智能电网、电力大数据、硬件发展，再加上软件的优化乃至全球各类电力用户的参与，使得智能电网成为主流。公共事业部门正面临着智能化的必然选择，全球尚未建立智能电网的统一运营模式，随着消费者数量不断增加，大多数消费者也将要求获得越来越多的智能化用电选择。
对于所有电力企业来说，不可避免地需要思考——需要什么样的智能电网？应当从何处着手，以何种方式从传统技术向智能化技术转型？智能化的转型面临怎样的困难？对于用户而言，体验有何变化？智能电网实现了信息互联，它安全吗？隐私是需要担忧的问题吗？
Ram Rajagopal博士是美国斯坦福大学可持续发展系统实验室Stanford Sustainable Systems Lab (S3L)负责人，专注于可再生能源、智能配电系统和需求侧数据分析的整合。其研究重点是电力网络的大规模监控以及数据分析。采访中，Rajagopal分享了斯坦福大学基于大数据驱动的智能电网研究，如何从实验室走到我们身边，并通过增强电网协调性，悄悄改变我们的生活。
以下为经过编辑的采访实录。
从“Smart Grid”到“ Intelligent Grid”
eo：智能电网现在得到越来越多的关注和应用，您为何会对智能电网的研究产生兴趣，又是如何进入这个领域的？
Rajagopal：我从事智能电网方面的研究始于9年前，对这个方向产生兴趣基于两点原因。首先源于个人背景，我来自巴西，但在那里电力系统以及电力服务一直是困扰巴西政府的一大难题，我儿时时常遭遇供电时好时坏的状况。9年前，我对气候变化也有了很多了解，我的学术背景是通过利用传感器数据以及建立模型为管理电力网络提供解决方案。那时我就在想，也许用这些方法来管理电能，我们就能够提升系统的性能，并助力电力系统转型，以便其能接受更多可再生能源。
eo：我注意到您同时也有计算机技术的学术背景，这对您在智能电网的研究有怎样的帮助？
Rajagopal：我在加州大学伯克利分校获得了电力工程与计算机科学的博士学位，以及统计学硕士的学位，因此我会结合一些IT技术和建模方法并应用在电力系统的研究中。
eo：您的智能电网实验室现在主要研究哪些智能电网以及电力大数据的课题？
Rajagopal：我们的实验室主要关注于分布式能源的利用，包括
eo：根据美国能源部对智能电网的定义，它是在从发电到用电的整个过程实现信息和电能的双向流动，那么目前国际上智能电网从科研到实际应用发展到了哪一步？
Rajagopal：事实上智能电网的有两种定义。其中一种较为传统的即能源部下的定义，也就是能够实时与电力资源交互连接，这种技术在今天的实际情境中帮助你从电力消费者那里实时获取更多数据，也帮助你互相交流资源并释放信号，这在目前已经实现了。
但是如果你想要的是“智能化的电网”（Intelligent Grid）而不是传统意义上的智能电网（Smart Grid），前者包含了更多层的意义。它可以使消费者将他们拥有的任何一种电力资源并网，并且实现电力的交换。同时利用它产生的数据建立更好的模型分析用户习惯，并且利用这些模型来提高系统性能，降低可再生能源并网的成本。
eo：也就是说是现有智能电网的升级版？
Rajagopal：是的，它侧重的是顶层的信息交互。通过基于数据的模型，利用你收集来的信息可以了解消费者的行为习惯，电网自身的行为习惯，并且通过模型自动做出选择。因此，电网能以很快的速度得出很多决定，诊断问题，最终决定应该使用哪一种电力资源，但是目前很多情况并不是自动调度。因此我们现在处于由智能电网向智能自动化的电网过渡的阶段。
eo：也就是从人工调度向智能机器调度的转变？
Rajagopal：是的，智能化的电网首先能帮助人类一起工作，提供很多选择。这是你需要很多的工程经验才能获取的，但智能电网做出的很多选择就可以通过机器自动完成。也许最终这些算法会变得很强大并能够代替人为做出选择。因此，你就能在单位时间做出更多的选择，而如果你了有很多选择，那么你在做选择时就能更有效，最终可以降低操作系统的成本。
智能电网核心：协调各类电力资源
eo：有观点认为需求响应以及微电网是智能电网的核心，您是否赞同这一观点？
Rajagopal：需求响应和微电网是两种技术不同的技术，用以帮助提高电网的智能性。微网从本质上说是指有一系列当地的电力资源可以调配 这些当地资源在极端条件下依然可以使用。需求响应是指你能够控制自己的用电负荷并有可能放弃使用部分负荷。
我们换个思路考虑这个问题，另一种提高电网智能性的重要方法，其实是增加电力资源之间的可协调性。不管是微网还是需求响应，都是通过在某一范围内协调这些电力资源来为其他的电力系统提供能量。因此，我认为智能电网的核心应该是通过更精确的模型从而更好地调配电力。不同的技术都可以成为电力协调的一部分，他们不是竞争的关系。
eo：每个国家对于智能电网的定义各有差异和侧重，有些地区如澳大利亚侧重于分布式能源，而有些地区则依托于大电网，那这二者之间对于电网“智能化”的要求有何不同？
