在电力能源领域 迎接AI技术革命性创新

[ 仅在美国，负责为先进AI模型提供动力的数据中心到本世纪末就可能占到该国整体能源需求的9.1%。 ]

随着人工智能（AI）技术的快速发展和广泛应用，特别是像ChatGPT这样的先进AI模型在日常商业和个人生活中的运用，美国的电力需求正面临前所未有的增长。到2023年初，ChatGPT的月活跃用户数已经超过1亿人。聊天机器人，还包括语音助手、推荐系统、图像识别和自动驾驶等多种应用的普及，进一步推动了AI在线用户的增长。据Gartner预测，到2025年，生成式AI将生成10%的数据，根据Internet World Stats的数据，截至2023年底，全球互联网用户已超过50亿人，预计在未来几年将继续保持高速增长。

AI热潮背后的电力短缺风险成为科技圈内热议的焦点，根本原因在于AI大模型训练所消耗的电力主要集中在数据中心领域，数据中心是电力密集型设施，其大量使用电力用于计算和冷却需求，导致整体电力需求显著增加。根据美国电力研究机构（EPRI）发布的一份新报告，仅在美国，负责为先进AI模型提供动力的数据中心到本世纪末就可能占到该国整体能源需求的9.1%。

这种增长带来了一系列挑战，数据中心的兴起和集中对传统电力消费分布产生了多方面的影响：其中一个重要方面是电力新能源崛起带来的市场监管问题。为了探讨和解决这些由人工智能引起的新兴问题，美国能源律师协会日前在华盛顿举办了一个重要的论坛，邀请了四位在能源法规领域的顶尖学者和专家回答相关问题。

这四位专家分别是来自联邦能源管理委员会的睿杰·李博士、剑桥大学国际研究中心的学者韦斯利·勒罗伊以及斯坦福大学学者丹尼尔·斯莱特和敏·梁。他们最近在《能源法规杂志》上发表的两篇署名文章分别提出了几项创新的建议，探讨AI应用热潮如何影响电力市场和如何使用AI技术应对由AI引起的电力供应和市场监管问题。论坛主要集中在以下四个问题。

数据中心的兴起影响传统电力消费

李博士首先介绍，美国大约有4000个数据中心，它们的出现对于电力负荷分布的变化影响极大。美国的数据中心并不只集中在西岸，虽然西岸确实有一些重要的数据中心集群，如硅谷、波特兰和西雅图，但中部和东部也有大量数据中心，包括得克萨斯州的达拉斯、奥斯汀、芝加哥和东岸的纽约、新泽西。最重要的是北弗吉尼亚的阿什本地区，被称为“互联网的首都”，拥有全球最大的数据中心集群之一。阿什本地区因其密集的数据中心而成为电力消耗的热点地区。

就听众关注的AI数据中心对电力的影响，李博士的回答集中在四个方面。第一是数据中心的集中出现改变了电力负荷的地理分布。在数据中心密集的地区，电网基础设施承受更大的压力，需要升级和扩展以满足不断增长的电力需求。第二是电力消费的时间波动。数据中心通常24小时不间断运行，但其电力负荷可能会随用户活动和业务需求变化。比如，在线服务的高峰使用时间会增加电力需求，这种波动会影响当地电网的稳定性。第三是对可再生能源发展的推动。由于数据中心运营商日益关注可持续发展和降低碳排放，它们更倾向于使用可再生能源。这推动了可再生能源项目的发展，并改变了电力消费的能源结构。最后是经济影响。数据中心的集中可能导致某些地区电力需求激增，进而推高电价。李博士总结说，数据中心的影响是多方面的，涉及电力需求、负荷分布、基础设施、能源结构和经济因素等。

AI技术使电力需求预测更精准

在上述论坛上，勒罗伊解释了AI模型如何有助于更精准地预测和管理电力需求。随着AI技术尤其是大数据和机器学习（ML）的发展，这些数据不仅包括传统的消费模式，还包括天气变化、经济活动甚至社会事件对电力需求的即时影响。

当听众提问AI模型和传统模型不一样的地方时，李博士举例说，通过运用以上大数据，用LSTM这样的AI模型能够预测特定时间和地点的电力需求，它可以记住过去的特定模式，比如由于空调的使用，在炎热的夏日电力使用量会增加，或者在假日期间由于企业关闭而使用量减少。它擅长在长时间内记住重要细节，并忽略那些对分析目的不相关的数据点。实际上，LSTM模型提供了一种跟踪重要电力使用模式并忽略那些被认为对所需分析无益的方式。

