能源数字化趋势及前沿应用

通过区块链技术，可以实现智能化调控，智能设备与互联网信息可以由区块链连接在一起。当前，部分地区现有电力设施存在安全隐患和电能浪费，尤其一些偏远地区停电是常事。利用区块链智能合约搭建新的电网成为可行的解决方案，目前一些初创企业正在尝试和应用这一技术，如美国LO3公司开发的基于微电网、邻居间在区块链上的电能交易系统。此外，区块链技术还能够使公司建立一个生产者的等级制度并使能源分配过程自动化，如追踪可再生能源，该技术通过消除中间商帮助行业提高透明度，降低运营成本。

案例1：Filament“龙头”试验

美国公司Filament在澳洲实施区块链技术和电力网状网络的结合，用点对点物联网来保证电力安全，同时充分利用了现有网状网络闲置的容量。美国公司Filament在澳大利亚偏远地区的电线杆上进行所谓的“龙头”（taps）试验，这些“龙头”可以在10英里之内直接通讯，因为电线杆的间距一般大约是200英尺，故障电线杆上的动作探测器会通知200英尺外的电线杆。假设这个探测器存在故障，会按顺序通知10英里内的其他电线杆，然后通过120英里内最近的回程网络与公司通讯。客户可以将手机、平板或计算机直接连接到设备，这个“龙头”包含了很多传感器——温度、湿度、光和声音，客户可以用这些传感器长期监测和分析电网状况。他们可以获取相关数据信息，并通过授权将数据通过区块链传输给其他用户——政府、广播员、电线杆制造商、环保部门。

案例2：韩国电力改善能源基础设施

2018年11月，韩国最大的电力公用事业公司韩国电力公司（KEPCO）宣布，他们正在利用区块链技术开发名为“未来微电网”的微电网项目。公司新的“KEPCO Open MG”框架将创建一个“开放能源社区”，通过现有微电网技术的元素与区块链相结合来改善能源基础设施，特别是当地的氢能经济。该公司早期微电网主要包括小型光伏、风力涡轮机和储能系统，在提供稳定电力方面面临障碍。而KEPCO的开放式微电网将利用“额外的燃料电池”作为电源，以提高能源的自立性和效率，并且不会排放温室气体。

案例3：Iberdrola利用区块链跟踪可再生能源

西班牙可再生能源巨头伊维尔德罗拉（Iberdrola）正在利用区块链技术追踪可再生能源，第一次试验项目是与Kutxa银行合作完成的，测试很成功。在试点期间，Iberdrola的技术平台监控了可再生能源从两个风电厂和一家发电厂输送到位于巴斯克地区和南部城市科尔多瓦的银行办公室的过程。该公司使用了能源网络基金会的一个开源区块链平台，旨在在试点项目中满足能源部门的监管、运营和市场需求。Iberdrola认为区块链将对能源产地证书的签发流程作出贡献，该证书能够使客户了解所使用能源的来源。这一去中心化的解决方案无需中间商，可以帮助能源产业增加透明度，同时削减运营开支。上面提到的试点可以改进石化产品的认证过程，提高产品的安全认证质量，此举每年可节省高达40万欧元的成本。

（五）支持气候行动 改进碳排放交易

对于气候行动，通过区块链能够改进碳排放权交易、促进清洁能源交易，如跟踪和报告减少温室气体排放和避免重复计算、开发点对点的可再生能源交易平台等。在全球气候金融创新领域，消费者可以用代表一定数量的能源生产的代币或可交易的数字资产相互购买、销售或交换可再生能源。区块链技术还可以加强气候融资流动，如帮助发展众筹和P2P金融交易，以支持气候行动，同时确保融资以透明的方式分配给项目。

●案例：Poseidon 消费者利用区块链支持气候行动

波塞冬基金会（Poseidon Foundation）在伦敦推出全球首个零售平台，能够让消费者改变自身的碳足迹。Poseidon的平台使用区块链技术，将碳市场整合到销售点交易中，让零售商及其客户在买卖日用品的同时，有机会为全球森林保护项目提供支持，继而为针对气候变化的行动提供支持。该零售平台于2018年5月1日推出，已在美国冰淇淋巨头BEN&JERRY'S位于伦敦沃德街的新设的冰淇淋店开展试运行，试点非常成功，到目前为止已经保护了4000多棵树。Poseidon的Stellar区块链网络将碳积分分解为微交易，微交易可以附加到BEN&JERRY'S在伦敦Soho商店的每一勺冰淇淋里，BEN&JERRY'S和客户因而可以在销售点了解每次购买的碳排放量，而且可以提供实时弥补碳排放量影响的机会。另外，Poseidon还与利物浦市议会有合作，参与建设基于区块链的碳信用体系（Cardbon Creidts System），目的是要在2020年时弥补该城市110%的碳排放量。