Rajagopal：区别在于，不同区域拥有的电力资源不同，更重要的是政策架构的不同。比如说，在美国扩大电网建设的过程非常复杂，从得到许可到建立完成大概要花费10年时间，实际建设输电线路只需要1年。但是在中国，建设输电网络要更有效率。智能电网的目标旨在提高交互能力，增加能源供给的种类，有更多机会实现高效调度。通过输电线路把偏远地区便宜的电力运送到负荷中心更合理地配置资源。但相比要花很长时间，那么在社群内建屋顶太阳能是更好的选择。因此两者路径都要考虑使用可持续性的清洁能源且价格更低的电力，增加协调的可能性。各个地区复杂的政策架构的不同在大多数情况下决定了他们对“智能化”的不同选择 。
eo：从技术上来看，发展智能电网遇到的最大的难点是什么？
Rajagopal：我认为有以下几点，首先是缺少通信标准。目前只有部分电网设定了通信标准，但是智能设备有太多制造商，这就需要统一的通信标准来实现家庭储能、家用电器等的信息互动并优化互动。
第二个挑战在于，现在正在运行的电网非常可靠。如果我们改造电网，我们就需要保护或者提高电网可靠性。因此怎样实现转型，与现有电网并存也是一大难点。
第三，系统的协调性也是一大挑战。许多科技专注于细节，或者某种技术，比如发展微网，储能等等，但是不能忽略的是整个工程系统需要通盘考虑。这些问题都是可以解决的。
eo：就您对智能电网建设情况的了解，目前中国处于怎样的水平？
Rajagopal：这是我第三次到中国访问，从大学到电网公司包括国家领导都很看重如何并网更多的风电、光伏，使电力更清洁，并提高电网的可靠性。中国电网的快速发展是非常令人震惊的。甚至可以预见，在不远的将来，中国能够承担起未来电力系统的重要部分。
智能电网VS电力市场
eo：在美国，电力市场包括了实时市场、辅助服务市场、容量市场等，需求响应这一类技术怎样参与这一类市场？当我们在应用这样的技术来协调电力需求时，是否应该设计一些新的市场规则来辅助这种服务？
Rajagopal：如果你有更精确的消费者行为习惯的模型，你可以利用它们在广泛的区域内协调电力资源。这不是仅仅协调非常大的工业负荷，也可以整合商业负荷、居民负荷等中小负荷，并且利用这些模型实现当用户收到需要需求响应的信号时，令他们可以积极地参与响应，这是数据起作用的地方之一。一旦你有跟踪信号的能力，你就可以参与电力市场的各个服务。
当你有了新的电力资源，市场还需要提供些什么呢？现有的电力市场在规划设计时未考虑占重要比例的可再生能源电力的出现，也没有考虑负荷的灵活性。比如电动汽车需要在某一特定时间有相应的电量。现有的电力市场都未曾设计,因此你会发现对于智能化设计而言，增加电力市场支持非常有挑战性。很多研究正在关注在批发市场（Wholesale Market）怎么做，斯坦福的研究有些许差别。我们考虑或许可以在交互能源系统（Transactive System）中有所作为,使所有灵活的负荷能在当地利用。而在全球的层面，我们希望能有更简单的电网架构，这也是我们正在研究的方向。
eo：美国有很多种类的电力市场，如容量市场、辅助服务市场等，但是在中国并未建立起这一类服务性质的电力市场，缺乏这一类市场的参与，对于中国居民参与智能电网的如需求响应、微网等技术会不会打折扣？
Rajagopal：虽然我不是电力市场设计方面的专家，但是与电力用户有非常紧密的合作。电力用户参与市场最重要的事之一，是他们必须了解如果我参与提供服务我应该得到什么样的回报？如果缺少回报机制，用户参与这些市场就有难度。有人认为应该建立场，有人认为有其他的激励方法，更多的研究表明，奖励不一定是经济形式，也可以是补偿或者其他类型。如果缺少市场设计，就需要仔细考虑怎样才是最好的设计。
数据驱动的POWER NET项目
eo：大部分可再生能源的分布远离负荷区，基于数据驱动的电网怎样提高可再生能源的并网能力？
Rajagopal：最基本的是提高对传输线路的管理能力，对电力资源进行合理分配。风、光发电由于多变性需要预测并且分配电力来补偿，而数据可以帮助提高预测精度，并优化电力的供给和需求，甚至智能参与调控用电负荷。
eo：您提到您在斯坦福的研究是基于数据驱动，和数据有很多相关的工作，您也提到您认为智能电网的核心是增强电网的协调能力。那么斯坦福是怎样通过使用基于数据的研究来增强电网协调性？
Rajagopal：在斯坦福，我们虽然不参与电网运营，但通过与电网合作，为他们提供包括以下几个层面的现代专业技术。一类是数据的发展维护，包括统计数据到最终执行；第二类是发展自动化等技术的算法；第三类是参与系统工程，建立对工程模型系统性的理解。
通过与电网的合作我们发现，协调电网电力资源配置的领域有很多机会。我们已经进行了相关研究，例如如何建立用户行为的模型，利用数据资源来分析用户的行为习惯；以及基于实时测量的数据建立网络模型，将这些数据上传到云系统，在未来的工作中也可使用这些数据。斯坦福正进行一项“power net”的项目，考虑的是在拥有更好的网络模型和用户模型的条件下，我们如何来协调这些资源？把硬件、软件、用户界面、算法等等这些智能技术应用在现实世界。
eo：多年来公用事业公司和售电公司投资智能电表， 收集来庞大数据，在您看来有多少数据是有效信息，又有什么用？怎么提取有用信息并如何应用这些信息?
