综合能源转型中的人工智能-能源工业技术现状评价及应用领域分类（推荐）
dena发布《综合能源转型中的人工智能-能源工业技术现状评价及应用领域分类》（推荐）
RR能研微讯（左）丨ERR能研君（右)
阅前须知
1.网站或订阅号转载文章需隔天（发布时间24小时以后），且须明确注明作者与来源，不得改写，不得用于商业用途。
2.没有特殊说明下，订阅号所有文章（包含月度索引、年度报告精选等）涉及下载链接只保存5天，请留意文章发布时间，超期请加ERR能研君微信（扫上面右侧二维码）垂询。加能源君时请提供工作名片（学生请提供学校、姓名）。
3.需转发获取下载地址的情况下，请不要使用小号或者找下属/实习生转发，否则后台直接拉黑。
4.需转发获取下载地址的情况下，不满足转发要求请勿骚扰能研君微信，否则直接拉黑。
5.订阅号只提供简单关键词查询，请勿向后台发送消息，如需联系订阅号工作人员，请加ERR能研君微信垂询，后台不负责回复任何问题，骚扰后果自负。
2019年９月，dena发布《综合能源转型中的人工智能-能源工业技术现状评价及应用领域分类》，在此ERR能研微讯研究团队对报告执行摘要进行了翻译，并分享给大家，欢迎转发扩散！ERR能研微讯2020年上半年情报收集产品征订开催，有需要的请联系ERR能研君微信（上方右侧二维码添加）垂询。
提示鉴于近期分享的度盘下载地址多次受到恶意投诉（如下图所示）,短期内不再提供报告下载地址。
人工智能的话题正在全球流行。由于美国和中国都是人工智能的老牌国家，因而在国际舞台上可以见到它们之间的“系统竞争”。欧洲正试图以一种以伦理为基础的方法来对抗这两个大体量的国家，即将人们的权利和需求置之与聚光灯之下。欧盟内部的合作项目，例如规划的法德“人工智能中心”，旨在帮助欧洲跟上这一新兴领域的全球竞争。当谈到在能源领域使用人工智能时，欧洲已经登上了排行榜（详见第一章）。
然而，关于人工智能在能源系统应用可能通用性和技术性的公众讨论仍然存在很大的不确定性，同时这种讨论有时也缺乏专业知识。人工智能经常被混淆甚至等同于机器学习、大数据、神经网络或深度学习等术语。这并不奇怪，因为“人工智能”一词本身就基于一个尚未明确定义的概念：智能。
关于人工智能是什么的这种不确定性阻碍了这项用于综合能量转型的重要技术的发展。有鉴于此，本报告旨在将人工智能这一模棱两可的概念客观化和分类（详见第2章）。同时，它将向能源行业的经济、专家和政治行动者展示这项技术的各种潜力以及具体的应用领域。
人工智能提供了以一种超现代的技术去掌控去中心化以及综合能源转型复杂性的独特机会。事实证明，在能源行业所有的价值创造阶段都可以找到人工智能的应用（参见第3章，图14）。
图1 人工智能在能源工业中应用领域的相对分类
报告总共确定并评估了9个应用领域对综合能源转型的贡献及其发展状况，以便为今后铺平道路。图1总结了这一分类。应用领域包括含有预测及改进等决策的一般基础，维护和安全性集群的应用，以及现代配送的新型服务业务，人工智能的应用使得积极的消费者更容易参与其中。许多例子已经成功地证明了人工智能对综合能源转型的价值。这一分析表明，最有希望的综合能源转型方法已经非常先进。
同时，报告还显示，在能源行业建立人工智能还有很多工作要做（参见第4章）。在能源领域积累人工智能知识是一个需要持续性的过程。这需要政治家以及能源行业和数字经济公司的参与。企业内部的主动知识建设、IT专家的行动以及已有的参与者与创新型数字公司之间的合作都是该行动至关重要的领域。
此外，各国政府必须认识到，数据正日益成为一种关键资源，尤其是在能源行业应用人工智能方面。考虑到数据对综合能源转型的贡献，发展数据经济有助于协调在数据保护及信息自主需求下的所需数据的可用性以及数据质量。
在未来几年，德国能源署将继续密切关注人工智能的话题。预计到2020年夏季，德国能源署将发表一份报告对综合能源转型9个应用领域的人工智能进行更深入的分析和评估。
图2 全球选定区域的能源工业概述
图3 人工智能在德国能源转型中的作用评估
图4 能源部门人工智能投资的现状评估
图5 以学术准则定位人工智能和机器学习
图6 人工智能周期表
表2 人工智能方法的半定量比较（低、中、高、非常高）
表2 人工智能方法的半定量比较（低、中、高、非常高）
全文
欢迎转载 版权说明
ERR能研微讯 微信公众号：Energy-report
聚焦世界能源行业热点资讯，发布最新能源研究报告，提供能源行业咨询。
本订阅号原创内容包含能源行业最新动态、趋势、深度调查、科技发现等内容，同时为读者带来国内外高端能源报告主要内容的提炼、摘要、翻译、编辑和综述，内容版权遵循Creative Commons协议。
可拷贝、分享、散发，但须明确注明作者与来源，文章转发需隔天，不得改写，不得用于商业用途。
本文图片来源于网络，版权归原作者所有。