封閉性過強(qiáng)難以充分釋放AI潛力
來源：中國(guó)南方電網(wǎng) 時(shí)間：2025-11-07 10:16
日前，第二屆GTI數(shù)智香江國(guó)際論壇在香港開幕。同期，由中國(guó)南方電網(wǎng)有限責(zé)任公司承辦的“智慧能源”分論壇，聚焦人工智能（AI）與能源行業(yè)深度融合路徑，旨在搭建全球智慧能源交流合作平臺(tái)，推動(dòng)智能化能源技術(shù)創(chuàng)新轉(zhuǎn)化與產(chǎn)業(yè)價(jià)值提升。
論壇期間，《南方能源觀察》（eo）對(duì)主要參會(huì)專家展開專訪。作為西門子能源數(shù)字電網(wǎng)創(chuàng)新與業(yè)務(wù)發(fā)展負(fù)責(zé)人，奧爾加?格爾博維奇（Olga Grbovic）帶領(lǐng)全球團(tuán)隊(duì)長(zhǎng)期鉆研電力系統(tǒng)數(shù)字化領(lǐng)域，憑借在電力傳輸、投資組合戰(zhàn)略及復(fù)雜電網(wǎng)基礎(chǔ)設(shè)施項(xiàng)目等行業(yè)逾17年的實(shí)戰(zhàn)經(jīng)驗(yàn)，在電網(wǎng)增強(qiáng)技術(shù)研發(fā)、AI落地應(yīng)用及數(shù)字孿生實(shí)踐等方面積累深厚。
在專訪中，格爾博維奇深入剖析了AI、機(jī)器學(xué)習(xí)在電網(wǎng)巡檢、仿真加速、慣量估算等場(chǎng)景的落地路徑，以及數(shù)字孿生“多模態(tài)、全生命周期”的獨(dú)特優(yōu)勢(shì)；此外，針對(duì)電網(wǎng)數(shù)字化面臨的數(shù)據(jù)共享、跨學(xué)科合作、系統(tǒng)開放性等挑戰(zhàn)，格爾博維奇結(jié)合西門子在德國(guó)、美國(guó)的項(xiàng)目實(shí)踐分享了經(jīng)驗(yàn)，并對(duì)中歐美在智慧能源領(lǐng)域的合作空間及未來5—10年數(shù)字電網(wǎng)發(fā)展重點(diǎn)提出了獨(dú)到見解。
新建線路來不及，電網(wǎng)增強(qiáng)技術(shù)先頂上
eo：您如何定義電網(wǎng)增強(qiáng)技術(shù)（Grid Enhancing Technologies，GETs）？
格爾博維奇：電網(wǎng)增強(qiáng)技術(shù)指的是，所有能幫助我們更高效、更可靠利用現(xiàn)有電網(wǎng)容量的解決方案。簡(jiǎn)單來說，當(dāng)前電氣化進(jìn)程不斷加速，越來越多可再生能源接入電網(wǎng)，這就導(dǎo)致電網(wǎng)輸配電容量需求大幅增加。但新建電網(wǎng)設(shè)施從規(guī)劃、獲取許可到建成輸電線路、變電站，往往需要數(shù)年甚至十幾年時(shí)間，電網(wǎng)增強(qiáng)技術(shù)就是為了填補(bǔ)這一供需差距而存在的。
在這段“過渡時(shí)期”，我們能做些什么？部署儲(chǔ)能設(shè)備、應(yīng)用潮流控制裝置；同時(shí)還能增加傳感器數(shù)量、提升數(shù)據(jù)采集能力，推動(dòng)電網(wǎng)數(shù)字化轉(zhuǎn)型，借助智能分析與先進(jìn)診斷技術(shù)，讓現(xiàn)有電網(wǎng)基礎(chǔ)設(shè)施發(fā)揮更大效用。而人工智能和機(jī)器學(xué)習(xí)在這一過程中能發(fā)揮重要作用。它們可以幫助我們更深入地分析、理解采集到的各類數(shù)據(jù)。
eo：GETs與傳統(tǒng)電網(wǎng)技術(shù)相比，最大的不同之處在哪？
格爾博維奇：以輸電線路為例，傳統(tǒng)技術(shù)的核心思路是新建線路來滿足需求。但電網(wǎng)增強(qiáng)技術(shù)有一個(gè)典型優(yōu)勢(shì)，就是“動(dòng)態(tài)資產(chǎn)評(píng)級(jí)（dynamic asset rating）”。目前，電網(wǎng)運(yùn)行時(shí)，通常會(huì)給設(shè)備設(shè)定固定額定值，設(shè)備在設(shè)計(jì)和建設(shè)階段就被限定在特定運(yùn)行水平。可實(shí)際上，根據(jù)設(shè)備的運(yùn)行工況、所處環(huán)境的溫度、濕度、太陽輻射、風(fēng)速等因素，這些設(shè)備完全可以在不同條件下靈活調(diào)整運(yùn)行方式。
