在我們快速發展的能源格局中，伴隨著不斷升級的環境問題，將可再生能源納入我們的電網是一項重大挑戰。一種解決方案可能在于由人工智能（AI）提供動力的邊緣計算。原因如下：

電網是全球最大的人造結構，需要在電力供應和需求之間保持微妙的平衡。這種平衡一直是一項復雜的任務，即使是集中的大型發電廠。

然而，能源正在發生變化。風能和太陽能越來越受歡迎，有時在不需要的時候提供能源。電動汽車的興起可能會加劇需求和不可預測性。此外，這些車輛最終可能在需求高峰期用作電池。

此外，屋頂太陽能的日益普及意味著能源分散的未來。這一變化使準確預測何時發電以及發電量變得復雜。

“為什么邊緣計算很重要？

邊緣計算將計算資源靠近決策地點。正如這篇IEEE Innovation at Work文章（https://innovationatwork.ieee.org/edging-ai-into-our-lives/）所解釋的那樣，智能手機或連接設備上似乎發生的大量數據處理實際上是在數據中心完成的。這個過程意味著數據必須往返于云端，這需要時間。邊緣計算通過在決策位置旁邊放置分布式計算資源網絡來解決這一問題。

IEEE會員Mauricio Salles表示：“邊緣計算可以使可再生能源更有效地融入電網。它可以實現更好的監控，包括實時監控，生成的數據可以在本地實時處理和分析，以減少數據流量。有了這些數據，就有可能提高電網穩定性，增強預測性維護，優化能源管理。”

“人工智能的幫助

IEEE會員Kyri Baker表示，人工智能的進步為以計算高效的方式來處理數據，為做出最佳決策提供了新的方法。

這種優化不僅僅是為了電網的穩定性——盡管這是一個巨大的好處。

Baker表示：“電網中的傳感器數量越來越多，因此目前在電網規劃和運營中使用不足的測量也越來越多。有了人工智能，我們可以更有效地利用這些數據做出決策和預測。”

《IEEE電氣化雜志（IEEE Electrification Magazine）》2022年12月版的文章《將人工智能帶到電網邊緣（Bringing Artificial Intelligence to the Grid Edge，https://ieeexplore.ieee.org/document/9980448）》提供了一個例子，強調“美國估計有1.85億根電線桿，由此可以減少公用事業公司每年手動跟蹤和維護電網基礎設施所花費的數千萬美元”。

“效率、彈性和網絡安全

Baker指出，長距離輸電只會造成很小的損失。當發電量接近需求時，這些損失可以得到緩解。

Baker說：“減少損失可以提高能源效率，而且通常可以減少碳排放。能夠本地處理這些數據，可以減少對通信系統或基于云的計算的依賴，使系統總體上更穩定。”