人工智能可能导致准备不足的电网发生灾难性的崩溃，并且可能使科技行业的去碳化进程倒退——或者，它可能是该行业得救的关键。
人工智能训练和运行其复杂计算需要惊人的能量。随着该行业的发展壮大，维持其增长所需的计算能力是巨大的。每100天翻一番，大约。专家们预测，在全球范围内，人工智能行业本身将负责3.5%到2030年所有能源消耗中的占比。在美国，到2030年数据中心的能源消耗将会是约9%，约为当前速度的两倍，主要由国内人工智能增长推动。这些惊人的增长率将对国家和国际能源安全、温室气体排放以及经济产生重大影响。
“当你看看这些数字时，这真是令人震惊，”佐治亚州公共服务委员会主席、电力监管机构的杰森·肖对《华盛顿邮报》说。今年早些时候“这让你挠头疑惑我们是如何陷入这种境地的。那些预测怎么会那么不准？这种情况给我们带来了前所未有的挑战。”
尽管人工智能给电力电网带来了重大且前所未有的挑战，但它也可能成为改善电网并使其适应电气化时代的关键工具。美国能源部（DoE）指出，人工智能在管理能够处理大量可变能源流入和流出的智能电网方面可能至关重要，但同时也会引入显著的风险，如果"天真地部署。"此外，美国能源部报告提出，“机器学习可以帮助电力公司改善许可和选址、可靠性、弹性和电网规划。”
现在，人工智能被用来高效地识别解决方案，以应对清洁能源转型中最棘手的问题之一——可靠且成本效益高的长期能源存储。来自太平洋西北国家实验室（PNNL）和阿贡国家实验室的一个研究团队使用人工智能帮助缩小潜在溶剂组合的范围。流动电池模型比当前模型效率高三倍的。团队没有利用人工智能来帮助他们更快地进行更多实验，而是使用人工智能技术迅速排除了数千种潜在组合，从而聚焦于值得在实验室测试的那些。
“我非常期待看到人工智能研究人员与材料科学家之间的未来合作，”该研究的合著者、物理和计算科学局计划发展办公室主任卡尔·穆勒说道。“加速材料发现对于解决能源存储问题至关重要。”
在其他应用中，人工智能正被用于使电池存储系统变得更智能通过在能源需求管理、套利（又称时间转移，以匹配可再生能源供应与需求）、天气预报和预测性维护中的应用。近年来出现了一些初创企业来试点这些方法，快速发展的AI储能市场有望达到11亿美元到2026年。
这些方法也在较小的范围内被引入电动汽车系统中，以提高EV的能量存储能力。“将人工智能（AI）集成到电动汽车（EV）的储能系统（ESS）中，已成为解决能源效率、电池退化和最优功率管理等挑战的关键解决方案，”文中写道。科学论文于5月出版的电子产品。
所有这些进步对于在前所未有的压力和电气化快速扩张以及可变能源来源增加的时代稳定能源电网极具前景。然而，增加人工智能使用的风险仍然非常严重，不仅体现在失控的能源消耗和相关的温室气体排放方面，还在于网络安全问题以及实际应用与统计模型显著不同的情况下的使用，比如极端天气事件。
哈莉·扎雷姆巴为Oilprice.com撰写