有時(shí)結(jié)合設(shè)備過往的負(fù)荷情況、當(dāng)前狀態(tài)，我們可以通過智能分析做出可靠判斷，比如，在必要時(shí)，判斷該設(shè)備是否可以短時(shí)間安全過載運(yùn)行。當(dāng)然，電網(wǎng)運(yùn)行的核心目標(biāo)——安全性、可靠性和可用性始終不會(huì)改變。
所以，如果要讓線路或變壓器過載運(yùn)行，必須以充分的數(shù)據(jù)分析、場(chǎng)景模擬和多情境評(píng)估為基礎(chǔ)。在這個(gè)過程中，機(jī)器學(xué)習(xí)和人工智能能加快模擬速度，幫助我們更快、更精準(zhǔn)地做出決策。
eo：相比直接新建線路，這種技術(shù)的成本也更低。
格爾博維奇：確實(shí)如此。這些技術(shù)不僅成本效益更高，部署速度也更快。比如，安裝傳感器顯然比新建一條輸電線路簡(jiǎn)單得多。
當(dāng)然，它們可能無法達(dá)到新增輸電容量那樣的效果，但至少能在新線路建設(shè)期間填補(bǔ)容量缺口，滿足這段時(shí)間的用電需求。
eo：GETs主要包含哪些類別或技術(shù)？比如在輸電和配電環(huán)節(jié)，分別有哪些應(yīng)用？
格爾博維奇：在配電網(wǎng)層面，尤其是中壓配電網(wǎng)，目前面臨的挑戰(zhàn)包括雙向潮流、電動(dòng)汽車充電需求增長(zhǎng)，以及“產(chǎn)消者”（既用電又發(fā)電的用戶）數(shù)量不斷增加。而且配電網(wǎng)的監(jiān)測(cè)點(diǎn)和傳感器數(shù)量通常遠(yuǎn)少于輸電網(wǎng)，這就導(dǎo)致我們不得不更多依賴數(shù)據(jù)估算和預(yù)測(cè)。這時(shí)AI就能發(fā)揮作用，即便沒法在每個(gè)位置都部署傳感器，也能通過預(yù)測(cè)和估算彌補(bǔ)數(shù)據(jù)缺失的問題。
在輸電網(wǎng)層面，核心需求還是更好地利用現(xiàn)有電網(wǎng)資源。比如，根據(jù)輸電網(wǎng)資產(chǎn)的健康狀態(tài)和診斷結(jié)果，制定更優(yōu)化的運(yùn)維計(jì)劃。這就不再是單純按照時(shí)間周期進(jìn)行維護(hù)，而是轉(zhuǎn)向“基于狀態(tài)”維護(hù)。同時(shí)，通過技術(shù)手段更好地預(yù)測(cè)和預(yù)防潛在故障，在日常運(yùn)行中安全利用資產(chǎn)的過載能力。
eo：“基于時(shí)間”和“基于狀態(tài)”維護(hù)有什么區(qū)別？
格爾博維奇：“基于時(shí)間”維護(hù)很容易理解，比如，你買了一臺(tái)新變壓器，廠家提供的維護(hù)手冊(cè)要求每年停機(jī)檢修一次，不管這臺(tái)變壓器實(shí)際運(yùn)行狀態(tài)如何，都要按固定時(shí)間執(zhí)行。而“基于狀態(tài)”維護(hù)，則是根據(jù)資產(chǎn)的實(shí)時(shí)診斷數(shù)據(jù)來靈活調(diào)整維護(hù)計(jì)劃，設(shè)備狀態(tài)好就適當(dāng)延長(zhǎng)維護(hù)間隔，狀態(tài)出現(xiàn)異常再及時(shí)檢修。
數(shù)字孿生+邊緣AI，讓電網(wǎng)運(yùn)維更智慧
eo：人工智能（AI）和機(jī)器學(xué)習(xí)（ML）在推動(dòng)智能電網(wǎng)發(fā)展中，核心作用是什么？在西門子能源的戰(zhàn)略里，它們處于怎樣的位置？
