人工智能（AI）因其迅速增长的能源消耗，尤其是支持最新生成式AI模型训练和部署的数据中心电力使用量激增，近期备受关注。然而，AI并非全是负面影响——部分AI技术有望降低能源消耗，推动电网向更清洁、更高效方向发展。

AI在优化电力网方面的应用尤为令人期待，这不仅能提升电网效率，还能增强其应对极端天气的韧性，并促进更多可再生能源的接入。为深入了解这一领域，MIT新闻采访了MIT电气工程与计算机科学系（EECS）银曼家族职业发展教授、信息与决策系统实验室（LIDS）主要研究员Priya Donti，她专注于利用机器学习优化电力网。

问：为什么电力网需要优化？

答：电力网必须在任何时刻保持供电和用电的精确平衡。但在用电需求方面存在不确定性，因为电力公司不会要求用户提前登记用电量，因此必须进行估算和预测。

在供电方面，成本和燃料供应也存在波动，电网管理者需灵活应对。随着太阳能、风能等时变可再生能源的接入，天气的不确定性对电力供应影响更大。同时，电力在线路传输过程中会因电阻产生热损耗。作为电网运营者，如何确保系统持续稳定运行？这正是优化的意义所在。

问：AI如何助力电网优化？

答：AI可以结合历史数据和实时数据，更精准地预测某一时刻可用的可再生能源量，从而促进电网清洁化和资源高效利用。

此外，电网运营者需解决复杂的优化问题，以平衡供需并降低成本。这包括确定哪些发电机组发电、发多少电、何时发电，以及电池充放电时机和负载灵活性利用。由于计算量巨大，运营者通常采用近似算法，但这些近似往往不够准确，尤其是在更多可再生能源接入时偏差更大。AI能提供更快、更准确的近似解，支持实时响应和主动管理。

AI还可助力下一代电网规划，通过高效运行庞大仿真模型提升规划效率。它还能用于预测性维护，提前发现电网异常，减少停电带来的效率损失。更广泛地，AI可加速新型电池研发，促进更多可再生能源的整合。

问：从能源行业角度看，如何权衡AI的利弊？

答：AI涵盖多种技术，模型大小和用途差异显著。小型、专用模型的能耗远低于大型通用模型。

在能源领域，针对特定应用的AI模型往往能带来可观的成本效益，比如促进可再生能源接入和支持脱碳策略。

总体来看，我们需要审视AI投资是否与预期收益匹配。目前，社会层面上答案多为“不匹配”。大量资源投入于某些高耗能的AI技术，而这些技术并非能源和气候领域收益最大的方向。并非说这些技术无用，但它们资源消耗巨大，且未能带来能源领域的主要益处。

我致力于开发尊重电网物理约束的AI算法，以实现可信部署。这是个难题——大型语言模型（LLM）偶尔出错人类能纠正，但电网优化中的错误可能导致大规模停电。我们需要不同的建模方法，同时利用对电网物理的深入理解。

更广泛地说，技术社区应推动AI开发和应用的民主化，确保其符合实际需求，服务于基层应用场景。