生物系统和电力系统有何关联

电力作为最重要的人类终端能源，大约占我们所消耗的能源的 19%，并且这个比例与日俱增，根据国际能源机构的预测，在 2040 年这个比例会达到 24%，同时大部分可再生能源也是通过电力的形式提供给人们使用。

国际能源机构在 2018 年的世界能源展望报告里提到，对终端能源的电力化是脱碳和零排放最有希望的一条道路，电力由于其特殊的物理性质无法存储，因此储能是电力变革的重要技术。

新能源电动车、电力的削峰去谷、电力质量的提高、氢能源的并网都与储能技术息息相关，围绕储能的电网服务同时也有很多价值链，电网需要对电力的发、输、配、用进行管理。未来的电力管理从集中走向分布，这个变革需要储能技术，同时也需要信息和数据驱动的人工智能技术。

电网经历了三个发展阶段，从小规模电网到大规模电网到现在正在发展中的智能电网。电网是一个包括发电站、输电网、配电装备、控制和监控设备组成的一个巨大的复杂网络。

上图是北美东部互联电网，在这个电网中间有三万个负载和发电节点和五万个输运相关的线路，这个电网横跨了包括美国的 31 个州和加拿大的 5 个省，是一个非常复杂的动力系统。

人工智能技术在电力系统方面有两个应用。

首先，由于电力系统非常复杂，我们很难用简单的方程对其进行描述，人工智能可以帮助我们更好地理解电网的复杂动力系统，提高电力的稳定性、鲁棒性和柔韧性。其次，我们可以通过人工智能的算法来更高效地对电力系统的资产进行管理。

这个世界上有没有一个高效的复杂网络可以给电网的设计提供借鉴呢？首先这个网络必须是分布式的，有很好的柔韧性、非常稳定、能够对间歇性能源进行调控。这个网络是存在的，就是我们的生物网络。

经过数亿年的进化，我们的生物体系形成了很多复杂网络来调控能量和信息的流动，如基因调控网络、蛋白质互动网络、新陈代谢网络以及信号网络和神经网络，我们的身体就是靠这些复杂的高效的网络进行管理和协调。

生物网络，例如新陈代谢的网络和智能电网有很多相似的地方，在比较这两个系统时，会发现智能电网有不同的电力来源，同时在智能电网中有不同的能源形式存在，而我们的新陈代谢网络，可以对不同的食物、不同的能量来源进行消耗，这些能量消耗的线路都是耦合在一起的。

我们可以具体地比较智能电网和代谢网络。

首先在智能电网中有很多间歇性可再生能源，在生物体系新陈代谢网络中食物的摄取也是间歇性的，例如我们的糖分、碳水化合物。

其次，在智能电网中电力的来源具有多样性，而生物体系中间食物的来源同样也有多样性。

同时两个系统都有自己的传感器以获得系统的状态，进而对系统的状态进行预测，在生物系统中这个传感器就是蛋白质，例如酶、抗体、抗原等。

并且两个系统都会有自己的信息网络对能源进行存储和配送，而这个信息网络的调控则是分布式的，储能是实现这两个系统最重要的一个环节，生物系统用 ATP 三磷酸腺苷，而智能电网可以利用锂电池等等储能系统。

生物系统经过数亿年的进化形成了这套复杂网络，我们希望通过学习生物系统的复杂网络为智能电网和储能提供更优化的设计原则。

系统生物学的研究发现，生物体系复杂网络中有很多重复的单元，这些单元往往跟生物体系的某些功能息息相关，我们把这个单元叫做 Motif。Motif 本意是图案中间的重复样式，这个概念引进到生物体系中发现在生物网络 Motif 结构出现的比例非常高，往往和特殊的需求有关。

在复杂电网中也有 Motif 结构，研究发现加强和适当提高电网的某些 Motif 结构对提高电力系统的稳定性有帮助，未来我们希望通过复杂电力网络结构的研究，来优化电网的发电、输电、配电和用电与存储的关系。

除了调控方面，电池储能本身和我们平时用的燃料也不一样，需要通过模型预测电荷状态（SOC）、电池的健康状态（SOH），并且通过 AI 的模型和电池数据进行预测来更好的提高效率。电池充放电的管理还需要清楚的了解电网的态势，即需要对电网的拓扑结构、需求侧的状态、电力的价格和可再生能源进行分析和预测。

同时人工智能驱动的电池和储能管理系统可以减少电池的测试循环，更快地在线检查和预测电池故障，加强电池的可靠性和稳定性，提高电池的系统的安全，可实时地加强电池系统和健康的监测，可以提高电池的使用效率和寿命、减少电池的过度产能。

上图是我们的研究小组通过深度学习算法做的人工智能电池的状态预测，左图是预测电池的电荷状态 (SOC) 和电池开路电压 (OCV) 之间的关系，右图展示的是电池在放电过程中间电荷状态 (SOC) 变化的预测，所有这些预测都是通过人工智能神经网络实现的，不需要任何先验的模型和参数。

此外上图展示了需求侧的预测 (数据来自加拿大 IESO)，可以看到人工智能网络能够很好地预测需求侧的状态。人工智能和储能会是未来发展的一个热点，近些年国外有很多储能相关的软件公司，这些公司主要是针对电池电量电化学性质和电网态势继续预测，储能的研究会由于新技术的进入不断地发展。