气候变化已经成为人类面临的最严峻挑战之一。根据联合国政府间气候变化专门委员会（IPCC）的报告，自工业革命以来，人类活动导致的温室气体排放使全球气温上升了约1°C，预计在未来几十年内将继续上升。如果不采取有效的减排措施，气温的进一步上升将导致海平面上升、极端天气事件频发、生态系统崩溃等一系列严重后果。为应对气候变化，全球能源体系必须从以化石燃料为主的高碳模式向低碳、零碳模式转型。这一转型不仅需要减少煤炭、石油等传统能源的使用，还需要大规模推广风能、太阳能等可再生能源。然而，能源转型的推进面临着巨大挑战，包括技术壁垒、经济成本、政策阻力以及社会接受度等问题。
8月29日，国务院新闻办公室发布《中国的能源转型》白皮书（以下简称“白皮书”）。白皮书显示，加快能源转型发展，实现能源永续利用，持续增进民生福祉，为世界经济提供不竭动力，已成为各国共识。党的十八大以来，中国能源进入高质量发展新阶段。尤其是“四个革命、一个合作”能源安全新战略，为能源发展指明了前进方向、提供了根本遵循。白皮书提出，能源转型是一场广泛而深刻的经济社会系统性变革，是一项长期的战略性任务，需要在能源安全新战略的指引下稳中求进、久久为功。
新型电力系统是实现能源转型的重要载体。新型电力系统及与之耦合的能源系统是一个大规模、随机性、混杂性、分布式、网络化的复杂系统，呈现出三层网络（能量网络、信息网络、价值网络）架构和分层集群特征，其认知和构建涉及电力系统、电力电子、热能动力、优化与控制、信息与通信、人工智能（AI）、经济管理等不同学科，并对传统电力系统理论提出挑战。新型电力系统“源—网—荷—储”设备的智能化、数字化使它们能够更加主动地参与系统的运行和控制，适合采用群体智能和协同控制等前沿理论和方法来解决。
近年来，以深度学习、语言大模型（LLM）为代表的AI技术飞速发展。深度学习和大型语言模型的训练和运行需要大量计算资源。为了加速AI模型的训练过程，通常需要使用高性能的硬件，比如图形处理单元（GPU）、张量处理单元（TPU）或者专门为AI设计的加速器。这些硬件能够并行处理大量数据，从而加快模型训练速度。然而，这些硬件的运行需要大量电能。AI模型的训练通常需要在大型数据中心进行，这些数据中心包含成千上万的服务器和高性能计算设备，如GPU和TPU。由于这些设备需要长时间运行来处理和训练复杂的AI模型，其能耗非常高。据谷歌公布的数据，2019年，其数据中心能耗达到12.4太瓦时，相当于小型国家一年的用电量。大型数据中心持续的高能耗会增加电网负荷，特别是在数据中心集中的区域，给电网规划与运行带来重大挑战。
同时，AI技术在多个方面加快了能源转型进程，比如优化能源生产和消费、促进可再生能源整合，以及推动智能电网发展。AI可以通过分析历史用电数据、天气模式和消费行为，并采用机器学习算法帮助能源公司预测能源需求；通过历史数据分析并结合数值天气预报预测新能源出力，并进一步优化电网调度运行、提高能源效率；优化分布式能源资源的整合，使得电力系统更加灵活高效；在市场环境下快速处理大量交易数据，识别最佳交易时机和价格，帮助发电公司和售电公司作出更明智的交易决策。此外，AI技术在监测和管理碳排放方面也发挥重要作用。通过AI分析，企业可以更好地了解其碳足迹，并优化其生产流程以减少碳排放。
因此，以有效政策机制和关键技术突破来推动能源转型与AI的协同进化已成为应时之举和当务之急。
■ 新一代AI赋能新型电力系统关键技术突破
实现电力电量平衡、维持频率电压稳定是电力系统运行控制的基本任务，长期以来得到学术界、工业界的密切关注和深入研究。传统的电力系统有功功率平衡过程是当负荷功率发生变化时，电源及时调整出力使得系统在转动惯量的缓冲作用下达到有功平衡的一个连续变化过程，也即“源随荷动”。在分层集群的电力系统中，由于风电、光伏和储能等间歇性可再生能源的接入和高压大功率电力电子元件的普及，传统的电力系统功率调节过程发生巨大变化，如可再生能源的功率输出不再可控、对需求响应能力的要求急剧提升、对于送端系统视为负荷的外送直流系统将具备大规模功率调节能力等，电力系统调度模式也将向“源荷互动”转变。此外，传统电力系统在高比例电力电子设备接入的条件下也将呈现出新的动态特性。
随着分层集群的新型电力系统的发展和完善，群体智能与协同控制前沿理论和技术可以应用于其运行控制。群体智能与协同控制是新一代AI的重要研究领域。群体智能是单体智能未来发展的必然趋势，指一定数量的智能体之间通过局部感知和相对简单的交互方式，完成个体不易实现的任务过程中所涌现出的复杂、强大的集群宏观行为。协同控制可为群体智能涌现提供时空协调保障，是群体智能涌现的核心关键技术和制高点技术。为完成某一复杂任务，群体智能控制系统的每一智能体都可以根据从通信网络获得的信息作出自主决策，也可以共享信息、相互协作并共同完成工作任务。协同控制具有明显优势，例如，有效解决大规模复杂系统的控制问题；通过集合多个能力较弱的智能体的控制功能实现1+1>2的协同效果；促使整个系统具有较高的鲁棒性，在发生大干扰时，每个智能体仍有可能独立完成各自的控制任务。
