人工智能在“碳中和”行业中的应用及展望

王豪杰, 花雅雯, 雷万鹏, 万灵芝, 曹雨露, 程玉柱

(南京林业大学机械电子工程学院,江苏 南京 210037)

2020年习近平总书记提出将在2060年实现碳中和这一目标,如何利用现代技术将当代社会转化为绿色低碳型社会成为主要问题。近年来,人工智能正成为推动人类进入智能时代的决定性力量,在诸多领域发挥了重要作用。自《京都议定书》签订以来,气候变化成为世界范围内的重要议题,减少温室气体的排放以应对全球气候变暖成为世界范围内的共识。本文首先对人工智能技术、碳中和技术及行业分别进行仔细深入地剖析,指出人工智能定义、适用范围、主要的研究领域三种重要的发展观[1],以及碳中和技术发展的现状和未来趋势,寻找出人工智能与碳中和行业之间的深层联系,并探索人工智能在碳综合行业中的应用,最终对人工智能在碳中和行业中未来进一步的发展提出若干点展望。

1 人工智能技术分析

人工智能简称AI,是一项涉及计算机科学、心理学、语言学、心理学等学科的技术,涵盖几乎所有的自然科学和社会科学,主要用于研究模拟人的思维和行为[2],小到听、说、读、写,大到学习、思考、规划等,来解决生产和生活中的问题。人工智能技术主要包括问题归纳与搜索、确定性与不确定性推理、遗传和群智能算法、人工神经网络、机器学习以及模式识别等技术,主要应用于计算机视觉、自然语言处理、认知与推理、机器人学、博弈与伦理[3]等诸多领域,推动和维护着信息化时代的有序发展,在未来,它将从感知智能进阶到认知智能,大规模地应用于我们的生活,人工智能知识图谱如图1所示。

图1 人工智能知识图谱

2 碳中和技术及行业分析

碳中和技术大致可分为零碳、减碳和负碳技术。碳中和技术及行业图谱如图2所示。 零碳技术是指能源替代,包括光伏、风电、核电、氢能等新能源相关的储能技术[4];减碳技术是指节能减排,涉及发电、化工、建材、钢铁、有色金属、造纸和国内民用航空等高排放行业所应用的减排技术; 负碳技术是指吸收转化二氧化碳,包括农林碳汇,碳捕集、利用与封存应用(CCUS)等[5]相关技术。碳中和行业划分零碳、减碳、吸碳行业,零碳主要指新能源行业;减碳行业包括共享出行、无人驾驶、建筑设计、再生农业、可持续性养殖、食品消费、碳金融、绿色金融产品等行业;吸碳行业有技术性固碳和生态性固碳两大行业,从绿色建筑、绿色交通到绿色食品、绿色金融等。

图2 碳中和分类图谱

3 人工智能在碳中和行业中的应用

3.1 零碳领域的应用

零碳技术通过利用光伏、风电等清洁能源代替传统高碳能耗来进行发电、建筑以及交通等,人工智能在零碳领域主要发挥预测和监测的作用,其应用图谱如图3所示。

图3 人工智能在零碳领域中的应用图谱

在核能发电技术方面,人工智能几乎可以融入每一个环节,包括核燃料勘探和采集、核电设计、建设、运营和检修等,例如创建矿藏勘探和评价专家系统[6],实现勘探、开采设计、矿山生产等环节有机结合与衔接,提高勘探效率、减少采矿时间、化解采矿过程中的高危险和高危害元素。核装备制造是核工业领域的重要环节,利用大数据、AI 技术逐步形成对大量结构化和非结构化数据的分析处理能力,基于此能力之上,通过专家系统和神经网络等最优化技术,为核装备制造在设计、生产、运行等方面提供最优的、自动化的智能分析和决策系统。将收集到的数据存入数据仓库,利用大数据技术对数据进行预处理、过滤、分布式存储,然后使用模式匹配、无监督学习等算法对数据进行建模分析,研究当前影响工作效率、工作质量的原因,及时采用智能决策系统制定管控措施、解决方案等。大部分的运行成本都在于运营、调试、检查、安全等方面,因此通过大数据、人工智能等技术手段达到降本增效的目的。

在核工业领域,由于核设施或运行环境具有放射性,往往存在人员无法操作或者风险较大的问题,这种情况下利用机器人进入辐射性高或者操作难度大的区域进行工作,比如关键核设施维护检修、放射性废物处置、核应急响应等工作,一方面可降低防护设备的成本和人员受辐照剂量,另一方面解决人工操作受限的问题,保证核工业的安全运行。

在水电领域,利用人工智能技术预测季度水流量,以及水流的峰期,合理调整与管控[7],在提高水源的利用率和发电率的同时提高堤坝的稳定性,实现可持续发展。

在风电领域,可通过模糊逻辑、遗传算法、神经网络等智能诊断技术对风电机组问题进行及时诊断,通过人工智能技术,对一些错误的输入结果,通过规律得出接近预期结果的输出值,满足实时监控和容错能力的要求;通过机器学习建立风电发电量短期风电功率与影响因素之间的内在联系[8],将联系训练成模型,通过调用模型,便可以预测短期风电功率,经常使用支持向量机法与神经网络法。

