全球能源系统脱碳的努力正在导致一个日益一体化和电气化的能源系统，电力、运输、工业和建筑部门之间有更多的相互作用。能源供应脱碳的举措也导致了电力部门的高度分权。这将需要包括消费者在内的所有部门参与者进行更高水平的协调和灵活性，以管理这个日益复杂的系统，并对其进行优化，将温室气体排放降至最低。

人工智能在支持和加速可靠和低成本的能源转型方面具有巨大的潜力，其潜在应用范围包括优化和有效地将可变可再生能源整合到电网中，以及支持主动和自主的电力分配系统，为需求侧的灵活性开辟新的收入来源。人工智能还可能成为寻找支持下一代清洁能源和存储技术的性能材料的关键加速器。然而，尽管前景看好，人工智能在能源领域的应用仍然有限，主要用于预测性资产维护的试点项目。尽管人工智能在这方面很有用，但在帮助加速全球能源转型方面，存在着比目前实现的更大的机会。

能源转型的9条人工智能原则旨在就如何在整个能源部门释放人工智能的潜力以及如何安全、负责任地采用人工智能来加速能源转型达成共识。这些原则被分为三个领域：管理人工智能的使用；设计出适合目标的人工智能；能够实现人工智能部署的项目，旨在帮助创建协作的行业和政策实践。

原则1：自动化设计生成设备和电网操作，实现人工智能的自动化并增加自主性

管理未来能源系统的复杂性并不总是允许人工控制。在未来日益分散的能源系统中，不仅需要集成电力，还需要集成其他部门（移动、供热、工业），以及需要做出越来越多复杂的、接近实时的决策的地方，在这些方面人工智能将是必要的。为了充分发挥人工智能的优势，电网运营必须向自动化和提高自动化水平的方向发展，新的电力系统设备必须为自动化做好准备。这将要求新电网连接装置的最低技术标准和电网运行程序的更新。

原则2：可持续性采用能源效率最高的基础设施，以及围绕可持续计算的最佳实践，以限制人工智能的碳足迹

在本白皮书中，我们强调了人工智能在促进可持续目标和加速能源转型方面的巨大潜力。我们认为，人工智能的可持续性优势远远超过其自身的碳足迹。然而，训练和运行一些机器学习模型（如深度学习模型）可能需要大量的计算，需要电力来进行计算和冷却。随着能源行业开始采用人工智能，应考虑能源效率和可持续性标准，并应以标准化的方式报告开发、培训和运行模式的能源或排放成本。随着人工智能进入能源领域，我们必须坚持该领域采用最节能的基础设施，以及构建节能模型和可持续计算的最佳实践、工具和方法。这包括在绿色电力驱动的硬件上运行算法，回收废热，以能源优化的方式管理计算资源，以及在不同的应用程序或领域使用最佳实践开发技术。这将导致节能人工智能的持续改进。

原则3：设计——AI开发的重点放在可用性和可解释性上

尽管该行业将雇佣更多的数据科学家，并进行内部员工培训，但如果人工智能仍然只对专家开放，短期内这还不够。人工智能必须易于理解并被每个人使用，这样它才能成为各种操作任务的集成基础层。这将涉及开发AI算法，解释它们是如何被训练和开发的，设计AI算法，解释它们的行为，并构建低代码的工具，方便非专业人士使用和修改。

原则4：数据——建立数据标准、数据共享机制和平台，以提高数据的可用性和质量

目前，电力系统没有进行适当的监控以提供实时、细粒度的操作数据，特别是在配电层。监控控制和数据采集（SCADA）数据（大多数电力监控的基础）不够频繁或详细，不能用于高级人工智能算法。我们需要更多的传感器和更好的通信网络来建立现代化的数据基础设施，使数字化的全部好处得以实现。

在有足够数据的地方，数据通常以不同的格式存在，没有适当的标记，存储在现场，并且不与第三方共享。实现更大的数据交换的关键一步是在能源行业达成共同的数据标准。一旦这些措施到位，能源行业内的安全、基于信任的数据共享系统就可以被采用，例如，通过更广泛的云和区块链应用，或通过监管机构审核的匿名数据聚合活动。在监管层面，需要仔细权衡使用数据的好处和保护数据隐私二者之间的关系，并在必要时做出让步，例如，在聚合和匿名的情况下，可以选择使用智能仪表数据。

