人工智能如何助力实现清洁能源未来
人工智能通过管理电网运行、帮助规划基础设施投资、指导新型材料的开发等方式，为清洁能源转型提供支持。
Nancy W. Stauffer | MIT Energy Initiative
Publication Date:November 24, 2025
人们越来越关注人工智能与能源需求增长之间的联系。虽然为支持人工智能而建设的耗电量巨大的数据中心可能会给电网带来压力，推高用户电价，导致服务中断，并总体上减缓向清洁能源的转型，但人工智能的应用也能助力能源转型。
例如，人工智能的应用正在降低建筑、交通和工业流程中的能源消耗和相关排放。此外，人工智能还有助于优化新建风能和太阳能装置以及储能设施的设计和选址。
在电力系统中，利用人工智能算法控制运行有助于提高效率、降低成本，整合日益增长的可再生能源份额，甚至预测关键设备何时需要维护，从而防止故障和可能的停电。人工智能可以帮助电网规划人员安排未来所需的发电、储能和其他基础设施的投资。此外，人工智能还在帮助研究人员发现或设计用于核反应堆、电池和电解槽的新型材料。
麻省理工学院及其他机构的研究人员正在积极探索人工智能在支持清洁能源转型方面的各种机遇。在2025年的研究大会上，麻省理工学院能源倡议组织（MITEI）宣布成立数据中心电力论坛，这是一项针对MITEI成员公司开展的专项研究项目，旨在帮助这些公司应对数据中心电力需求方面的挑战。
控制实时操作
客户通常依赖于持续不断的电力供应，而电网运营商则借助人工智能来实现这一目标——同时优化可再生能源的存储和分配。
但随着太阳能和风力发电场的建设日益增多——这两种能源的发电量都较小且不稳定——以及极端天气事件和网络攻击威胁的日益加剧，确保电力可靠性变得越来越复杂。“这正是人工智能可以发挥作用的地方，”麻省理工学院机械工程系高级研究科学家、麻省理工学院主动自适应控制实验室主任阿努拉达·安纳斯瓦米解释说，“本质上，你需要引入一整套信息基础设施来补充和完善物理基础设施。”
电网是一个复杂的系统，需要在从数十年到微秒的各种时间尺度上进行精细控制。这一挑战源于电力物理学的基本定律：电力供应必须始终与电力需求相等，否则发电就会中断。在过去的几十年里，电网运营商通常假设发电量是固定的——他们可以预测每个大型发电厂的发电量——而电力需求则以相当可预测的方式随时间变化。因此，运营商可以根据需要安排特定的发电厂运行，以满足第二天的电力需求。如果出现停电，指定的机组会根据需要启动以弥补电力缺口。
如今乃至未来，即使小型间歇性发电源数量不断增长，天气干扰和其他电网威胁日益加剧，供需匹配仍然至关重要。人工智能算法提供了一种手段，能够实现对复杂信息的管理，从而在短短几小时内预测哪些电厂应该运行，同时确保输入电力的频率、电压和其他特性符合电网正常运行的要求。
此外，人工智能还能在电网供电不足时，提供增加供应或减少需求的新途径。正如安纳斯瓦米所指出的，电动汽车的电池，以及太阳能电池板或风力涡轮机充电的电池，都可以在需要时作为额外的电力来源输送到电网。而且，如果能获得实时价格信号，电动汽车车主可以选择将充电时间从需求高峰、价格高企的时段转移到需求和价格都较低的时段。另外，新型智能恒温器可以设置当电网需求达到高峰时，允许室内温度在用户设定的范围内自动升高或降低。数据中心本身也可以成为需求灵活性的来源：可以根据需要延迟特定的人工智能计算，以平抑需求高峰。因此，人工智能可以提供许多机会，根据需要对供需进行微调。
此外，人工智能还使“预测性维护”成为可能。任何停机时间都会给公司造成损失，并可能导致客户供货短缺。人工智能算法可以在正常运行期间收集关键性能数据，当读数偏离正常值时，系统可以提醒操作员可能出现故障，从而让他们有机会进行干预。这种能力可以预防设备故障，减少例行检查的需求，提高员工生产力，并延长关键设备的使用寿命。
安娜斯瓦米强调， “要设计出包含这些人工智能组件的新型电网，需要众多不同领域的专家齐心协力。”她指出，电气工程师、计算机科学家和能源经济学家“必须与开明的监管机构和政策制定者密切合作，确保这不仅仅是纸上谈兵，而是能够真正落地实施。所有利益相关者都必须互相学习。而且，必须确保万无一失。绝对不能出现停电。”
利用人工智能帮助规划未来基础设施投资
电网公司需要不断规划扩建发电、输电、储能等设施，而建设和运营所有必要的基础设施可能需要数年时间，在某些情况下甚至超过十年。因此，他们需要预测未来需要哪些基础设施来确保供电可靠性。“这很复杂，因为你必须提前十年以上预测要建设什么以及在哪里建设，”MITEI 的研究科学家 Deepjyoti Deka 表示。
