智能電網、電力大數據、硬件發展，再加上軟件的優化乃至全球各類電力用戶的參與，使得智能電網成為主流。公共事業部門正面臨著智能化的必然選擇，全球尚未建立智能電網的統一運營模式，隨著消費者數量不斷增加，大多數消費者也將要求獲得越來越多的智能化用電選擇。

對于所有電力企業來說，不可避免地需要思考——需要什么樣的智能電網？應當從何處著手，以何種方式從傳統技術向智能化技術轉型？智能化的轉型面臨怎樣的困難？對于用戶而言，體驗有何變化？智能電網實現了信息互聯，它安全嗎？隱私是需要擔憂的問題嗎？

Ram Rajagopal博士是美國斯坦福大學可持續發展系統實驗室Stanford Sustainable Systems Lab (S3L)負責人，專注于可再生能源、智能配電系統和需求側數據分析的整合。其研究重點是電力網絡的大規模監控以及數據分析。采訪中，Rajagopal分享了斯坦福大學基于大數據驅動的智能電網研究，如何從實驗室走到我們身邊，并通過增強電網協調性，悄悄改變我們的生活。

以下為經過編輯的采訪實錄。

從“Smart Grid”到“ Intelligent Grid”

eo：智能電網現在得到越來越多的關注和應用，您為何會對智能電網的研究產生興趣，又是如何進入這個領域的？

Rajagopal：我從事智能電網方面的研究始于9年前，對這個方向產生興趣基于兩點原因。首先源于個人背景，我來自巴西，但在那里電力系統以及電力服務一直是困擾巴西政府的一大難題，我兒時時常遭遇供電時好時壞的狀況。9年前，我對氣候變化也有了很多了解，我的學術背景是通過利用傳感器數據以及建立模型為管理電力網絡提供解決方案。那時我就在想，也許用這些方法來管理電能，我們就能夠提升系統的性能，并助力電力系統轉型，以便其能接受更多可再生能源。

eo：我注意到您同時也有計算機技術的學術背景，這對您在智能電網的研究有怎樣的幫助？

Rajagopal：我在加州大學伯克利分校獲得了電力工程與計算機科學的博士學位，以及統計學碩士的學位，因此我會結合一些IT技術和建模方法并應用在電力系統的研究中。

eo：您的智能電網實驗室現在主要研究哪些智能電網以及電力大數據的課題？

Rajagopal：我們的實驗室主要關注于分布式能源的利用，包括太陽能板、儲能、電動汽車，智能建筑等，并從中了解電力消費者如何從使用這些電力資源中獲益并支持整個電網。這些課題包括了如何提供發電服務，如何協調電力資源并且建立電力生產與消費的資源。

eo：根據美國能源部對智能電網的定義，它是在從發電到用電的整個過程實現信息和電能的雙向流動，那么目前國際上智能電網從科研到實際應用發展到了哪一步？

Rajagopal：事實上智能電網的有兩種定義。其中一種較為傳統的即能源部下的定義，也就是能夠實時與電力資源交互連接，這種技術在今天的實際情境中幫助你從電力消費者那里實時獲取更多數據，也幫助你互相交流資源并釋放信號，這在目前已經實現了。

但是如果你想要的是“智能化的電網”（Intelligent Grid）而不是傳統意義上的智能電網（Smart Grid），前者包含了更多層的意義。它可以使消費者將他們擁有的任何一種電力資源并網，并且實現電力的交換。同時利用它產生的數據建立更好的模型分析用戶習慣，并且利用這些模型來提高系統性能，降低可再生能源并網的成本。

eo：也就是說是現有智能電網的升級版？

Rajagopal：是的，它側重的是頂層的信息交互。通過基于數據的模型，利用你收集來的信息可以了解消費者的行為習慣，電網自身的行為習慣，并且通過模型自動做出選擇。因此，電網能以很快的速度得出很多決定，診斷問題，最終決定應該使用哪一種電力資源，但是目前很多情況并不是自動調度。因此我們現在處于由智能電網向智能自動化的電網過渡的階段。

