他发明了10多项国家标准及团体标准编写，只为实现企业精益能源管理

2023-07-19

恒宇由凹非si量子比特发出 | 公众号

算力紧张，能耗警钟，训练AI大模型，消耗大量能源。

仅在GPT-3训练期间，单次训练的功耗就达到1287兆瓦时，这足够一个人从地球到月球往返一次的能量。

可想而知，全球群模大战所消耗的能源量和产生的碳排放量是巨大的。

但没有什么是绝对的，AI会消耗能量，但它也可以节省能源，而且有些人正在利用AI的能力来做这样的事情。

过去几年，孙东来带领团队充分利用人工智能，利用人工智能技术尽可能实现企业的精益能源管理。

孙东来毕业于上海交通大学信息与通信系统专业。 在法国获得计算机科学博士学位后，他回国创立了极熵科技。 还曾担任上海人工智能研究院特聘研究员、中国工业计量与能源碳评估技术委员会执行秘书长。 等待。

发表SCI/EI及高水平学术论文10余篇，参与多项国家重点研发项目。 现在，孙东来正跟随浙江大学能源工程学院院士高翔开展AI智慧能源模型的研究。

而且，他主导创建的极熵，参与编写了10余项国家标准、团体标准。

要了解这个团队在做什么，可以从他们刚刚发布的产品——AI精益能源管理平台开始。

AI+能源管理能做什么？

该产品简单理解就是对企业能源进行精益管理，过程中引入特征识别、时间序列预测、迁移学习等各种AI技术。

这样，能源消耗成本、度电成本、能源运维成本都可以降低。 更直观的是，用数值结果来看，平均能源效率可以提高15%以上。

这里的“精益管理”是一种企业管理方法，基本目的是提高质量和效率，减少浪费。

它与传统能源管理的区别在于，它可以提供数据，对能源使用的各个环节进行精细化管理，从而达到节能、降耗、减排的目的。

人工智能和精益管理之所以被应用到能源行业，是因为孙东来提到的一个行业现状：

能源行业仍处于数字化、信息化、智能化的探索期。 很多企业和一线员工还停留在传统的自动化管理模式上思考。 虽然收集了每个过程的数据，但它“停留在表面”。

更形象地说，能源生产和传输过程中产生的数据只是纸质表格上的数字。

“数据实际上不仅仅是数字，而且是业务流程的表示。” 孙东来强调的数据是通过数据的采集、传输、组织来产生管理决策，而不是简单的“监控数据”。 。

因此，从这个思路出发，在传统能源监测的能源拓扑配置和数据监测可视化能力的基础上，引入了很多新的AI应用，向低碳、绿色的方向调整。

具体包括：

场景化能源建模 AI能源基线管理及绩效指标考核评价 精细化能源成本核算分析 节能改造收益预测及实时跟踪评价 对能耗趋势进行特征分析，识别设备运行状态； 然后对全球能源运行状况进行诊断分析南充企业能耗系统管理平台，评估当前生产能耗是否需要调整。