勒罗伊在回答问题时说，AI也能够通过实时数据监控和分析来优化能源分配和电网运行的稳定性。例如，AI系统可以实时自动调整输电线路和发电量，以防止过载或不足。这种类型的智能电网管理不仅提高了电网的物理和经济效益，还增强了对突发事件的响应能力，如自然灾害或意外事故导致的电力中断。他总结说，AI技术大大降低电力需求预测的误差，具有无与伦比的精确度。

政府市场监管方式将发生历史性改变

李博士表示，能源监管传统上植根于以化石燃料为主导的范式。可再生能源与先进电池存储技术的结合彻底改变了能源市场动能，为电力销售商提供了强大的容量控制和市场影响力。这些创新提高了灵活性、电网稳定性和可再生能源的使用率。虽然这种转变提供了巨大的市场机会，但也引发了人们对市场力（market power）的担忧以及对更新法规的需求。新技术能够在低需求时储存多余的电力，使一些电力销售商在需求高峰期间爆发式地占领市场。

听众提问，一般人认为再生能源和与此相关的AI电池蓄能的发展对电力供应是好事，为什么你为此担忧，有什么事实根据呢？李博士说，这种担心是从政府对市场力的监管角度来看的，同时也是考虑到对消费者权益的保护。

为了展示可再生能源和电池存储领域最新进展对政府市场监管的挑战，李博士举例说，考虑一个标示装机容量为100兆瓦的可再生能源设施，政府监管部门现在使用容量因子调整，估计该设施在高峰时段的容量仅为36兆瓦。然而，随着电池存储的引入，高峰时段发电量可激增到115兆瓦。而根据现在的衡量标准，该公司计算出的市场份额可能低于，而实际上大大高于20％的法定标准。该企业可能不受控制地利用它拥有的市场操纵能力，在高峰用电时提高电价，消费者利益因此受损。

对如何改进监管法规，李博士提出修改现有的反垄断市场份额计算法，从以化石燃料能源为基础的容量因子计算法，改为基于销售或基于容量加电池的计算来计算可再生能源的容量。

对于法规改变的可行性研究，剑桥的勒罗伊提出用ABM（基于代理的模型）进行模拟。ABM是一种计算机模拟模型涉及具有不同规则和行为的个体代理，这些代理在其环境中互动，从而在系统级别产生出现象级的模式。一个“代理”就像是视频游戏中的一个角色。每个代理都有自己的一套规则和行为方式，这让它们能够与其他代理和周围环境进行互动。当所有这些代理一起行动时，它们会创造出复杂的模式或结果，类似于社区中的个体如何共同贡献于整个群体的行为。这一模型将革命性地改变复杂系统的分析方式。

数据隐私和安全是AI应用成功关键

斯莱特则更多关注AI在数据隐私和安全方面的挑战。他指出，在推进AI技术在电力工业应用的同时，必须确保对个人和企业数据的严格保护。数据泄露或滥用不仅威胁到消费者的隐私权，还可能危及整个电力系统的安全。

斯莱特强调了采用先进的加密技术和严格的数据访问控制机制的重要性。他提到，例如，通过使用端到端加密技术，可以确保数据在传输过程中的安全性。此外，实施多层数据访问权限和身份验证机制，可以确保只有授权用户才能访问敏感信息。

针对AI的网络安全风险，梁博士建议增加对AI系统自身的安全性评估。AI系统作为软件应用，本身也可能成为网络攻击的目标。因此，开发和部署AI解决方案时，必须进行彻底的安全测试和持续的安全监控。

在回答AI安全涉及的法律问题时，斯莱特指出，美国州和联邦法规的交叉增加了复杂性。公用事业中的AI应用可能属于联邦监管范围，这取决于它们对批发市场、国家安全或更广泛的AI问题的影响，但各州将在安全、隐私和可靠性问题上增加自己的法规。这加强了各级有效对话的必要性。

斯莱特认为，在考虑隐私和网络安全的情况下促进数据共享至关重要。他提倡“现实的开放基准”，以在不损害机密性的情况下促进创新。他强调，可信度（系统确保可靠性和性能、激发信心和透明度的能力）和可解释性（确保AI决策可以被各种参与者理解和获取）是AI被接受的基础，必须以灯火通明的方式部署AI，加速向再生能源转型并平衡它们与AI的革命性创新。

（作者系美国马里兰大学经济学教授）