搜索

您的关键词

3月4日,由清华大学碳中和研究院主办、清华大学化学工程系承办的2023年第3期学术沙龙“人工智能推动能源存储高质量发展”以线下、线上相结合的方式顺利举办。清华大学化学工程系张强教授主持活动。

能源基金会战略规划兼低碳转型项目傅莎主任致辞,从中国实现碳中和目标战略背景下,强调了储能技术对于新型电力系统构建及以新能源为主体的未来能源体系具有重要作用。北京理工大学机械与车辆学院熊瑞教授、清华大学化学工程系王笑楠副教授、香港中文大学(深圳)理工学院吴辰晔助理教授、电子科技大学基础与前沿研究院彭翃杰研究员、上海交通大学电院人工智能与微结构实验室韩彦强助理研究员、清华大学化学工程系陈翔助理研究员六位专家受邀作主题报告。清华大学建筑学院副院长林波荣教授、中国科学院化学所郭玉国研究员、清华大学地球系统科学系副系主任张强教授、北京理工大学前沿交叉科学研究院黄佳琦教授、北京工业大学材料科学与工程学院尉海军教授、清华大学化学工程系唐城副研究员、清华大学车辆学院韩雪冰助理研究员七位专家参会并作点评,清华大学化学工程系张强教授作会议总结。

沙龙活动现场

熊瑞教授以“人工智能在电池系统管理与控制中的典型应用”为题,从电池健康状态估计、老化诊断与寿命预测、故障诊断预警、AI指导管理和设计优化四个方面详细介绍了人工智能在电池系统管理与控制中的应用,展现了AI在通过电池早期使用情况预测其未来轨迹的巨大优势和在实际复杂使用条件下做预测的潜力。

王笑楠副教授报告题目为“多能互补新范式下的储能系统智能设计和调控”,主要包括人工智能在系统和材料两方面的应用。在系统层面,面向多能互补的能源新范式,以人工智能方法设计和运行新型储能系统,实现经济、环境、指标同步优化的目标;在材料层面,采用AI for Science方法真正实现材料的加速研发。最后结合ChatGPT展望了未来人工智能在自然科学领域进一步发展。

吴辰晔助理教授以“Learning Aided Storage Control”为题,面向电力市场设计、电网安全及风险评估、电力系统控制,从计算机学家的视角深入浅出地介绍储能控制的难点和解决方案,包括电力大数据的隐私保护与共享、数据驱动的电力系统随机优化、输配电网的新型市场机制设计。

彭翃杰研究员报告题目为“机器学习锂金属电池预测”。解决锂金属电池容量衰减问题是将其推到实际应用的一个关键所在。他指出,需要发展可解释机器学习模型,让AI告诉我们未来设计更好电池所需的物理或者化学信息,并强调将人工智能真正用于电池研究中时,不仅要注重机器学习的作用,也需要注重人的作用。

韩彦强助理研究员以“AI助力智慧能源发展”为题,首先介绍了AI的交叉背景、近期的重大突破和未来的发展趋势,然后关注于AI+智慧能源领域,提出Deep-Transfer开发架构解决高质量数据集构建难的问题,在二维材料吸附重金属离子、电子带隙预测、离子导率预测等方面实现了重要应用。在展望阶段,指出应该重视AI本身对能源极大消耗的问题。

陈翔助理研究员报告题目为“分子机器学习与能源材料高质量发展”。高效能源材料的发现对能源器件的发展起到了重要推动作用。他以人工智能设计锂电池电解液材料为具体案例,搭建了电解液高通量计算平台并构建了超过20万种分子的电解液大数据库,以AI辅助高通量筛选和AI反向设计建立人工智能设计液体材料的新方法。

与会专家围绕“十四五”时期我国对清洁能源技术的重大需求、AI如何促进能源储存高质量发展等内容展开交流讨论。专家一致认为,AI作为一种新型技术,为能源研究和产业发展带来了诸多新机遇,如微观层面加速新能源材料研发、器件层面管理与优化,系统层面助力构筑新型电力系统。同时,与会专家也针对当前AI与能源研究所面临的复合型人才培养、大规模高质量数据获取与管理、通用能源AI模型等问题进行了深入探讨。清华大学化学工程系张强教授总结表示,一是对未来AI进一步推动能源储存高质量发展非常有信心,包括科学原理的发现、材料体系的创制、用好能源器件和系统角度做好集成;二是从供给侧来看还非常缺乏人才,缺乏交叉的人才,能够去解决当前能源与AI交叉研究所面临的关键问题;三是人工智能既是新工具,也是理解自然新手段,更重要的是我们在碳达峰碳中和、确保能源安全的大目标下如何进一步用好新工具、发展好新工具。

【内容来源:清华大学化学工程系】

上一篇:气候变化与碳中和国际合作联合行动启动仪式举行

下一篇:2023年第2期碳中和学术沙龙“中国新型电力系统技术路线展望”顺利举办

关闭