格爾博維奇：現(xiàn)在AI確實(shí)是熱門領(lǐng)域，但它并非萬能工具。不過，在一些傳統(tǒng)數(shù)值計(jì)算難以解決的場(chǎng)景中，AI確實(shí)能提供有效幫助，如計(jì)算機(jī)視覺與檢測(cè)技術(shù)，這一技術(shù)已在多個(gè)行業(yè)廣泛應(yīng)用，如今也逐漸進(jìn)入能源行業(yè)。我們可以利用攝像頭、激光雷達(dá)、熱成像設(shè)備、紅綠藍(lán)（RGB）相機(jī)等工具，對(duì)電網(wǎng)資產(chǎn)進(jìn)行巡檢。巡檢會(huì)產(chǎn)生海量圖像和數(shù)據(jù)，靠人工處理效率極低。這種情況下，AI能自動(dòng)識(shí)別和檢測(cè)電網(wǎng)中的缺陷或安全隱患，從而提升電網(wǎng)維護(hù)水平。這是AI在電網(wǎng)領(lǐng)域應(yīng)用最早、也最成熟的方向之一。
除此之外，電網(wǎng)行業(yè)還有一些特有問題，如電網(wǎng)穩(wěn)定性、慣量和強(qiáng)度的測(cè)量。雖然目前已有多種電力系統(tǒng)仿真工具協(xié)助處理這些問題，但AI和機(jī)器學(xué)習(xí)方法能處理更大規(guī)模的數(shù)據(jù)，幫助我們更準(zhǔn)確地估算電網(wǎng)慣量或電網(wǎng)強(qiáng)度。
舉個(gè)例子，在電網(wǎng)資產(chǎn)的仿真領(lǐng)域，傳統(tǒng)設(shè)計(jì)工具完成一次模擬往往需要幾小時(shí)甚至幾天。但我們已經(jīng)積累了大量仿真數(shù)據(jù)，這些數(shù)據(jù)可以用來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。一旦訓(xùn)練完成，神經(jīng)網(wǎng)絡(luò)能在幾秒內(nèi)輸出與傳統(tǒng)工具精度相當(dāng)?shù)慕Y(jié)果，無論是熱模型仿真，還是其他機(jī)械、物理層面的模擬。這不僅能為設(shè)計(jì)工程師提供助力，還能應(yīng)用到電網(wǎng)運(yùn)行和規(guī)劃中，這在以前是難以實(shí)現(xiàn)的。
當(dāng)然，所有這些模型都需要在實(shí)際運(yùn)行條件下驗(yàn)證。如今，邊緣設(shè)備性能比5—10年前有顯著增強(qiáng)，隨著邊緣計(jì)算能力的提升，在現(xiàn)場(chǎng)直接部署和訓(xùn)練AI算法也變得更加可行。
eo：在輸電網(wǎng)中，AI支持的GETs如何提升線路、變壓器等關(guān)鍵設(shè)備的利用率和可靠性？
格爾博維奇：這類提升主要體現(xiàn)在傳感與數(shù)據(jù)采集環(huán)節(jié)?，F(xiàn)在傳感器價(jià)格更低，部署范圍也更廣，我們能實(shí)時(shí)獲取更多設(shè)備運(yùn)行數(shù)據(jù)。但我認(rèn)為，只做到實(shí)時(shí)分析還不夠，預(yù)測(cè)和仿真才是關(guān)鍵。比如，變壓器過載運(yùn)行，可能會(huì)改變?cè)镜木S護(hù)周期，甚至影響設(shè)備壽命。但如果我們能通過AI技術(shù)計(jì)算出設(shè)備的老化程度，就能讓電網(wǎng)運(yùn)營(yíng)方在“是否允許過載”這個(gè)問題上做出有數(shù)據(jù)支撐的決策。這就提升了電網(wǎng)運(yùn)行的靈活性，進(jìn)而提高設(shè)備利用率。
eo：在配電側(cè)，AI除了預(yù)測(cè)，還能如何助力解決分布式能源、儲(chǔ)能和電動(dòng)汽車帶來的不確定性和負(fù)荷波動(dòng)問題？
格爾博維奇：我認(rèn)為AI需要與分布式計(jì)算結(jié)合，在配電網(wǎng)領(lǐng)域尤其如此。我們應(yīng)盡量減少集中數(shù)據(jù)處理，讓更多計(jì)算和決策在靠近用戶、靠近電網(wǎng)資產(chǎn)的邊緣設(shè)備上完成。