人工智能与氢能的结合,推动着世界汽车行业的革新,将人工智能技术深度神经网络和模糊控制的最优化控制应用于燃料电池系统MPPT中,将AI技术和燃料电池系统控制策略深入结合,为氢能物流车提供更节能+更长途的解决方案,解决了发动机效率、寿命、续航里程等痛点。打造更安全高效的智慧加氢站,新一代智能加氢站,利用加氢站AI管理控制系统全面提升加氢站的管理、服务和运营效率,在安全运营的同时实现无人操作,降本增效。“AI+氢能”[9]具有巨大的潜力和无限的可能性,在更深层次的融和下,“双能合璧”必然将爆发出更惊人的能量,为碳中和目标的早日完成贡献力量。

在其他领域方面,人工智能技术也实现了完美的融合,人工智能技术实现了太阳能电站维护和衰减评估,在潮汐能发电领域,人工智能正在积极利用人工智能技术对地热资源进行定位与预测等等,人工智能在改变能源行业,在能源转型过程中起到衔接作用,实现了人工智能行业与能源行业的整合,并且在悄然改变着世界。

3.2 减碳领域的应用

人工智能应用于减碳领域,主要应用在化工、制造、发电、交通等高排碳行业,其应用图谱如图4所示。通过监测和预测排碳量,优化技术,模型设计,降低碳排放。

图4 人工智能在减碳领域中的应用图谱

在交通领域,通过5G传输数据,将物联网、车辆网、VX2与城市大脑相连,分析每辆车的位置以及路线,提供最佳方案,减少能源损耗;应用计算机视觉芯片的交通红绿灯[10],通过边缘计算交通流,优化灯时,提高通行率,减少能源损耗。同时还有通过自动驾驶技术快速发展的无人驾驶,智能车,自动驾驶等行业,均是人工智能的成果,将生活产品便捷化、舒适化的同时,降低能耗,减少碳排放。

在电力方面,可再生能源的普及、复杂大数据网络和双向能量流动特征的电力设备的使用,人工智能正在推动电力生产和电网行业的改革。在发电侧,利用新能源发电,利用人工智能的机器学习、智能算法等技术进行短期、长期、超长期预测,优化系统,设计模型,减少传统能耗;在输变电设备故障智能诊断和状态评估中,根据出现的问题,综合非均衡数据学习、代价敏感学习等算法,给出变压器设备的自动化、差异化、客观量化状态评价结果,减少运输过程中的电力损失,间接减少碳排放。

在化工领域,主要应用知识图谱技术、预防性维护、全厂智能优化等技术,依托阿里云强大的云计算、物联网与大数据技术,建立化工大数据平台,对于企业生产设备、运营的数据进行数据价值挖掘,帮助企业优化工艺,降低人力成本,提高生产安全。可通过收集导热油炉的实时数据,辨识导热油炉内油温、送风量、给煤量的模型,并通过实时控制和优化的算法进行强化学习,稳定控制炉内油温,降低燃煤消耗,应用于锅炉时吨蒸汽煤耗降低2.6%,每年节省数千万的燃煤成本。还可通过成分收率提升引擎通过对历史数据和实时数据的学习和大数据建模分析,寻找最佳的参数组合,在合理的能源、 原料消耗的前提下,最大限度地提高成分收率,减少原耗,兼顾能耗;在工业制造领域主要为人工智能机器人的投入使用,减少人工干预,减少能耗,提高能效。

人工智能在高排碳行业的大量应用,通过预测模拟和实际操作两种方式使行业更加智能化、有序化、便捷化,实现实时优化调度,节约了能源和成本。

3.3 负碳领域的应用

负碳主要是指通过吸收二氧化碳并进行转化的技术,按功能划分为碳资源化利用技术,生物炭固碳技术,生态碳汇技术,人工智能在负碳行业中主要应用于林业碳汇,碳捕集、利用与封存应用(CCUS)等,其应用图谱如图5所示。

图5 人工智能在负碳领域中的应用

在林碳汇行业中,通过人工智能技术为传统林业输入新的活力,通过人工智能+林业,创建新模式,开发新领域,建设完备的信息化农林机制,开展示范性工程, 指充分利用云计算、物联网、大数据、移动互联网等新一代信息技术,通过感知化、物联化、智能化的手段,形成林业立体感知、管理协同高效、生态价值凸显、服务内外一体的林业发展新模式,实现林业信息资源数字化、林业资源相互感知化、林业信息传输互联化、林业系统管控智能化、林业体系运转一体化[11]、林业创新发展生态化、林业综合效益最优化,为碳中和计划的实现贡献一份力量。

碳捕集、利用、封存(CCUS)主要利用烟气预处理、吸收再生、压缩干燥以及制冷液化系统,对电厂等大型二氧化碳排放源的烟气进行预处理,生成二氧化碳产品再利用的过程,最终目标实现化石能源的零排放,人工智能技术主要应用于数据预估和技术、模型的建造,优化方案,接下来我将列举一些应用和案例来介绍人工智能在此技术中的应用。