eo：也就是從人工調度向智能機器調度的轉變？

Rajagopal：是的，智能化的電網首先能幫助人類一起工作，提供很多選擇。這是你需要很多的工程經驗才能獲取的，但智能電網做出的很多選擇就可以通過機器自動完成。也許最終這些算法會變得很強大并能夠代替人為做出選擇。因此，你就能在單位時間做出更多的選擇，而如果你了有很多選擇，那么你在做選擇時就能更有效，最終可以降低操作系統的成本。

智能電網核心：協調各類電力資源

eo：有觀點認為需求響應以及微電網是智能電網的核心，您是否贊同這一觀點？

Rajagopal：需求響應和微電網是兩種技術不同的技術，用以幫助提高電網的智能性。微網從本質上說是指有一系列當地的電力資源可以調配 這些當地資源在極端條件下依然可以使用。需求響應是指你能夠控制自己的用電負荷并有可能放棄使用部分負荷。

我們換個思路考慮這個問題，另一種提高電網智能性的重要方法，其實是增加電力資源之間的可協調性。不管是微網還是需求響應，都是通過在某一范圍內協調這些電力資源來為其他的電力系統提供能量。因此，我認為智能電網的核心應該是通過更精確的模型從而更好地調配電力。不同的技術都可以成為電力協調的一部分，他們不是競爭的關系。

eo：每個國家對于智能電網的定義各有差異和側重，有些地區如澳大利亞側重于分布式能源，而有些地區則依托于大電網，那這二者之間對于電網“智能化”的要求有何不同？

Rajagopal：區別在于，不同區域擁有的電力資源不同，更重要的是政策架構的不同。比如說，在美國擴大電網建設的過程非常復雜，從得到許可到建立完成大概要花費10年時間，實際建設輸電線路只需要1年。但是在中國，建設輸電網絡要更有效率。智能電網的目標旨在提高交互能力，增加能源供給的種類，有更多機會實現高效調度。通過輸電線路把偏遠地區便宜的電力運送到負荷中心更合理地配置資源。但相比要花很長時間，那么在社群內建屋頂太陽能是更好的選擇。因此兩者路徑都要考慮使用可持續性的清潔能源且價格更低的電力，增加協調的可能性。各個地區復雜的政策架構的不同在大多數情況下決定了他們對“智能化”的不同選擇 。

eo：從技術上來看，發展智能電網遇到的最大的難點是什么？

Rajagopal：我認為有以下幾點，首先是缺少通信標準。目前只有部分電網設定了通信標準，但是智能設備有太多制造商，這就需要統一的通信標準來實現家庭儲能、家用電器等的信息互動并優化互動。

第二個挑戰在于，現在正在運行的電網非�？煽�。如果我們改造電網，我們就需要保護或者提高電網可靠性。因此怎樣實現轉型，與現有電網并存也是一大難點。

第三，系統的協調性也是一大挑戰。許多科技專注于細節，或者某種技術，比如發展微網，儲能等等，但是不能忽略的是整個工程系統需要通盤考慮。這些問題都是可以解決的。

eo：就您對智能電網建設情況的了解，目前中國處于怎樣的水平？

Rajagopal：這是我第三次到中國訪問，從大學到電網公司包括國家領導都很看重如何并網更多的風電、光伏，使電力更清潔，并提高電網的可靠性。中國電網的快速發展是非常令人震驚的。甚至可以預見，在不遠的將來，中國能夠承擔起未來電力系統的重要部分。

智能電網VS電力市場

eo：在美國，電力市場包括了實時市場、輔助服務市場、容量市場等，需求響應這一類技術怎樣參與這一類市場？當我們在應用這樣的技術來協調電力需求時，是否應該設計一些新的市場規則來輔助這種服務？