因?yàn)轭A(yù)測(cè)和調(diào)度所需的數(shù)據(jù)量非常大，如果把所有數(shù)據(jù)都傳回中心平臺(tái)處理，既不現(xiàn)實(shí)也會(huì)增加延遲。所以必須構(gòu)建一個(gè)“智能架構(gòu)”，合理區(qū)分邊緣側(cè)和中心側(cè)（調(diào)控中心或云端）的處理任務(wù)，弄清楚哪些數(shù)據(jù)由邊緣設(shè)備處理，哪些需要上傳到中心平臺(tái)。同時(shí)，邊緣側(cè)的AI算法也要能根據(jù)最新數(shù)據(jù)不斷更新、持續(xù)學(xué)習(xí)，以適應(yīng)用戶用電行為、用電模式和天氣條件的變化。
比如，現(xiàn)在幾乎每家都裝了智能電表，如果這些電表本身具備圖形處理器（GPU）和邊緣計(jì)算能力，不僅能上傳用電數(shù)據(jù)，還能在本地學(xué)習(xí)用戶的用電習(xí)慣，并且與鄰近電表協(xié)同優(yōu)化，這樣就能在局部形成類似虛擬電廠的效果，有效應(yīng)對(duì)負(fù)荷波動(dòng)。
eo：您在演講中提到了“數(shù)字孿生”，數(shù)字孿生在電網(wǎng)中有什么作用？它與傳統(tǒng)的仿真和監(jiān)控有何不同？
格爾博維奇：電網(wǎng)中的數(shù)字孿生，既可以是單個(gè)資產(chǎn)（如一臺(tái)變壓器）的數(shù)字孿生，也可以是整個(gè)變電站，甚至整個(gè)電網(wǎng)的數(shù)字孿生。它們有一個(gè)共同點(diǎn)，就是必須具備“多模態(tài)”特性。
傳統(tǒng)仿真通常只針對(duì)單一模塊，比如只做熱模型仿真。而數(shù)字孿生能同時(shí)整合多維度數(shù)據(jù)，如設(shè)備的三維模型、運(yùn)行條件對(duì)設(shè)備老化的影響等，并且貫穿資產(chǎn)的全生命周期——從設(shè)計(jì)、運(yùn)行到維護(hù)的每一個(gè)階段?？梢哉f，數(shù)字孿生是更高維度的仿真。
電網(wǎng)數(shù)字化的未來，關(guān)鍵在合作與開放
eo：從全球范圍來看，基于AI的電網(wǎng)增強(qiáng)技術(shù)目前應(yīng)用情況如何？哪些國(guó)家或地區(qū)處于領(lǐng)先地位？
格爾博維奇：這是我第二次來中國(guó)，必須說，中國(guó)在數(shù)字化和AI領(lǐng)域投入的研究力量和資源給我留下了非常深刻的印象。在北美地區(qū)，尤其是在大型科技公司的推動(dòng)下，業(yè)界對(duì)新技術(shù)的創(chuàng)新意愿和試用積極性也很強(qiáng)。相比之下，歐洲雖然有不少相關(guān)研究，但整體偏學(xué)術(shù)化，真正實(shí)現(xiàn)大規(guī)模落地應(yīng)用的進(jìn)展還比較初期。
當(dāng)然我們也要清楚，電力系統(tǒng)是關(guān)鍵基礎(chǔ)設(shè)施，AI和數(shù)字化能幫助我們解決部分挑戰(zhàn)，但我們依然離不開“硬件設(shè)備”，也就是發(fā)電、變壓、輸電所需的大型裝備，這些設(shè)備的作用不可替代。同時(shí)，隨著AI和數(shù)據(jù)應(yīng)用越來越廣泛，網(wǎng)絡(luò)安全問題的重要性也在不斷提升，這也是需要重點(diǎn)關(guān)注的。
eo：您認(rèn)為未來5—10年，數(shù)字電網(wǎng)的發(fā)展重點(diǎn)在哪里？AI會(huì)如何進(jìn)一步改變電網(wǎng)運(yùn)行模式？
格爾博維奇：德國(guó)電氣工程師協(xié)會(huì)做過一個(gè)很有意思的類比，把電網(wǎng)調(diào)度員比作汽車駕駛員。汽車自動(dòng)化駕駛分為不同等級(jí)，從輔助駕駛到完全自動(dòng)駕駛；同樣，電網(wǎng)的自動(dòng)化和智能化水平也可以劃分不同等級(jí)。目前來看，電網(wǎng)不太可能實(shí)現(xiàn)完全“無人駕駛”，也就是說，在關(guān)鍵決策環(huán)節(jié)，始終需要人的參與。
