2024年能源人工智能报告中文说明（英文版）-原子能安全保安院（NISA）

人工智能(AI)提供了快速部署新的清洁能源、将关键电网能源资产从威胁行为者手中夺回、以及降低下一代能源技术和体现转型需求侧的互联系统的资本和运营成本的机会。美国需要在能源基础设施上投资数万亿美元，才能在 2050年实现国家清洁、有弹性的目标。在美国能源部(DOE)的国家实验室中，人工智能在核能、可再生能源和碳管理领域具有巨大的潜力，因为它能够代表前所未有的系统模型大小，提供强大的计算资源，并从全国顶尖科学家的人才库中获取知识。总体而言，如果以下能源挑战得以实现，人工智能可以减少能源基础设施的设计、许可、部署、运营和维护成本数百亿美元。

人工智能为加速设计提供了突破性机遇，部署和许可新能源产能。商业发电厂的设计和许可需要多年的努力，可能占新能源部署市场时间的50%DOE估计，到2050年，将有1.6TW的新太阳能产能和200GW的新核能产能，同时实现氢、地热、关键矿物和其他清洁能源资源，成本可能接近数万亿美元的国家投资，以满足日益增长的全球清洁能源需求。此外，DOE估计，需要将碳捕集与封存的成本降低到每净兆吨二氧化碳当量100美元以下，以解决碳污染问题。人工智能有潜力将新清洁能源设计的时间表缩短约20%，到2050年可能节省数千亿美元。此外，人工智能可以增强和扩大能源开发工作队伍，这些队伍将受到高度需求。

能源电网的发电能力和需求侧需求正在经历快速变化，对安全、可靠和弹性的规划和运营控制提出了要求。通信、控制、数据和信息的数量不断增加，正在扩大数字领域的范围，通过增加对运营商和消费者的可见性，提高电网的灵活性和可靠性以及敏捷性。通过自动优化发电和需求侧需求，整合电网运营中的能源系统每年可以节省数十亿美元。

自主运行技术可以在各种清洁能源技术中提供监测、控制和维护自动化。分布式、消费者网站的技术正在改变电力负荷，电动汽车(EV)、分布式存储、智能建筑和电器为负荷增加了新的智能，同时也需要整合消费者网站的可控性。此外，新的先进核技术，如微型反应堆，可能需要自主运行，以实现规经济。在整个运营和维护生命周期中交付人工智能能力，可以改变国家能源生产和分配基础设施的安全、效率和创新。

新能源产能选址是一项复杂的挑战，需要平衡能源发电选择、社区需求、环境因素和弹性考虑因素。人工智能可以根据全面的数据集和训练有素的社区能源基础模型来帮助社区能源规划，该模型可以捕捉物理基础设施、人类行为和气候/天气影响之间的特征和相互作用。人工智能工具可以通过民主化社区一级的清洁能源资源，促进识别反映当地目标、人口结构和遗留基础设施的能源转型途径，从而实现国家清洁能源目标。

自然灾害和人为事件发生的频率越来越高，强度越来越大，对国家造成了重大影响。恶劣的天气事件越来越多地破坏供应链，损坏财产和资产，使某些地区不宜居住。2023年，美国经历了创纪录的28次独特的天气/气候灾害，造成至少10亿美元的损失。气候变化、城市化、人口增长、老化基础设施和延迟维护增加了社区和人类生存的风险。一个以铝为基础的、全危险的全球应对系统，该系统已纳入全球和利益攸关方数据集，促进国际准备、反应和恢复，可以增强备灾和复原力解决方案，并为更快的恢复提供信息。

通过人工智能多建模方法增强的科学模型可以提高对地下属性和系统的预测，从而改善对国内关键材料、地热储层、铀和水资源的发现。这种能力可以创建一个国家地下人工智能和数据试验台，以实现负责任的商业化、监管和科学发现和开发。人工智能可以提高对地下属性的预测和预测，告知和改变我们减少风险和负责任地与地下世界互动的能力。

能源材料创新是实现国家清洁能源目标的关键。提高材料实验室的自动化程度，如自动化实验室，可以改变新材料的设计和发现。人工智能还可以通过材料测试的自动化来加速材料鉴定，从而实现先进核反应堆和新型电池认证等新能源技术。

除了这些跨领域的机会，核能、可再生能源和碳管理能源系统也有独特的用例。例如，虽然排放、预测、测量和缓解对碳管理具有独特的重要性，但基础计算基础设施可以在重大挑战中共享。无人值守的核反应堆具有独特的生命安全考虑因素;然而，许多管道、阀门、热交换器和冷却塔的工厂级数字孪生体可以在应用能源领域共享。由所有能源领域组成的能源部联合体模式，结合实验室专题专家的专业知识，有助于确保和推动研究挑战的效率

为了完成这些重大挑战，需要进行关键开发。实验室必须建立一个领导计算生态系统，以培训和托管规模日益增长的数据和基础模型。需要为每个耦合的领域开发经过微调的模型，并尽可能与地面实况和第一原理物理相结合虽然实验室拥有数百千兆字节的数据，但只有少量数据被编目、存储并准备好供A模型摄入。对独一无二的与能源行业数据相结合的地面实况数据的整理，对于在这些规模上构建模型至关重要。最重要的是，实验室政府、行业和学术界的合作对于实现人工智能在能源领域的变革性效益至关重要。

这份《人工智能与能源》报告进一步详细介绍了未来十年在核能、电网、碳管理、能源存储和能源材料方面为能源应用提供重大机遇的重大挑战。该报告的主要结论和机遇可在“关键发现”部分找到。