据介绍，目前AI精益能源管理平台识别用能单位的准确率高于99%。

再比如，在能源分析场景时，可以利用该平台来分析生产能源效率。

简单来说，就是根据用能单位的产量和能耗，计算出产品的单耗，结合基准值和先进值，输出分析结论，并将单耗反映到班次中。团队的。

此外，在特定时间跨度内，厂区、生产线、车间、工段的横向和纵向能耗对比分析，可以为企业了解实际能耗比需求提供更精准的支撑。

与传统能源管理相比，人工智能和精益管理的参与可以利用数据和算法实现成本、消耗、碳排放的多维度综合优化。

大模子进军能源行业，有戏吗？

人工智能可以帮助企业开启能耗瘦身模式，那么人工智能领域最热门的大模式是否也能开启双碳经济的新一页呢？

在“大模式将重塑所有行业”的主流声音下，孙东来的回答有些令人意外。

AI出身、长期浸淫能源行业的孙东来有个人的感受，认为AI行业的从业者与能源行业的从业者相互理解存在“差距”。

能源行业深知人工智能和大规模模型的能力，期待大规模模型能带来很多惊喜，但“现阶段的大规模模型可能不太适合能源行业”。

直接应用能源行业通用训练大模型，效果应该比预期低很多； 不过，也不排除行业内的小型号，这样可以让行业减少人力和一些成本。

总之，孙东来认为，现阶段的能源产业，即使有进入小型产业模式，仍然离不开传统的物理模式和管理模式。

你怎么说？ 孙东来给出了很多理由。

首先，由于能源行业业务结构复杂，数字化集成水平有限，整个领域的数据质量相对较差。

除了可以通过数字化改造收集的设备数据外，对能源过程有关键影响的数据还包括生产管理、工艺流程，甚至企业经济数据。

此外，这些数据必须在时间和空间尺度上准确对应，才能全面为能源分析和优化提供信息量。

就行业现状而言，大多数企业所能提供的数据量和信心距离大型模型输出足够质量的数据还有很大距离。

如此千亿甚至数万亿的数据必须是可用的高质量数据，这对于能源行业来说“根本不可能”。

其次，在能源行业，AI模型要解决的问题具有较强的结构性特征，产出结果对行业专业化要求较高。

大模型解决的问题的特点往往是“结构和逻辑比较弱，训练集的内容往往包含大量的一般知识”。 从这一点来看，它与能源行业不太匹配。

最不可忽视的一点是，能源系统对于安全性和鲁棒性有着极高的要求，但众所周知，当前大模型的幻觉问题仍然不可控，很难满足安全基线要求在所有工作条件下。

纯粹出于大模型的幻想，能源行业并不一定比其他行业要求更高、更关键。 但鉴于能源行业的特殊性，大模型不宜直接全面部署大模型，而只能作为辅助。

举个栗子

传统流程中，为了管理能源行业的安全边界，当能源使用开关打开时，会有操作票制度。

打开开关时，业务线和安防管理线两人同时取出操作票，将操作票上的具体操作内容读到系统中，并严格按照操作票进行操作。重复。

此类流程主要解决标准作业流程中人员自身的不确定性，最大​​程度保证作业的安全。

如果整合行业小模型，在这样的过程中会引入更多的风险评估和预警动作，但仍然处于辅助地位，而不是绝对的替代或接管。

行业的发展趋势更倾向于采用机器人等技术，进一步减少过程中的不可靠因素，从而提高安全性。

此外，能源行业的应用场景复杂，单一模型无法拟合。 需要建立模型组，整合各个维度。 大模型和能源行业想要联手，中间的障碍不是一两天就能克服的。

但现阶段，凭借AI精益能源管理平台，极熵科技已与KDDI上海公司达成合作，预计将帮助中国及亚太地区至少500家制造企业实现零碳目标。

而孙东来还期望，根据能源行业的实际情况，可以产生高质量、小规模的数据集，并通过它们的应用，减少能源消耗。

据外媒报道，法国帅福得集团近日在中国珠海开设了新的储能解决方案（ESS）制造中心。 这将增强帅福得服务全球储能系统市场并支持向可再生能源转型的能力。 新设施将使帅福得能够通过综合能源存储方法为世界各地的客户提供支持。 这包括从最初的概念和规模到系统工程、交付和电网连接的每一步。 因此，运营商将能够将总体拥有成本 (TCO) 降至最低，同时最大限度地提高性能。

帅福得储能与移动部门副总裁表示：“珠海生产线的投资标志着我们公司已经从电池供应商成长为完整的能源解决方案服务商。未来，越来越多的客户将转向我们.我们寻求完全集成的储能和微电网技术解决方案。”

此次投资巩固了帅福得在珠海作为三个战略制造中心之一的地位，另外两个中心位于法国波尔多和美国杰克逊维尔。

新工厂占地面积6600平方米，年产能约200个集装箱储能，相当于480兆瓦时。

目前，珠海工厂已生产密集型高能集装箱多达20个。 它们于 2019 年推出，功率为 1.2 MW，储能容量为 2.5 MWh珠海工厂能耗管理系统设计，为能量密度、能源效率、寿命和性能提供最佳解决方案。

高储能容量将为可再生能源融入能源转型过程提供支撑。 它使客户能够定时切换大型风电和太阳能发电场的输出，通过虚拟电力线路推迟电网投资，并为大型工业和商业场所提供需求侧储能。