常關(guān)注通過這些AI技術(shù)促進能源公平和對弱勢社群的建設(shè)援助，利用先進計算技術(shù)推動弱勢社區(qū)范圍內(nèi)的綠色能源轉(zhuǎn)型也是實驗室的關(guān)鍵目標之一。
以上內(nèi)容僅為NREL重點宣傳的幾個AI相關(guān)項目，NREL對人工智能的涉獵除了技術(shù)上的研究開發(fā)，還包括人工智能倫理和公平性的探討和議題設(shè)置，這也展示了這個國家級實驗室在占據(jù)人工智能開發(fā)能力前沿地位和掌握關(guān)鍵話語權(quán)的野心。2023年，拜登—哈里斯政府通過美國能源部宣布向NREL投資1.5億美元，這筆資金來自《通脹消減法案》，將支持NREL的主要項目和基礎(chǔ)設(shè)施維護。這個坐落于科羅拉多州戈爾登市、有著四十多年歷史的國家實驗室將在推動2050年實現(xiàn)零碳經(jīng)濟目標的進程中擔當重要角色。
