過去數十年來，電力傳輸幾乎是一套固定的線性流程：發電廠生產電力，透過電網輸送給家庭與企業，需求可預測，公用事業單位照著調整即可。然而，電動車普及、極端天氣、資料中心擴張與分散式能源資源的出現，正在讓這套模式難以為繼。
電網系統表面穩定，實際卻承受壓力
根據國際能源總署的報告，全球電力需求正快速成長。過去的挑戰只是「怎麼生產足夠的電」，現在的問題則更複雜：如何透過一套原本就沒有為高度波動設計的傳統電網，更高效且智慧地傳輸電力。
事實上，現代電網的設計與規劃，其實無法應對劇烈的電力傳輸波動，此時地理人工智慧（GeoAI）或許可以成為解決該挑戰的有效方案。
具體來說，GeoAI 結合了地理空間智慧（Geospatial Intelligence）、大型語言模型（LLM）與機器學習（ML），有望為我們賴以維生的電網系統，帶來許多實質性的改變。
基礎設施才是核心，傳統工具給不出解答
企業 AI 諮詢公司 Ascentt 資料架構與工程經理 Venkata Kondepati 強調，有鑑於電網本身的波動性，解決能源供應問題的核心關鍵，終究在於特定的變壓器、饋線、迴路等實體基礎設施，能否支撐起未來的用電需求。
Venkata Kondepati 直言，傳統的電力調度規劃工具，無法替前述問題找出有效且具體的答案，因為這些工具所採用的數據，通常來自多種來源，包括地理資訊系統（GIS）、監督控制與資料採集系統（SCADA）、智慧電表（AMI）及資產管理系統等。
想將前述的複雜資料整合成清晰的視圖，實際上非常困難，因此 GeoAI 就可以介入並發揮所長，透過人工智慧整理來自多個來源的資料，並且提供給公用事業單位統一的營運視圖。
從需求滿足示警，升級為電網理解
回顧過去，如電力公司之類的公用事業單位在調度能源供應時，其分析系統可能只會提供「某個地區的電力需求將增加 20%」等，單純反映出狀況的示警。
當 GeoAI 被導入能源調度環境，其內建的人工智慧技術就可以說出更具備實質意義的示警資訊，例如「根據目前預估的電動車充電趨勢，某饋線將於晚上 7 點超出容量限制」等。
Venkata Kondepati 強調，這兩種陳述方式之間的差異令人震撼，因為前者的說法單純只是讓公用事業單位，知道當下有哪些電力需求需要被滿足，但後者卻是反映出整體電網的波動，提醒能源供應者採取手段以適應變化。
降低轉型成本，用 AI 淺白數據語言
有鑑於成本與效率的考量，想要完全重建某個地區或國家的電網，本質上不切實際，但最佳化現有基礎設施，並且降低轉型成本，正是公用事業單位導入 GeoAI 後，最為強大的得利之處。
GeoAI 讓公用事業單位可以做到許多過去無法達成的操作，例如移轉電動車充電時的用電量高峰、於電力消耗高峰期運用儲能電池、針對特定地區推出電力調度計畫，甚至是延後進行高成本的實體設備升級工程等。
Venkata Kondepati 說，畢竟解決電力供應問題的關鍵，始終不在於如何減少整體消耗，而是在於如何進行最佳化，替不同時間、不同地點的用電需求，妥善處理供需分配。
此外，Venkata Kondepati 認為先進的分析工具也必須具備實用性，即容易讓人類直接解讀，此時 GeoAI 內建的大型語言模型，面對將複雜的電網數據，就可以輕鬆轉譯成通俗易懂的語言，讓電力調度人員可以直接參考。
舉例來說，人工智慧能夠主動分析出如「由於電動車充電需求提升，某某變壓器的負載率已達 92%，若將 20% 的負載移至非尖峰時段，即可消除過載風險」等，更進一步洞見和分析，提供給公用事業單位加以應對。
GeoAI 仍有風險，人機協作降低影響
然而，儘管 GeoAI 具備許多優勢與技術可能性，但 Venkata Kondepati 也提醒，其仍帶有部份新興風險必須納入考量。
Venkata Kondepati 指出，資料品質就是重要關鍵之一，畢竟若基礎數據發生缺漏，就可能導致最終決策失當，而互聯系統的複雜性與規模，亦讓 GeoAI 擁有一定程度的資安風險。
Venkata Kondepati 認為，應對 GeoAI 潛在風險的策略，即是採用「人機協作」的決策模式。
人機協作的內涵包括於實施解決方案之前交叉核對、完善數據治理、強化網路安全控管措施、建立稽核追蹤紀錄等。Venkata Kondepati 表示，這些方法既可以在避免潛在問題，還能夠確保整體營運效率最大化，進一步提升 GeoAI 的使用效益。
從能源供應者，轉型生態系統協調者
整體而言，電力傳輸網路正朝著動態系統的方向持續發展，未來它將具備如即時數位孿生環境、分散式能源（DER）動態併網，以及對電動車、儲能電池與太陽能的協調管理等各種功能。
透過多樣新興系統與 AI 的整合，Venkata Kondepati 認為，如電力公司等公用事業單位，將可以從單純的能源供應者，轉型為生態系統的協調者，從而將自身產出最大化。
Venkata Kondepati 強調，未來社會的挑戰並不在於如何產生更多電力，而是在於如何將電力和能源，可靠且高效率的傳輸到用電需求較高的區域。
【推薦閱讀】
◆ 小米把 Tesla 十年前沒做成的「充電蛇」推向家用車庫，無感充電成下一個 EV 競爭焦點
◆ 生產設備 20 年沒升級成工廠大隱患：AI 讓製造業現代化從高風險改造，變成可量化投資
◆ 寫加工程式從 1 小時縮減至 4 分鐘：拆解日本 ARUM 導入對話式 AI 的精密加工實戰
＊本文開放合作夥伴轉載，參考資料：Forbes、IEA，首圖來源：Pixabay
（責任編輯：鄒家彥）