Rajagopal：如果你有更精確的消費者行為習慣的模型，你可以利用它們在廣泛的區域內協調電力資源。這不是僅僅協調非常大的工業負荷，也可以整合商業負荷、居民負荷等中小負荷，并且利用這些模型實現當用戶收到需要需求響應的信號時，令他們可以積極地參與響應，這是數據起作用的地方之一。一旦你有跟蹤信號的能力，你就可以參與電力市場的各個服務。

當你有了新的電力資源，市場還需要提供些什么呢？現有的電力市場在規劃設計時未考慮占重要比例的可再生能源電力的出現，也沒有考慮負荷的靈活性。比如電動汽車需要在某一特定時間有相應的電量�，F有的電力市場都未曾設計,因此你會發現對于智能化設計而言，增加電力市場支持非常有挑戰性。很多研究正在關注在批發市場（Wholesale Market）怎么做，斯坦福的研究有些許差別。我們考慮或許可以在交互能源系統（Transactive System）中有所作為,使所有靈活的負荷能在當地利用。而在全球的層面，我們希望能有更簡單的電網架構，這也是我們正在研究的方向。

eo：美國有很多種類的電力市場，如容量市場、輔助服務市場等，但是在中國并未建立起這一類服務性質的電力市場，缺乏這一類市場的參與，對于中國居民參與智能電網的如需求響應、微網等技術會不會打折扣？

Rajagopal：雖然我不是電力市場設計方面的專家，但是與電力用戶有非常緊密的合作。電力用戶參與市場最重要的事之一，是他們必須了解如果我參與提供服務我應該得到什么樣的回報？如果缺少回報機制，用戶參與這些市場就有難度。有人認為應該建立場，有人認為有其他的激勵方法，更多的研究表明，獎勵不一定是經濟形式，也可以是補償或者其他類型。如果缺少市場設計，就需要仔細考慮怎樣才是最好的設計。

數據驅動的POWER NET項目

eo：大部分可再生能源的分布遠離負荷區，基于數據驅動的電網怎樣提高可再生能源的并網能力？

Rajagopal：最基本的是提高對傳輸線路的管理能力，對電力資源進行合理分配。風、光發電由于多變性需要預測并且分配電力來補償，而數據可以幫助提高預測精度，并優化電力的供給和需求，甚至智能參與調控用電負荷。

eo：您提到您在斯坦福的研究是基于數據驅動，和數據有很多相關的工作，您也提到您認為智能電網的核心是增強電網的協調能力。那么斯坦福是怎樣通過使用基于數據的研究來增強電網協調性？

Rajagopal：在斯坦福，我們雖然不參與電網運營，但通過與電網合作，為他們提供包括以下幾個層面的現代專業技術。一類是數據的發展維護，包括統計數據到最終執行；第二類是發展自動化等技術的算法；第三類是參與系統工程，建立對工程模型系統性的理解。

通過與電網的合作我們發現，協調電網電力資源配置的領域有很多機會。我們已經進行了相關研究，例如如何建立用戶行為的模型，利用數據資源來分析用戶的行為習慣；以及基于實時測量的數據建立網絡模型，將這些數據上傳到云系統，在未來的工作中也可使用這些數據。斯坦福正進行一項“power net”的項目，考慮的是在擁有更好的網絡模型和用戶模型的條件下，我們如何來協調這些資源？把硬件、軟件、用戶界面、算法等等這些智能技術應用在現實世界。

eo：多年來公用事業公司和售電公司投資智能電表， 收集來龐大數據，在您看來有多少數據是有效信息，又有什么用？怎么提取有用信息并如何應用這些信息?