Rajagopal：从能源和电力领域的数据科学家的角度来看，所有的数据都是有用的，关键在于你需要利用这些数据来解决有趣的问题。智能电表的数据非常有用，比如说建立用户行为习惯的模型，这些模型可以预测用户对不同的信号是如何反应的，用于生成用户消费方式的分析。另一个做法是利用智能电表的测量的方式来建立电力网络模型，这种模型是实体的。此外，还可以通过智能电表的数据来了解不同电力消费方式对排放的影响有何不同？用户的电力消费行为将如何变化？他们是否有不同的生活方式？
用户隐私VS用户体验
eo：智能电网实现了用户用电信息的互通互联，通过智能电表传输这些数据到数据库。但是掌握了这些数据，也就相当于掌握了用户的行为习惯，比如说，你何时睡觉，何时在家等等，如果这些数据的信息库被窃取，或者说被一些大公司掌握， 需不需要担忧它的安全问题？以及您怎样看待这涉及到的用户隐私的问题？
Rajagopal：在安全方面，不仅是在电力系统也包括计算机系统，有很多人在关注如何保护从智能电表收集来的数据，这是保证安全的一方面。就网络系统而言，比如你提到的数据库，以及基于电脑的系统，现在较为推荐的做法是使用某些来自谷歌、微软、亚马逊的云系统，因为这些公司提供了安全协议，加密编码等来防止你遭到黑客侵袭。大多数情况下，如果使用这些云系统，安全会得到保障。
关于用户隐私，这是一个有趣的问题，有人正在尝试如何给智能电表数据或者来自用户的数据增加隐私的层次并依旧保持它的有效性。这是一种方法，也在和关注这方面的同事合作,并且有一些有趣的发现。在美国，智能电表的数据并不是非常有规律。我们从数据中看到的信息并不算多。事实上从智能电表数据中预测用户习惯难度非常高。
曾经有一项研究表明通过建模来预测一户家庭是否有人吸烟。他们发现模型的预测结果与进入那个社区观察得到正确结果的次数一样，只是知道人数的大致比例，所以增加的信息并不多。
对隐私的担心确实存在。可我们不妨这样考虑，智能电表是在为你提供服务，这样你考虑的问题就不在于是否牺牲了你的隐私，而更多的是通过分享数据，你会得到更好的用户体验，比如说像在Facebook这种平台，因为我们希望服务优化，所以我们分享信息时往往会向这方面考虑更多。实际上有人告诉我，对于现在的年轻一代来说，隐私并不是他们最为关心的问题。
eo：所以我们关心隐私的问题是太早了吗？
Rajagopal： 这不是时间早晚的问题。我个人的理解是当你需要分享信息，但却并没有得到更好的体验及服务，这时你才会考虑到关于隐私的问题。相反，如果你体验到了好的服务， 就不会过于担心分享您的信息会成为一个问题。
eo：您能否描绘一下未来10到20年智能电网的形态？
Rajagopal：我认为未来的智能电网是更加自动化的电网，它可以接受大量的可再生能源，并能在全球得到运用而不仅仅在发达国家和经济增长迅速的经济体，我们或许感受不到电网的存在，在不知不觉中就完成电力的交互，并且会有越来越多的人加入这样的电力网络。这种电网机制可以用于协调、交易等等，可以像互联网一样，但电网比互联网更加复杂。电力的管理会为服务带来边际效应。比如你有无人驾驶汽车，即使你不知道什么时候去充电，它也可以自动与电网协调充电时间。
eo：最近关于特朗普削减科研经费的消息，您作为研究者是否感受到了影响或者变化？
Rajagopal： 现在还没有，我们现在与能源部的合作项目并未受到影响。虽然政治和政策经常改变，但能源问题总是需要解决，现在我们还是从能源部得到很大的支持。在美国，为能源、科技提供支持的系统比总统的指令要强大得多，这是我个人目前的经历，不过或许之后会发生变化。（eo记者 蔡译萱）
来源：南方能源观察