碳捕集可以分为燃烧前捕集(Pre-combustion)、富氧燃烧(Oxy-fuel combustion)和燃烧后捕集(Post-combustion)。人工智能技术在燃烧碳捕集中主要运用于IGCC(整体煤气化联合循环)系统,精密计算水煤气的制作过程中配置的空气含量,应用神经网络和深度学习进行技术分析和数据总结,建立完整的神经网络,根据输入结果取得输出最优结果,减少能源浪费,同时可通过AI视觉监测技术监测化工塔内的温度、空气密度等并及时核算和调整,在此过程中,提供的燃烧热,冷冻条件等均可利用遗传回归算法、模拟技术进行模拟与计算。美国在未来发电计划中投资建设一座IGCC电厂,计划实现零排碳的目标。富养燃烧主要通过提升燃烧过程中的氧气,提升最终二氧化碳浓度,直接进行处理,重点是监测氧气浓度和生成二氧化碳浓度,人工智能技术在此方面发挥巨大作用。主要应用有:燃烧后捕集是指在烟气中收集二氧化碳,主要利用化学吸收和物理吸收以及膜分离技术,通过人工智能技术的计算与模拟,优化最终方案。

碳利用主要包括化工利用,将CO2以化学形式转换成合成能源、化学品等目标产物,通过机器学习技术,利用规律对数据进行预测分析的算法。在化学合成领域中主要应用于根据化学物的结构分析出多种合成路线,预测材料化学性质、谱图模拟以及路线的算法优化,利用神经网络在蒙特卡洛树步骤中引入深度神经网络能够提高计算精度与效率,该项技术在化学合成领域中既可用于寻找路径,也可对可能的逆合成路线进行初步筛选,用于训练神经网络的测试集包括了所有过往的有机化学反应;采用计算机视觉技术,在化学合成主要应用于分子合成中的结构块形态、反应的起始点和节点的识别。以及通过推荐系统,根据系统所设定的条件,借助自身云计算的能力所实现,主要能够帮助化学家在多种合成路径当中筛选出简洁高效的最优方法。同时还可以通过机器人技术,在化学合成时,主要应用于以机器人执行的自动化合成平台,机器人辅助执行所有合成操作流程,组装连续流动路径,实现自动化合成。包括自动检测机器人、自动控制机器人、自动合成机器人。二氧化碳封存技术主要可分为地质封存与海洋封存两种[12],在地质封存过程中可采用数据驱动与知识引导相结合的方法,对地质变化、径流走向、封存深度等复杂场景下的非线性演化进行预测,同时可根据地质结构进行评估和推断,预测二氧化碳应该注入地质层的深度以及注入的体积和封存时间,可利用人工智能模拟实际环境,进行评估与总结。在海洋封存中,利用大数据、智能追踪技术系统解析海洋微生物所驱动的碳循环过程,解析碳汇相关的关键微型生物物种、功能基因家族的碳汇图谱等[13],但海洋封存技术尚未成熟,同时监测二氧化碳是否逸出也是一项重要难题。

4 人工智能在碳中和行业中的展望

碳中和各行业有巨大的发展空间和潜力,人工智能技术尚未完全融入其中,在清洁能源的利用与开发方面,可通过收集和分析大量数据,做到更为精准的预测与监测,提升神经网络系统的灵活性,同时可利用人工智能技术,拓宽清洁能源的开发渠道和建立高智能化能源收集工厂,同时利用人工智能进行行业创新,不断提升能源开发技术,例如谷歌在利用人工智能技术开发地热能,使用先进的钻探、光纤传感、分析技术,收集流量、温度的实时数据,精确控制水流和寻找资源位置,灵活释放地热能,同时在传统能源的开发与利用方面要及时兼顾,通过技术模拟,提高能源利用率的同时提高碳回收率,人工智能技术在碳中和行业中的应用推动着该行业的不断改革,它提供了一个难得的机会,可以加速向高效、零排放和互联的能源系统发展,这是我们创造更美好明天所需的。在负碳行业中,人工智能将传统能源与新能源的衔接作用,推动电力行业的快速转型,大力发展光电、水电,逐步将火电转换为辅助电力。在交通领域,通过发展人工智能技术对货运以及客运场景进行模拟,创建场景模拟系统,通过不断发展,使得场景更为简洁、智能,推动货运,客运的智慧发展,同时可通过人工智能技术,为人们的出行规划更为精准方案,实现智慧出行,还通过人工智能技术与氢能紧密结合,推动新能源汽车行业的改革。将人工智能与碳捕集相结合,通过建立人工智能系统,进行不断模拟与测试,设计最优方案,促进碳捕集行业的发展。同时,通过不断优化智能系统,将进一步推进碳利用的进步,同时在碳封存领域,可以开发海洋荒漠等地域,通过人工智能技术进行智能分析,为碳存储开辟新的天地,同时可建立监测系统,对封存情况进行及时反馈和调整。