電力作為最重要的人類終端能源，大約占我們所消耗的能源的 19%，并且這個比例與日俱增，根據(jù)國際能源機構(gòu)的預測，在 2040 年這個比例會達到 24%，同時大部分可再生能源也是通過電力的形式提供給人們使用。

國際能源機構(gòu)在 2018 年的世界能源展望報告里提到，對終端能源的電力化是脫碳和零排放最有希望的一條道路，電力由于其特殊的物理性質(zhì)無法存儲，因此儲能是電力變革的重要技術(shù)。

新能源電動車、電力的削峰去谷、電力質(zhì)量的提高、氫能源的并網(wǎng)都與儲能技術(shù)息息相關(guān)，圍繞儲能的電網(wǎng)服務(wù)同時也有很多價值鏈，電網(wǎng)需要對電力的發(fā)、輸、配、用進行管理。未來的電力管理從集中走向分布，這個變革需要儲能技術(shù)，同時也需要信息和數(shù)據(jù)驅(qū)動的人工智能技術(shù)。

電網(wǎng)經(jīng)歷了三個發(fā)展階段，從小規(guī)模電網(wǎng)到大規(guī)模電網(wǎng)到現(xiàn)在正在發(fā)展中的智能電網(wǎng)。電網(wǎng)是一個包括發(fā)電站、輸電網(wǎng)、配電裝備、控制和監(jiān)控設(shè)備組成的一個巨大的復雜網(wǎng)絡(luò)。

上圖是北美東部互聯(lián)電網(wǎng)，在這個電網(wǎng)中間有三萬個負載和發(fā)電節(jié)點和五萬個輸運相關(guān)的線路，這個電網(wǎng)橫跨了包括美國的 31 個州和加拿大的 5 個省，是一個非常復雜的動力系統(tǒng)。

人工智能技術(shù)在電力系統(tǒng)方面有兩個應(yīng)用。

首先，由于電力系統(tǒng)非常復雜，我們很難用簡單的方程對其進行描述，人工智能可以幫助我們更好地理解電網(wǎng)的復雜動力系統(tǒng)，提高電力的穩(wěn)定性、魯棒性和柔韌性。其次，我們可以通過人工智能的算法來更高效地對電力系統(tǒng)的資產(chǎn)進行管理。

這個世界上有沒有一個高效的復雜網(wǎng)絡(luò)可以給電網(wǎng)的設(shè)計提供借鑒呢？首先這個網(wǎng)絡(luò)必須是分布式的，有很好的柔韌性、非常穩(wěn)定、能夠?qū)﹂g歇性能源進行調(diào)控。這個網(wǎng)絡(luò)是存在的，就是我們的生物網(wǎng)絡(luò)。

經(jīng)過數(shù)億年的進化，我們的生物體系形成了很多復雜網(wǎng)絡(luò)來調(diào)控能量和信息的流動，如基因調(diào)控網(wǎng)絡(luò)、蛋白質(zhì)互動網(wǎng)絡(luò)、新陳代謝網(wǎng)絡(luò)以及信號網(wǎng)絡(luò)和神經(jīng)網(wǎng)絡(luò)，我們的身體就是靠這些復雜的高效的網(wǎng)絡(luò)進行管理和協(xié)調(diào)。

生物網(wǎng)絡(luò)，例如新陳代謝的網(wǎng)絡(luò)和智能電網(wǎng)有很多相似的地方，在比較這兩個系統(tǒng)時，會發(fā)現(xiàn)智能電網(wǎng)有不同的電力來源，同時在智能電網(wǎng)中有不同的能源形式存在，而我們的新陳代謝網(wǎng)絡(luò)，可以對不同的食物、不同的能量來源進行消耗，這些能量消耗的線路都是耦合在一起的。

