根据The Conversation公布的最新数据，归功于风能和太阳能的大力发展，2016年英国可再生的清洁能源比重再创新高，是过去60年以来最清洁的电力结构。然而，想要进一步扩大可再生能源规模，所面临的难题之一就是间歇性，也就是说这些能源取决于风力、阳光等天气条件。同传统能源不同，间歇性意味着可再生能源可能无法满足激增的需求。这也是为何近年来我们不断听到“没有充足光线”头条新闻的原因之一。
在推进清洁的可再生能源进程中，英国又是如何克服这个先天不足的呢？英国电网运营商National Grid（国家电网）部署了几套方案，从而确保能够始终满足英国生产生活需求。首先对于较少的电力缺口，National Grid要求电力供应商以低于最大电力输出的标准来运行常规发电站，并根据缺口需求逐步增加。
而对于较大的电力缺口，National Grid确保发电站，尤其是天然气发电站始终处于待命状态。为进一步降低传统电力输出，部分发电站的发电量只要求在每年几十到几百小时之间。这不仅能够促进碳排放，更重要的原因此类短期干预的发电厂成本是非常昂贵的。
摆在英国政府面前的难题是，应该用什么方法去解决这个问题。也有观点认为没有必要扩大可再生能源的规模，通过去除二氧化碳并掩埋在地下能够让常规能源“更绿色”。在讨论这些碳捕捉技术能否大规模商业运作的时候出现了意见分歧。在英国，由于成本和部门的分歧，在KickStarter众筹平台上的两个政府项目已经陷入僵局。
另一种替代解决方案就是安装超大（电网级别）的电池，来存储可再生能源并需要的时候进行释放。该方案在近期获得了极大的关注，但是考虑到当前电池技术的成本，电网级别的电池存需要非常昂贵的前期投资。
在对这些问题进行深入研究之后，英国的科研专家正在研发一种Demand-Side-Response（按需响应）的替代解决方案。该方案的举措之一是，奖励那些在收到通知后立即减少用电量的消费者。这项优惠适用于大型工业客户到个体消费者，关闭空调、照明和冰箱都能获得奖励。
Demand-Side-Response的另一项举措就是，要求那些具备存储电力设备的消费者帮助分担激增的需求。例如装备太阳能面板和相关蓄电池的家庭，可以通过将蓄电池连接到电网中，用于抵扣设备的偿还费用。此类别的其他设备还包含电动汽车、医院/大学的不间断电源（UPS）单元。
按需响应的两种措施都已经开始部署。部分工业用电客户，以及类似于酒店经营者的某些特定公司已经签署了减少用电的合约。与此同时，National Grid吸引了很多对电力存储计划感兴趣的投标者，并已着手在英国部分地区进行试点部署。这种存储可以认为是大规模电池的替代解决方案，如果形成足够大的规模这种电力存储会变得更加经济。
在客户池成功创建之后，部分设备可能无法始终保持电力存储状态，或者用于降低当前的电力需求。在这段时间内就需要在计算中同时考虑到，减少电网干扰和激励消费者参与。问题是，一旦客户池超过一定规模，这个方案就会变得更加复杂。例如，知道哪些消费者进行了注册，目前用电设备的具体用电量和费用。
按需响应同样也有可能会带来不期望的效果，例如在消耗过程中的大规模同时反弹。例如在按需响应结束之后，很多冰箱需要吸取额外的电量来让内部温度降低到所需级别之下。
最后，按需响应还存在一个潜在的重大安全问题：从很多设备上收集能源使用数据的中心系统，可能遭到恶意攻击以及信息篡改。这可能会破坏电网的平衡，以及对客户欠款的追踪。
面对这些挑战，新兴的人工智能似乎就是你所寻找的答案。例如，为了筛选最佳的电网参与者，电网运营商可以使用复杂的机器学习技术，模拟特定设备的行为以及电池存储单元来审查智能电表和传感器的数据。
智能电网概念：工业和智能电网设备身处于一个联网网络中。可再生能源和智能电网技术所创建的智能城市将满足未来生活居住的各项需求。
在注册电网存储之后，根据预测算法对充电/放电数据进行分析，未来可以预估电池组或电池单元的有效寿命。拥有者依然可以获得适当的补偿，而且能够较为直观的知道电池大概还能持续多久。
涉及池中的设备管理，人们曾经认为可以使用单独的智能电表或者控制设备在云端充当中心服务器。事实上，这种智能电表的造价非常昂贵，而且需要服务器在更短的时间（以毫秒为单位）内分析数据，一旦池中超过数千台设备就会崩溃，因此这种方案是不可行的。
替代解决方案就是在电网本身上安装能够检测需求程度的计量装置，根据需求相应的调整输出功率。这不仅能够承担中心服务器的压力，只需要在区域级别进行计量，而不是每个电力设备。但这依然遗留了一个复杂的控制问题--如何协调所有设备的用电需求。来自赫瑞瓦特大学的科研团队正使用基于人工智能的算法来解决这个问题。
在洞察算法理论到开发奖励/惩罚机制（确保池中有足够多的客户参与，在必要的时候做出响应），人工智能的研究都提供了很大的帮助。研究人员也乐观的认为，区块链技术（运用于比特币）可以夯实分散总账系统的基石，让用户数据规避单个存储点的安全风险。
在英国和其他地区的多家人工智能研究机构，已经着手应对这些挑战，而且一些初创公司已经开始实践开发此类系统，例如相对简单的机器学习版本已经开始投入使用。站在国际的最前沿，英国有更好的机会在接下来几年实现更智能的按需响应。
本文作者：蕾娜塔•萨洛 本文转自雷锋网禁止二次转载，原文链接
相关资源：电网调控领域人工智能技术框架与应用展望_李明节.pdf