Rajagopal：從能源和電力領域的數據科學家的角度來看，所有的數據都是有用的，關鍵在于你需要利用這些數據來解決有趣的問題。智能電表的數據非常有用，比如說建立用戶行為習慣的模型，這些模型可以預測用戶對不同的信號是如何反應的，用于生成用戶消費方式的分析。另一個做法是利用智能電表的測量的方式來建立電力網絡模型，這種模型是實體的。此外，還可以通過智能電表的數據來了解不同電力消費方式對排放的影響有何不同？用戶的電力消費行為將如何變化？他們是否有不同的生活方式？

用戶隱私VS用戶體驗

eo：智能電網實現了用戶用電信息的互通互聯，通過智能電表傳輸這些數據到數據庫。但是掌握了這些數據，也就相當于掌握了用戶的行為習慣，比如說，你何時睡覺，何時在家等等，如果這些數據的信息庫被竊取，或者說被一些大公司掌握， 需不需要擔憂它的安全問題？以及您怎樣看待這涉及到的用戶隱私的問題？

Rajagopal：在安全方面，不僅是在電力系統也包括計算機系統，有很多人在關注如何保護從智能電表收集來的數據，這是保證安全的一方面。就網絡系統而言，比如你提到的數據庫，以及基于電腦的系統，現在較為推薦的做法是使用某些來自谷歌、微軟、亞馬遜的云系統，因為這些公司提供了安全協議，加密編碼等來防止你遭到黑客侵襲。大多數情況下，如果使用這些云系統，安全會得到保障。

關于用戶隱私，這是一個有趣的問題，有人正在嘗試如何給智能電表數據或者來自用戶的數據增加隱私的層次并依舊保持它的有效性。這是一種方法，也在和關注這方面的同事合作,并且有一些有趣的發現。在美國，智能電表的數據并不是非常有規律。我們從數據中看到的信息并不算多。事實上從智能電表數據中預測用戶習慣難度非常高。

曾經有一項研究表明通過建模來預測一戶家庭是否有人吸煙。他們發現模型的預測結果與進入那個社區觀察得到正確結果的次數一樣，只是知道人數的大致比例，所以增加的信息并不多。

對隱私的擔心確實存在�？晌覀儾环吝@樣考慮，智能電表是在為你提供服務，這樣你考慮的問題就不在于是否犧牲了你的隱私，而更多的是通過分享數據，你會得到更好的用戶體驗，比如說像在Facebook這種平臺，因為我們希望服務優化，所以我們分享信息時往往會向這方面考慮更多。實際上有人告訴我，對于現在的年輕一代來說，隱私并不是他們最為關心的問題。

eo：所以我們關心隱私的問題是太早了嗎？

Rajagopal： 這不是時間早晚的問題。我個人的理解是當你需要分享信息，但卻并沒有得到更好的體驗及服務，這時你才會考慮到關于隱私的問題。相反，如果你體驗到了好的服務， 就不會過于擔心分享您的信息會成為一個問題。
eo：您能否描繪一下未來10到20年智能電網的形態？

Rajagopal：我認為未來的智能電網是更加自動化的電網，它可以接受大量的可再生能源，并能在全球得到運用而不僅僅在發達國家和經濟增長迅速的經濟體，我們或許感受不到電網的存在，在不知不覺中就完成電力的交互，并且會有越來越多的人加入這樣的電力網絡。這種電網機制可以用于協調、交易等等，可以像互聯網一樣，但電網比互聯網更加復雜。電力的管理會為服務帶來邊際效應。比如你有無人駕駛汽車，即使你不知道什么時候去充電，它也可以自動與電網協調充電時間。

eo：最近關于特朗普削減科研經費的消息，您作為研究者是否感受到了影響或者變化？

Rajagopal： 現在還沒有，我們現在與能源部的合作項目并未受到影響。雖然政治和政策經常改變，但能源問題總是需要解決，現在我們還是從能源部得到很大的支持。在美國，為能源、科技提供支持的系統比總統的指令要強大得多，這是我個人目前的經歷，不過或許之后會發生變化。（eo記者 蔡譯萱）
來源：南方能源觀察