为什么边缘计算和人工智能或许是可再生能源采用的关键？

在我们快速发展的能源格局中，伴随着不断升级的环境问题，将可再生能源纳入我们的电网是一项重大挑战。一种解决方案可能在于由人工智能（AI）提供动力的边缘计算。原因如下：

电网是全球最大的人造结构，需要在电力供应和需求之间保持微妙的平衡。这种平衡一直是一项复杂的任务，即使是集中的大型发电厂。

然而，能源正在发生变化。风能和太阳能越来越受欢迎，有时在不需要的时候提供能源。电动汽车的兴起可能会加剧需求和不可预测性。此外，这些车辆最终可能在需求高峰期用作电池。

此外，屋顶太阳能的日益普及意味着能源分散的未来。这一变化使准确预测何时发电以及发电量变得复杂。

边缘计算将计算资源靠近决策地点。正如这篇IEEE Innovation at Work文章（https://innovationatwork.ieee.org/edging-ai-into-our-lives/）所解释的那样，智能手机或连接设备上似乎发生的大量数据处理实际上是在数据中心完成的。这个过程意味着数据必须往返于云端，这需要时间。边缘计算通过在决策位置旁边放置分布式计算资源网络来解决这一问题。

IEEE会员Mauricio Salles表示：“边缘计算可以使可再生能源更有效地融入电网。它可以实现更好的监控，包括实时监控，生成的数据可以在本地实时处理和分析，以减少数据流量。有了这些数据，就有可能提高电网稳定性，增强预测性维护，优化能源管理。”

IEEE会员Kyri Baker表示，人工智能的进步为以计算高效的方式来处理数据，为做出最佳决策提供了新的方法。

这种优化不仅仅是为了电网的稳定性——尽管这是一个巨大的好处。

Baker表示：“电网中的传感器数量越来越多，因此目前在电网规划和运营中使用不足的测量也越来越多。有了人工智能，我们可以更有效地利用这些数据做出决策和预测。”

《IEEE电气化杂志（IEEE Electrification Magazine）》2022年12月版的文章《将人工智能带到电网边缘（Bringing Artificial Intelligence to the Grid Edge，https://ieeexplore.ieee.org/document/9980448）》提供了一个例子，强调“美国估计有1.85亿根电线杆，由此可以减少公用事业公司每年手动跟踪和维护电网基础设施所花费的数千万美元”。

Baker指出，长距离输电只会造成很小的损失。当发电量接近需求时，这些损失可以得到缓解。

Baker说：“减少损失可以提高能源效率，而且通常可以减少碳排放。能够本地处理这些数据，可以减少对通信系统或基于云的计算的依赖，使系统总体上更稳定。”