原则5：激励——创建市场设计和监管框架，允许人工智能用例捕捉它们所创造的价值

人工智能可以比人类做出更多更快的决定，创造新的机会以在能源系统中创造和获取价值。在缺乏充分重视幕后设备灵活性的监管框架的情况下，没有什么动力去扩展这些用例。只有在对客户和其他市场参与者有明确的价值主张时，人工智能应用才会扩大规模，只有监管机构才能建立基础结构和框架，解锁这些经济和社会价值主张。但目前在如何评估人工智能驱动的应用方面还没有达成一致。

原则6：教育——用以人为中心的人工智能方法增强消费者和能源劳动力的权能，并投资教育，使其与技术和技能发展相匹配

为了让人工智能对未来的电力系统做出有意义的贡献，它需要赢得运行它的工程师、员工和管理人员的信任。每个人都应该对人工智能成为他们工作流程的一部分感到舒服，即使他们自己并没有开发人工智能工具。其他行业通过重新设计团队，将必要的知识和技能集合在一起，成功地做到了这一点。对于电力行业来说，这可能意味着由能源工程师和数据科学家组成的团队。其中，后者推动人工智能能力的发展，而前者将人工智能系统的输出集成到电网管理流程中，并使其运营价值最大化。

最终用户成功部署基于人工智能的解决方案也将涉及教育。教育消费者如何在这些算法中使用他们的数据，以及人工智能的局限性，应该有助于他们与人工智能进行最佳互动。

原则7：风险管理——对人工智能带来的管理风险的共同技术和教育方法达成一致

最近的欧盟法规将能源领域的人工智能视为高风险应用。要想让人工智能应用在能源行业实现规模化，监管机构和行业领导者需要了解并降低人工智能可能带来的潜在风险。监管方案包括构建和部署人工智能时的共同质量控制程序；设计分散的控制结构（确保在发生事故时只有一小部分受到影响）；为人工智能系统和/或系统操作员提供安全认证；进行算法审计。技术选项包括基于人工智能的安全层（即使用人工智能系统检测市场内的操纵行为），以及动记录人工智能系统活动和决策。

围绕评估和管理与人工智能相关的风险的共同方法，对于在算法中建立信任和透明度至关重要。与传统的人工流程相比，设置清晰的算法操作范围可以降低风险。然而，当由人类控制时，感知到的风险仍然较低。关于人工智能风险和人工智能风险管理的教育将对监管机构、政策制定者、能源部门员工和公民至关重要。

原则8：标准——实现兼容的软件标准和可互操作的接口

越来越多的集成设备和滞后资产意味着该行业越来越需要就软件通信和机器接口的标准协议达成一致。如今，针对不同地区和能源系统的不同部分（如电网通信、智能电表、电动汽车充电器）有许多不同的标准和协议，这导致了互操作性的缺乏。

当我们试图将越来越多的设备和安装集成到网格中时，这种碎片只会增加，从而导致次优结果和整体小于部分之和的网格。所有能源系统利益相关者和市场参与者，包括监管机构、电网运营商和设备制造商，都应该采用共同标准，设计和安装可互操作的即插即用设备。

原则9：责任——确保人工智能伦理以及负责任的使用，是人工智能开发和部署的核心

随着各行业加速采用人工智能，人们也对不安全或不道德的人工智能风险感到担忧。为了确保有益的成果和避免社会伤害，能源领域的人工智能应用必须遵守经合组织的5大人工智能核心原则：包容性、公平性、透明度、稳健性和问责性。在实践中，这意味着采取基于风险的方法，根据给定用例的潜在危害来实现人工智能的治理和风险管理实践，并特别关注高风险用例、敏感的个人数据和脆弱人群。当道德考虑成为技术和系统设计过程的核心时，当人工智能系统在实施之前和整个实施过程中被彻底记录和严格测试时，以及当组织流程被设计用于快速识别和缓解新出现的问题时，人工智能风险才能得到最好的管理。随着行业扩大其更广泛的人工智能技术和管理能力，必须主动确保人工智能伦理和负责任的使用，充分融入人工智能的开发和部署过程。