我們可以具體地比較智能電網(wǎng)和代謝網(wǎng)絡(luò)。

首先在智能電網(wǎng)中有很多間歇性可再生能源，在生物體系新陳代謝網(wǎng)絡(luò)中食物的攝取也是間歇性的，例如我們的糖分、碳水化合物。

其次，在智能電網(wǎng)中電力的來源具有多樣性，而生物體系中間食物的來源同樣也有多樣性。

同時兩個系統(tǒng)都有自己的傳感器以獲得系統(tǒng)的狀態(tài)，進而對系統(tǒng)的狀態(tài)進行預測，在生物系統(tǒng)中這個傳感器就是蛋白質(zhì)，例如酶、抗體、抗原等。

并且兩個系統(tǒng)都會有自己的信息網(wǎng)絡(luò)對能源進行存儲和配送，而這個信息網(wǎng)絡(luò)的調(diào)控則是分布式的，儲能是實現(xiàn)這兩個系統(tǒng)最重要的一個環(huán)節(jié)，生物系統(tǒng)用 ATP 三磷酸腺苷，而智能電網(wǎng)可以利用鋰電池等等儲能系統(tǒng)。

生物系統(tǒng)經(jīng)過數(shù)億年的進化形成了這套復雜網(wǎng)絡(luò)，我們希望通過學習生物系統(tǒng)的復雜網(wǎng)絡(luò)為智能電網(wǎng)和儲能提供更優(yōu)化的設(shè)計原則。

系統(tǒng)生物學的研究發(fā)現(xiàn)，生物體系復雜網(wǎng)絡(luò)中有很多重復的單元，這些單元往往跟生物體系的某些功能息息相關(guān)，我們把這個單元叫做 Motif。Motif 本意是圖案中間的重復樣式，這個概念引進到生物體系中發(fā)現(xiàn)在生物網(wǎng)絡(luò) Motif 結(jié)構(gòu)出現(xiàn)的比例非常高，往往和特殊的需求有關(guān)。

在復雜電網(wǎng)中也有 Motif 結(jié)構(gòu)，研究發(fā)現(xiàn)加強和適當提高電網(wǎng)的某些 Motif 結(jié)構(gòu)對提高電力系統(tǒng)的穩(wěn)定性有幫助，未來我們希望通過復雜電力網(wǎng)絡(luò)結(jié)構(gòu)的研究，來優(yōu)化電網(wǎng)的發(fā)電、輸電、配電和用電與存儲的關(guān)系。

除了調(diào)控方面，電池儲能本身和我們平時用的燃料也不一樣，需要通過模型預測電荷狀態(tài)（SOC）、電池的健康狀態(tài)（SOH），并且通過 AI 的模型和電池數(shù)據(jù)進行預測來更好的提高效率。電池充放電的管理還需要清楚的了解電網(wǎng)的態(tài)勢，即需要對電網(wǎng)的拓撲結(jié)構(gòu)、需求側(cè)的狀態(tài)、電力的價格和可再生能源進行分析和預測。

同時人工智能驅(qū)動的電池和儲能管理系統(tǒng)可以減少電池的測試循環(huán)，更快地在線檢查和預測電池故障，加強電池的可靠性和穩(wěn)定性，提高電池的系統(tǒng)的安全，可實時地加強電池系統(tǒng)和健康的監(jiān)測，可以提高電池的使用效率和壽命、減少電池的過度產(chǎn)能。

上圖是我們的研究小組通過深度學習算法做的人工智能電池的狀態(tài)預測，左圖是預測電池的電荷狀態(tài) (SOC) 和電池開路電壓 (OCV) 之間的關(guān)系，右圖展示的是電池在放電過程中間電荷狀態(tài) (SOC) 變化的預測，所有這些預測都是通過人工智能神經(jīng)網(wǎng)絡(luò)實現(xiàn)的，不需要任何先驗的模型和參數(shù)。

此外上圖展示了需求側(cè)的預測 (數(shù)據(jù)來自加拿大 IESO)，可以看到人工智能網(wǎng)絡(luò)能夠很好地預測需求側(cè)的狀態(tài)。人工智能和儲能會是未來發(fā)展的一個熱點，近些年國外有很多儲能相關(guān)的軟件公司，這些公司主要是針對電池電量電化學性質(zhì)和電網(wǎng)態(tài)勢繼續(xù)預測，儲能的研究會由于新技術(shù)的進入不斷地發(fā)展。