预测未来需求的一大挑战在于预测未来系统的运行方式。“这正变得越来越困难，”德卡说道，因为越来越多的可再生能源并网发电，取代了传统的发电机。过去，运营商可以依靠“旋转备用容量”，也就是那些目前未使用但可以在几分钟内投入使用的发电容量，以弥补系统的任何电力缺口。如今，大量间歇性发电机（风能和太阳能）的存在意味着电网的稳定性和惯性有所降低。更复杂的是，这些间歇性发电机可能由不同的供应商制造，而电网规划人员可能无法获得控制每台设备在足够精细时间尺度上运行的物理方程。“所以，你可能根本无法确切地知道它最终会如何运行，”德卡说道。
此外，天气也是一个重要因素。要确定未来能源系统的可靠性，就必须了解它将面临的天气状况。德卡指出，未来的电网不仅要在日常天气条件下可靠运行，还要在飓风、洪水和野火等低概率但高风险的事件中保持稳定，而这些事件的发生频率正变得越来越高。人工智能可以通过预测此类事件，甚至追踪气候变化导致的天气模式变化来提供帮助。
德卡指出了人工智能分析速度的另一个不太明显的优势。任何基础设施开发计划都必须经过审查和批准，通常需要多个监管机构和其他机构的审核。传统上，申请人会制定计划，分析其影响，然后将计划提交给一组审查人员。在根据要求进行修改并重新分析后，申请人会将修改后的版本再次提交给审查人员，以确认新版本是否可接受。人工智能工具可以加快所需的分析速度，从而加快流程。规划人员甚至可以利用大型语言模型搜索监管文件，并总结拟建基础设施的关键信息，从而减少提案被驳回的次数。
利用人工智能发现和开发能源转型所需的先进材料
“人工智能在材料开发领域的应用目前正蓬勃发展，”麻省理工学院卡尔·理查德·索德伯格电力工程教授李菊说道。他指出了两个主要方向。
首先，人工智能使得基于物理的原子尺度模拟速度更快。其结果是，人们能够更深入地了解材料组成、加工、结构和化学反应性如何影响其性能，从而在原子层面上更好地理解这些因素之间的关系。这种理解为设计规则提供了指导，有助于开发和发现用于能源生产、存储和转换的新型材料，而这些材料对于构建可持续的未来能源系统至关重要。
其次，人工智能可以实时指导实验室实验。李解释说：“人工智能可以根据我们之前的实验结果，帮助我们选择最佳实验方案，并根据文献检索结果提出假设和建议新的实验。”
他描述了自己实验室的运作方式。科学家们与一个大型语言模型进行交互，该模型会就下一步的具体实验提出建议。研究人员接受或修改这些建议后，机械臂会做出响应，设置并执行实验序列中的下一步，包括合成材料、测试性能以及在适当的时候拍摄样本图像。人工智能结合文献知识、人类直觉和以往的实验结果，协调主动学习，从而在降低不确定性和提高性能之间取得平衡。正如李所指出的，“人工智能阅读的书籍和论文数量远远超过任何人类，因此它自然更具跨学科性。”
李表示，其成果既包括更优化的实验设计，也包括加快“工作流程”。传统上，开发新材料的过程需要合成前驱体、制备材料、测试其性能并表征其结构、进行调整，然后重复这些步骤。人工智能指导可以加快这一过程，“帮助我们设计关键且成本低廉的实验，从而获得最大量的反馈信息，”李说道。
他总结道：“拥有这种能力无疑会加速材料发现，这或许正是我们实现清洁能源转型真正需要的助力。人工智能[有可能]简化材料发现和优化过程，或许能将其从过去几十年缩短到短短几年。”
MITEI的贡献
在麻省理工学院，研究人员正致力于上述机遇的各个方面。在麻省理工学院创新能源研究所 (MITEI) 支持的项目中，研究团队正在利用人工智能更好地模拟和预测聚变反应堆内部等离子体流动的扰动——这对于实现实用的聚变发电至关重要。其他由 MITEI 支持的团队则利用人工智能工具来解读法规、气候数据和基础设施地图，从而实现更快、更具适应性的电网规划。人工智能引导的先进材料开发也在持续进行，其中一个 MITEI 项目正利用人工智能优化太阳能电池和热电材料。
麻省理工学院能源基础设施研究所 (MITEI) 的其他研究人员正在开发能够根据人类反馈（包括物理干预和口头指令）学习维护任务的机器人。其目标是降低成本、提高安全性并加速可再生能源基础设施的部署。此外，MITEI 资助的研究工作也在持续进行，旨在探索降低数据中心能源需求的方法，例如设计更高效的计算机芯片和计算算法，以及重新思考建筑设计，以增加空气流通从而减少对空调的需求。
除了为众多研究项目提供领导和资金支持外，MITEI 还扮演着召集者的角色，汇聚各方利益相关者，共同探讨共同面临的问题和潜在的解决方案。2025 年 5 月，MITEI 举办了以“人工智能与能源：挑战与机遇”为主题的年度春季研讨会，汇聚了来自学术界、工业界、政府和非营利组织的人工智能和能源专家，共同探讨人工智能在清洁能源转型中既是挑战也是潜在解决方案。研讨会闭幕式上，MITEI 主任兼麻省理工学院化学工程系霍伊特·C·霍特尔教授威廉·H·格林指出：“满足数据中心能源需求并释放人工智能在能源转型中的潜在优势，如今已成为 MITEI 的研究重点。”
平台声明：该文观点仅代表作者本人，零碳未来网 系信息发布平台，我们仅提供信息存储空间服务。
发表评论 取消回复