二、大数据与人工智能技术应用

近几年，人工智能AI技术应用于生产、生活的各个场景，人工智能+家居、人工智能+医疗、人工智能+教育等随处可见。而智能化离不开大数据的支撑，在“大数据时代”，数据将成为最有价值的资源。能源行业未来的发展主要在于优化和预测，人工智能在能源领域可以进行需求管理，通过对大量消费数据进行学习，了解消费者的习惯、价值观、动机和个性，预测消费行为，制定更有效的策略。对于能源企业来说，人工智能基于海量大数据分析可以为行业提供有价值的技术、经验和指导信息，大幅度提高能源效率和降低成本，从根本上提升行业竞争力。

（一）石油勘探开发领域

人工智能是传统能源行业的重要技术领域，石油勘探开发自然也受到了这一波新技术革命浪潮的影响。通过使用由人工智能支持的传感器以及物联网实时处理收集数据和系统控制，可以降低现场作业的运营成本。一旦人工智能在石油领域应用成熟，将解禁地球上大量在过去无法开采的油气田。一些开采成本较高的油气田，也有望因此实现开采成本的大幅下降。

国际石油巨头们早已进军人工智能领域。例如，法国石油巨头道达尔公司与科技巨头谷歌和微软洽谈，开发能源领域的定制人工智能，探索复杂的算法如何应用于石油和天然气领域。BP利用人工智能技术寻找新能源，已经购买了为太空探索开发的人工智能技术来寻找更多的资源。美国最大的独立石油生产商Pioneer Natural Resources利用人工智能提高钻探油井的成功率。意大利石油和天然气公司埃尼（Eni）通过运营新的超级计算机来提高地震成像和地质建模的准确性。

（二）智能电网领域

电网的能量来源通常有很多，除了传统的发电以外，还有来自风能、太阳能等可再生能源的能量供应，这使得运营电网系统的过程变得更加复杂。借助人工智能技术实现智能电网的升级版，使电网具有更高级、更深层的人工智能，通过对大规模数据集进行分析，促使这个多源收集的过程更加稳定和高效。未来，人工智能将成为智能电网的大脑，通过接入数以百万计的传感器数据，可对电力进行实时分配、分析和决策，使能源分配与使用效率实现最大化。

案例1：西门子“主动网络管理”

智能电网能够在同一时间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，active network management）。ANM的原理是通过跟踪电网如何与不同能量负载相互作用，来调整其可调节的部件，从而达到提高效率的目的。虽然这之前是手动调整的，但当新的能源生产者（比如太阳能发电厂）开始工作时，或者新的能源消耗者开始接入网格时，ANM会对电网做出相应调整。因此，ANM也为电动汽车利用智能电网进行充电奠定了基础。

案例2：英国电力系统的预测模型

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，他们计划将DeepMind的人工智能技术添加到英国的电力系统中。该项目将处理天气预报、互联网搜索等海量信息，以开发需求激增的预测模型。

案例3：Grid Edge电力管理软件服务

英国Grid Edge公司提供基于云计算的电力管理软件服务。该公司利用人工智能技术对能源配置进行预测和优化，将控制权交还给电力使用者。具体的方法是，Grid Edge操作一个VPN，通过它来连接和分析用户所在建筑的能源消耗数据，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、避免超载。

案例4：美国能源部利用人工智能改善电网稳定性

2017年9月，美国能源部向斯坦福大学的SLAC研究人员颁发了一项研究奖，奖励他们利用人工智能技术改善电网的稳定性。通过用过去的数据来对电力波动和电网薄弱环节进行编程，新的智能电网将自动对重大事件做出快速而准确的反应。

（三）故障监测

2017年11月，印度北部的一座燃煤电厂发生爆炸，原因是煤气管道堵塞导致锅炉爆炸。导致事故的原因是没有对设备进行经常性的检查，而且世界上许多地方都没有严格的监管规定，因此设备故障是很常见的。使用人工智能和传感器去监测每一个设备的运营情况，结合以往机器出现的故障数据，可以更好地分析和决定应该在何时更换零部件，从而节约成本。目前，许多创业公司正在试图将这项服务提供给能源行业。

案例1：美国通用电气GE智能检测业务

美国通用电气公司GE成立了人工智能公司，致力于利用数据分析、机器人和人工智能技术为油气、运输和能源行业等提供先进的检测服务。目前，GE公司已经开始了对用于炼油厂、工厂、铁路以及其他工业设施检测的自主无人机和机器人“爬虫”的检测工作。在测试中，无人机和机器人能够在偏远或危险设施周围和内部移动，同时拍摄腐蚀环境或获取温度、振动等读数，这些数据将通过计算机算法和人工智能进行分析。GE表示计划降低公司每年在检查方面的费用，公司每年花费在全球各地的检查费用高达400亿美元。

