全年预计节电1500万度！AI是否会成为未来节能技术的主流？

什么是AI技术？

AI是否会成为未来节能技术的主流？

让我们带着这两个问题开启一段探索之旅。

人工智能五大学派

自1956年达特茅斯学院暑期会议提出人工智能的概念以来，科学家们从不同方向研究了人工智能技术。华盛顿大学佩德罗·多明戈斯教授在其著作《终极算法》中对AI技术进行了系统的介绍，作者将AI技术半个多世纪的进展分为五大学派：

1）符号学派：符号学派认为人类认知和思维的基本单元是符号，认知过程是基于符号表示的一种运算，所有和智力相关的工作都可以归结为对符号的操纵。符号学派走过了一条启发式算法 — 专家系统 — 知识工程的发展道路。

2）联结学派：联结学派从神经生理学和认知科学的研究成果出发，把人的智能归结为人脑神经元联结活动的结果，强调智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。当前大行其道的深度学习就是联结学派的产物。

3）进化学派：进化学派认为所有形式的学习都源于自然选择，进化学派解决的重要问题是寻求最好的结构。遗传算法以及演化新论者提出的蚁群算法等是进化学派的主算法。

4）贝叶斯学派：贝叶斯学派利用概率推理和贝叶斯定理，将更多的数据作为论据，使后验变成先验，不断重复这个过程，直到得到最终答案。

5）类推学派：类推学派认为学习的关键是在不同场景中认识到相似性，然后由此推导出其他相似性。支持向量机是类推学派的主算法。

人工智能在节能领域的应用

众所周知，能源是人类生存和发展的重要物质基础、是现代社会生活不可或缺的重要资源，是国家经济发展与社会稳定的命脉。作为全球最大的发展中国家和第二大经济体，我国已成为世界上最大的能源消费国之一。2020年，我国国内生产总值突破100万亿，比上年增长2.3%，与此同时，全年能源消费总量接近50亿吨标准煤，能源消费总量持续上升。能源是国家的命脉，在经济发展过程中，转变能源利用模式，能源开发与节能并重成为必然选择。

节能技术涵盖能源开发、输配、能源消费各个环节，渗透到国民经济各个领域。自“十一五”中国政府通过综合运用法律、经济、技术和必要的行政手段对节能提供大力支持，中国节能技术从起步，逐步走向成熟。无论是2015年国务院印发的《中国制造2025》，2017年住建部发布的《建筑业发展“十三五”规划》，还是2020年工业和信息化部发布的《节能与新能源汽车技术路线图2.0》，都将智能化列为各自领域重要的节能技术方向。2019年《国家工业节能技术装备推荐目录》（2019）首次将能源信息化管控技术作为专题列入，对信息化、智能化节能技术予以推广。下面通过华为公司在5G基站和数据中心AI节能的案例来说明AI技术在节能中的应用。

基站节能AI应用

2020年进入到5G大规模部署阶段，在中国，5G基站数量已超过80万个。不影响用户体验的前提下，降低5G基站能耗，节约电力成为运营商降低运营成本的重要手段。影响5G基站能耗的主要因素有：业务负载、设备运行环境温度、器件能效比、设备散热及耐热可靠性、基站发射功率。

PowerStar在线智慧节能方案

华为在线智慧节能方案（PowerStar）自动采集网络话务/配置信息，采用AI技术对现网大数据进行智能分析建立网络话务模型，并基于话务模型预测未来话务走势，精准识别覆盖层和容量层，并通过多频多模协同，不断寻找基站不同设备最佳关断门限，使关断时长更久；当话务激增时，通过应急唤醒机制，秒级唤醒网络。最终，在保障设备寿命及用户体验的前提下，实现节能效果最大化。

该方案在上海移动验证，现网实测5G单模站点日均节能24.83%。为推进试点在全网推广，上海移动携手华为公司将进行规模节能合作，预计全网5G站点每年可节电1500万度，等量减少1.5万吨CO₂排放。

数据中心AI节能应用

随着中国信息化社会的快速发展，以及云计算、物联网等产业的崛起，数据中心作为终端海量数据的承载与传输实体，投资增长逐年加快。近年我国数据中心在数量和规模上都呈20%以上的年增长。对于每年耗电超过1200 亿千瓦时的产业，数据中心的绿色发展正在进入关键阶段。电费占数据中心运营成本的50~70%，节能无疑是数据中心运营中的重中之重。

iCooling@AI能效优化方案

华为推出业界首个商用的AI能效优化解决方案iCooling@AI，并率先在华为廊坊基地云数据中心、华为东莞云数据中心进行了应用，华为廊坊基地云数据中心年节省电费近千万人民币。iCooling@AI能效优化技术节能的过程分为如下几步：

第一，数据采集。对数据中心运维过程中的众多参数进行长时间采集，在华为廊坊基地云数据中心项目中，采集700多种参数，每5分钟一次，共收集该数据中心9个月的实时运行数据。

第二，数据治理。对收集到的海量数据进行脱敏、归一、降噪、去重等治理，利用数据处理工具从清洗后的数据中找到决定数据中心能耗的关键参数。华为廊坊基地云数据中心找到的关键参数有19+2个。

第三，模型训练。利用DNN（深度神经网络）训练出数据中心能效模型，经过训练的能效模型预测准确率>99.5%，误差<0.005。

第四，推理决策。将生成的数据中心能效预测模型发布到推理平台中，根据实时的气象条件、IT负载等参数开始推理。iCooling@AI能在1分钟内从140万种组合中寻找出最优参数组合，下发执行并反馈效果。

总结：

从5G基站和数据中心AI节能技术可以看出，AI技术通过对大数据的分析，训练出准确的业务模型，进而通过方案寻优，在保证不影响业务的前提下，实现节能。我国节能服务业经过二十年左右的发展，简单场景的节能技术已逐渐成熟，并得到推广应用。面对复杂系统、海量数据、节能效果难以预测的场景，传统节能技术显得力不从心。

AI技术根据其成熟度的不同可分为弱人工智能、强人工智能和超人工智能三个阶段。弱人工智能专注于某一领域的人工智能，如AlphaGo虽然很擅长下围棋，却无法与人类玩一把飞行棋；强人工智能可同时应对不同层面的问题，具有自我学习、理解复杂理念等多种能力；超人工智能甚至拥有自由意志和自由活动能力的独立意识。当前AI技术还处于弱人工智能阶段，从其在节能领域发挥的作用可以预期，随着AI技术的发展，必将在场景复杂、海量数据等难以通过单一技术实现节能的系统中发挥重要作用，从而成为未来主流的节能技术。

参考资料：

《华为在线智慧节能平台首应用，助力上海移动打造绿色5G++》C114通信网

《5G绿先锋：七款给力的5G节能解决方案》通信产业网

《传统？落后？数据中心风火水电也可以很“时尚”》