能源行業(yè)會產(chǎn)生大量的數(shù)據(jù)。為了將這些數(shù)據(jù)轉(zhuǎn)化為提高生產(chǎn)率和削減成本的驅(qū)動力，主要的能源行業(yè)公司——石油和天然氣巨頭，以及可再生能源公司——都把注意力轉(zhuǎn)向了人工智能。

自2012年以來，把人工智能和能源產(chǎn)業(yè)放在一起進行報道的新聞開始增多。本文簡要描述了人工智能在能源行業(yè)的5個應用方向，及對應的案例。

根據(jù)Greentech Media最近的一份報告，美國的能源儲藏在2017年第四季度達到了一個新的里程碑：在2013年至2017年間，累計儲藏量已超過1000兆瓦時。該報告還預測，這個數(shù)字將在今年翻一番。隨著儲藏容量的提升和新技術(shù)的出現(xiàn)，人工智能正在提升這個市場的效率。

案例1：Stem

位于加利福尼亞州的Stem公司開發(fā)了代號為雅典娜（Athena）的項目，它利用人工智能繪制出能源的使用情況，并允許客戶跟蹤能源價格的波動，從而更有效地使用被儲藏的能源。

Stem已經(jīng)從包括美國能源部、GE Ventures和新加坡主權(quán)財富基金淡馬錫控股在內(nèi)的多家投資者那里，融到了超過3,700萬美元的資金。

如今，電網(wǎng)的能量來源通常有很多，除了傳統(tǒng)的發(fā)電以外，還有風能和太陽能，這使得運營電網(wǎng)系統(tǒng)的過程也變得更加復雜。通過人工智能來對大規(guī)模的數(shù)據(jù)集進行分析，這個多源收集的過程更加穩(wěn)定和高效。

案例1：美國能源部

2017年9月，美國能源部向斯坦福大學的SLAC研究人員頒發(fā)了一項研究獎，獎勵他們利用人工智能技術(shù)改善了電網(wǎng)的穩(wěn)定性。通過用過去的數(shù)據(jù)來對電力波動和電網(wǎng)薄弱環(huán)節(jié)進行編程，新的“智能電網(wǎng)”將自動對重大事件作出快速而準確的反應。

案例2：西門子

智能電網(wǎng)也能夠在同一時間更好地管理不同類型的能源。西門子公司發(fā)布了一個軟件包來操作網(wǎng)絡(luò)，即所謂的“主動網(wǎng)絡(luò)管理”（ANM，active network management）。

ANM的原理是，通過跟蹤電網(wǎng)如何與不同的能量負載相互作用，來調(diào)整其可調(diào)節(jié)的部件，從而達到提高效率的目的。雖然這之前是手動調(diào)整的，但當新的能源生產(chǎn)者（比如太陽能發(fā)電廠）開始工作時，或者新的能源消耗者開始接入網(wǎng)格時，ANM會對電網(wǎng)做出相應的調(diào)整。因此，ANM也為電動汽車利用智能電網(wǎng)進行充電奠定了基礎(chǔ)。

案例3：英國國家電網(wǎng)

2017年3月，被谷歌收購的人工智能公司DeepMind，與英國國家電網(wǎng)聯(lián)合宣布，他們計劃將DeepMind的人工智能技術(shù)添加到英國的電力系統(tǒng)中。該項目將處理天氣預報、互聯(lián)網(wǎng)搜索等海量信息，以開發(fā)需求激增的預測模型。

案例4：Grid Edge

英國的一家名為Grid Edge的公司（提供基于云計算的電力管理軟件服務）聲稱，他們利用人工智能技術(shù)對能源配置進行了預測和優(yōu)化，實現(xiàn)了將控制權(quán)交還給了電力使用者。具體的方法是，Grid Edge操作一個VPN，通過它來連接和分析用戶所在建筑的能源消耗數(shù)據(jù)，利用這些信息，Grid Edge與連接的電網(wǎng)進行通信，并制定相應的調(diào)度策略。這些策略的目的是節(jié)約能源，避免超載。

2017年11月，印度北部的一座燃煤電廠發(fā)生爆炸，造成32人死亡，原因是煤氣管道堵塞導致鍋爐爆炸。這是能源行業(yè)經(jīng)常發(fā)生的一類故障。導致事故的原因是沒有對設(shè)備進行經(jīng)常性的檢查，而且世界上許多地方都沒有嚴格的監(jiān)管規(guī)定，因此設(shè)備故障是很常見的。

使用人工智能來觀察設(shè)備并在事故發(fā)生前檢測出故障，可以節(jié)省時間和金錢，甚至挽救生命。目前，許多創(chuàng)業(yè)公司正在試圖將這項服務提供給能源行業(yè)。

案例1：SparkCognition

2017年12月，美國能源部授予SparkCognition公司一個獎項，即利用人工智能提高燃煤電廠的發(fā)電量。該公司將解析學、傳感器和操作中產(chǎn)生的數(shù)據(jù)三者相結(jié)合，來預測關(guān)鍵的基礎(chǔ)設(shè)施何時會崩潰。

案例2：AES Corporation

2017年9月，美國能源巨頭AES電力公司宣布了進軍人工智能的計劃，將其作為提高公司的警覺性、效率和保護公司財產(chǎn)的手段，主要針對的是他們的太陽能電站和電網(wǎng)系統(tǒng)。

案例1：BP Ventures（英國石油風險投資公司）Beyond Limits

BP Ventures（英國石油風險投資公司）投資了一家名為Beyond Limits的人工智能公司。該公司曾參與在外太空進行的勘探試驗。在投資Beyond Limits的時候，BP Ventures表示將計劃使用Beyond Limits的油氣勘探技術(shù)，尋找新的石油儲量。

案例2：Chevron（雪佛龍）

石油巨頭雪佛龍正在利用人工智能在加州各地尋找新油井，以及具有額外價值的舊油井。

通過對個人和企業(yè)的能源消費行為進行監(jiān)測，人工智能可以提供優(yōu)化能源消耗過程的解決方案。

案例1：Alphabet's Nest

Alphabet旗下的子公司Nest，開發(fā)了一款智能恒溫器，能夠通過自動適應用戶行為，達到減少能源耗費的目的。一旦Nest被安裝在用戶的家里，它就會開始學習居住者的生活習慣，并相應地調(diào)整溫度。據(jù)Nest稱，該公司的技術(shù)已經(jīng)為其用戶節(jié)省了10%到12%的取暖費。

案例2：Nnergix

西班牙的Nnergix公司，運用機器學習技術(shù)來預測大氣和天氣狀況對可再生能源產(chǎn)能的影響，比如推算光伏發(fā)電廠每小時的發(fā)電量。

案例3：Google Sunroof（谷歌天窗）

谷歌發(fā)布了一個名為Sunroof的工具，來計算太陽能對美國家庭的影響。該項目采用了幾個因素來計算使用太陽能能夠節(jié)省下來多少資金，這些因素包括天氣數(shù)據(jù)、電費、3D建模和陰影計算。