案例2：Tachyus预测故障 优化运营计划

硅谷数据供应商Tachyus开发了一个平台，收集来自传感器的数据，并将其与地震活动、钻井日志、地核、完井设计、生产数据和维护记录中的数据进行整合。结合物理模型和机器学习，该平台可以预测机械设施故障并确定最佳运营计划，在促进生产的同时大幅降低成本消耗。

案例3：SparkCognition预测关键设施何时故障

2017年12月，美国能源部授予SparkCognition公司一个奖项，以鼓励其利用人工智能提高燃煤电厂的发电量。该公司将解析学、传感器和操作中产生的数据相结合，来预测关键的基础设施何时会崩溃。

案例4：AES公司利用人工智能加强生产与经营安全

2017年9月，美国能源巨头AES电力公司宣布了进军人工智能的计划，将其作为提高公司的警觉性、效率和保护公司财产的手段，主要针对的是他们的太阳能电站和电网系统。

（四）预测和管理

人工智能在能源领域可以进行能源流的预测和管理，通过建立预测模型，收集大量有关天气、环境、大气条件以及新能源电站和电网运行情况的数据，解决能源流的预测和管理问题，确保供需始终处于均衡状态，以便实时匹配空间和时间的需求变化。比如太阳能和风能等可再生能源对天气状况有非常高的依赖度，因此，有效的天气预报是可再生能源生产中不可或缺的重要部分。

案例1：BP“里程”人工智能系统

在纽约和芝加哥的加油站，BP开始配置使用名为“里程”的人工智能系统的加油泵，来提升消费者的互动体验。在加油的同时，“里程”会问候消费者，提供小娱乐，提供折扣优惠，并将消费者连接到社交平台。除了了解消费者的消费模式外，这种互动智能技术还可以改变消费者对传统加油站的观念，吸引他们进行二次消费。而在电力市场，消费者会在电网产生数据流。目前有些供应商已经开始安装智能电表，实时收集数据流，这不仅有助于预测网络负载，还可以预测消费习惯。

案例2：IBM“深雷”产品

IBM计划推出一款名为“深雷”的新产品，以提供0.2～1.2英里范围内的精确天气预报，该技术整合了数十种预测模型，收集了大量有关天气、环境、大气条件以及太阳能电站和电网运行情况的数据源。IBM还在可再生能源预测领域进行了广泛的合作研究，有超过200个项目使用其太阳能和风能预测技术，并与美国能源部合作，利用人工智能来优化清洁能源应用。IBM声称其人工智能天气模型比坊间的太阳能和风能预测模型还要精确。

案例3：Stem雅典娜项目

位于加利福尼亚州的Stem公司开发了代号为雅典娜（Athena）的项目。项目利用人工智能绘制出能源的使用情况，并允许客户跟踪能源价格的波动，从而更有效地使用被储存的能源。Stem已经从包括美国能源部、GE Ventures和新加坡主权财富基金淡马锡控股在内的多家投资者那里融到了超过3700万美元的资金。Stem开发的AI平台Athena可以为企业提供实时的自动化能源优化管理服务。该系统每秒钟都会获取太阳能发电厂和电网负载数据，并根据电费、天气预报等各种外部数据，分析未来电价的变化走向，进行电力的发送或存储，使企业储能价值最大化。据公司称，尽管该系统投入会增加企业20%的成本，但其智能储能解决方案可以节省企业高达30%的能源成本。

案例4：Nnergix能源预测平台

西班牙初创公司Nnergix成立于2013年，利用天气数据和机器学习技术进行能源预测。公司开发的Sentinel Weather平台可以访问全球的天气历史数据和天气预报数据，通过机器学习技术预测天气变化对可再生能源产能的影响，可以预测每小时的发电量，从而提升电厂发电效率，并降低运营成本。目前，公司客户已覆盖20多个国家，已累计融资72万欧元。

案例5：Alphabet's Nest智能恒温器

美国Alphabet智能家居子公司Nest开发的一款智能恒温器能够通过自动适应用户行为，达到减少能源耗费的目的。智能恒温器在被安装到用户家里之后就开始学习居住者的生活习惯，并相应地调整温度。Nest表示，该公司的技术已经为用户节省了10%～12%的取暖费。

案例6：Google Sunroof（谷歌天窗）

谷歌发布了一个名为Sunroof的工具，来计算太阳能对美国家庭的影响。该项目采用了若干因素来计算使用太阳能能够节省下来的资金，这些因素包括天气数据、电费、3D建模和阴影计算。

（五）生产运营和能耗管理

云计算、数字平台、机器人和算法分析的人工智能技术在能源行业中的应用大大改善了能源行业的建设、运行、管理等水平，包括提升企业的用能管理效率，促进电厂实现生产运营管理的智能化等。

案例1：谷歌DeepMind优化改进能源管理