不過，AI可以通過優(yōu)化算法、開展模擬推演和情景分析，為調(diào)度員提供更強(qiáng)大的決策支持?，F(xiàn)在的電網(wǎng)日常運(yùn)行中，很多環(huán)節(jié)已經(jīng)能實(shí)現(xiàn)半自動(dòng)化甚至全自動(dòng)化；未來5—10年，這一趨勢(shì)會(huì)進(jìn)一步深化，自動(dòng)化覆蓋范圍會(huì)更廣、效率會(huì)更高。但在特殊情況或緊急場(chǎng)景下，人的判斷和決策依然不可或缺。
eo：當(dāng)前AI驅(qū)動(dòng)的電網(wǎng)應(yīng)用，遇到的最大難點(diǎn)是什么？
格爾博維奇：我認(rèn)為主要有三個(gè)方面。第一，數(shù)據(jù)質(zhì)量與數(shù)據(jù)建?！，F(xiàn)在傳感器和物聯(lián)網(wǎng)設(shè)備能采集大量數(shù)據(jù)，但如何確保不同設(shè)備數(shù)據(jù)的互操作性、避免數(shù)據(jù)重復(fù)和冗余，同時(shí)建立合適的數(shù)據(jù)模型，把這些數(shù)據(jù)有機(jī)關(guān)聯(lián)起來，是當(dāng)前最需要解決的問題。
第二，系統(tǒng)開放性。要真正加快AI在電網(wǎng)領(lǐng)域的規(guī)?；瘧?yīng)用，就必須構(gòu)建開放的軟件架構(gòu)和生態(tài)體系，讓更多開發(fā)者和研究人員能基于統(tǒng)一的數(shù)據(jù)模型，開發(fā)不同的應(yīng)用場(chǎng)景。因?yàn)闆]有人能精通所有領(lǐng)域，不同背景的專家可能會(huì)提出電力工程師從未想到過的、有價(jià)值的應(yīng)用案例。
第三，行業(yè)封閉性。電網(wǎng)是關(guān)鍵基礎(chǔ)設(shè)施，行業(yè)存在一定封閉性是情理之中的。但如果封閉性過強(qiáng)，就很難充分釋放AI的潛力。所以我們需要在保證安全合規(guī)的前提下，推動(dòng)構(gòu)建更開放的數(shù)據(jù)共享和應(yīng)用生態(tài)。
eo：西門子在德國(guó)最大配電公司（DSO）的試點(diǎn)項(xiàng)目中，有哪些經(jīng)驗(yàn)和成果可以分享？
格爾博維奇：在所有研究領(lǐng)域，大家都會(huì)強(qiáng)調(diào)合作與共享的重要性，但在數(shù)字化和人工智能（AI）領(lǐng)域，這種合作尤為關(guān)鍵。因?yàn)锳I研發(fā)需要大量高質(zhì)量數(shù)據(jù)，還得找到真正契合的應(yīng)用場(chǎng)景。AI研究成本不低，如果沒有明確的應(yīng)用場(chǎng)景，很可能會(huì)耗費(fèi)大量時(shí)間和資源，卻無法產(chǎn)生實(shí)際價(jià)值。正因如此，與電網(wǎng)系統(tǒng)運(yùn)營(yíng)商、電力系統(tǒng)資產(chǎn)所有者的合作就格外重要。
所以，我們總結(jié)出兩點(diǎn)核心經(jīng)驗(yàn)。第一，要選對(duì)研究方向，這必須通過設(shè)備制造商和系統(tǒng)運(yùn)營(yíng)商的深入溝通來實(shí)現(xiàn)，雙方明確需求后再推進(jìn)研發(fā)。第二，要解決數(shù)據(jù)問題。我們?cè)诮ㄔO(shè)關(guān)鍵基礎(chǔ)設(shè)施時(shí)，設(shè)備安裝投運(yùn)后，通常無法直接獲取其運(yùn)行數(shù)據(jù)，除非簽訂了運(yùn)維合同。但要驗(yàn)證和改進(jìn)數(shù)字孿生、加快仿真效率，又必須有足夠的數(shù)據(jù)支撐。這也是我們認(rèn)為需要加強(qiáng)數(shù)據(jù)共享與合作的原因，尤其是用于科研的數(shù)據(jù)共享，應(yīng)該變得更便捷。在歐洲，歐盟的數(shù)據(jù)法案已于今年9月正式生效；我也了解到，在中國(guó)，南方電網(wǎng)在數(shù)據(jù)開放和合理使用方面做了很多探索。這一點(diǎn)對(duì)推動(dòng)AI在電網(wǎng)領(lǐng)域的規(guī)模化應(yīng)用至關(guān)重要。
責(zé)任編輯：劉礎(chǔ)琪