群体智能与协同控制理论与技术，能为分层集群的新型电力系统的运行控制提供有效的解决方案，重点在于构建包括电源侧、电网侧与负荷侧（含储能）多种资源的协同控制方案和策略。
■ 以有效政策机制推动电力与算力协同发展
应统筹电力与算力规划与布局。建议政府相关部门统筹数据中心发展需求和新能源资源禀赋，对算力、电力基础设施进行协同规划布局。例如，在新能源富集地区，依据电力供应能力和成本等因素，合理规划建设数据中心，实现资源优化配置，在甘肃、内蒙古等新能源富集地区开展“风光储算一体化”模式探索。参考电力系统的规划、建设、调度等经验，充分融合算力网与电力网的区域特性和调度能力，跨省、跨区开展多时空尺度的电力与算力协同调度，使算力节点成为新型电力系统下保障电力系统稳定的 “压舱石”。
应加大对技术创新的支持。建议政府相关部门投入资金支持电力与算力协同发展相关技术研发，如高效能算力服务器、算力计量、电算协同定价交易和结算等关键技术，以及通感算一体高速通信等技术，鼓励企业、高校和科研机构联合开展技术攻关。创建电力与算力协同发展技术创新平台，促进产学研合作，加快技术成果转化和应用推广，打造国家级算力网应用实验场，开展算力与电力协同创新领域研究。
应加强市场机制引导。建议算力市场建设充分借鉴电力市场建设经验，推动算力价格与电力价格交叉关联，形成算力与电力两个市场的横向交易，引导市场资源合理配置；探索新能源就近供电、聚合交易、就地消纳的“绿电聚合供应”模式；建立健全绿电交易市场，提高数据中心的绿电占比，同时为新能源消纳提供新途径；鼓励发展第三方电力与算力协同发展服务提供商，为企业提供专业的规划、建设、运营等服务，提高融合的效率和质量。
应完善能耗管理与激励。建议明确数据中心能耗标准和监管要求，加强对数据中心用能的监测分析与负荷预测，优化数据中心电力系统整体运行效率，整改或淘汰高耗低效的数据中心。对采用先进节能技术、优化负荷运行时段、提升能源利用效率和可再生能源利用率的数据中心给予奖励或补贴，降低用电损耗及算力成本。
■ 双管齐下应对数智化新型电力系统挑战
新型电力系统和AI技术的发展既带来机遇，也带来挑战。为了确保新型电力系统的稳定可靠运行，需要双管齐下，从技术手段和政策机制两方面共同应对。
高比例新能源接入给电力系统规划与运行带来挑战，源侧低惯性和低短路比特征突出，安全稳定支撑能力不断被削弱；荷侧动态特性越来越复杂；网侧交直流、多直流间耦合更加紧密。电力系统稳定控制的结构性困境日趋明显，迫切需要深入认识新型电力系统的特性并调动各种资源深度参与其规划与运行。通过构建AI驱动的智能科学计算体系，开发电力系统预训练大模型，打造电力系统分析与控制的“超强大脑”，可有力支撑新型电力系统演进规律研究、系统规划方案和运行方式生成与优化、在线安全分析和电力市场运营。
虽然AI在能源转型中展现出巨大潜力，但其应用也面临诸多风险和挑战。首先，AI系统的复杂性和不透明性可能带来新的安全风险。例如，如果电力调度系统中的AI算法出现错误，可能导致电网大范围停电等严重后果。其次，AI的应用需要大量高质量数据支持，而数据的获取和使用涉及隐私保护、数据安全等问题。另一方面，加强对网络攻击的监测和防御对于新型电力系统至关重要，AI技术可以用于检测和防御网络攻击，通过实时监控网络流量，识别异常行为并采取防御措施，建立新型电力系统信息物理安全新范式。
新型电力系统的发展需要完善的法律法规和标准体系来规范和保障。政府应加强对电力行业的监管，制定相关法律法规和政策，明确各方责任和义务，保障电力系统的安全和稳定运行。行业协会和标准化组织应积极制定和推广相关技术标准和规范，确保新型电力系统的建设和运行符合统一的标准和要求。此外，还应建立健全风险管理和应急响应机制，提高应对突发事件的能力。例如，制定完善的应急预案，定期进行应急演练，确保在突发事件发生时能够迅速、有效地进行应对和处置。
推动能源转型和AI的协同进化，是21世纪应对气候变化和推动可持续发展的重要路径之一。虽然在实现这一目标的过程中存在诸多挑战，但通过合理的政策引导、技术创新和社会参与，可以加速两者的深度融合，推动全球能源体系向更加绿色、智能和高效的方向发展。
（作者系华南理工大学电力经济与电力市场研究所所长，发展中世界工程技术院院士）
