海湾地区的太阳能时刻
海湾地区正在建设世界上一些规模最大的太阳能设施。迪拜和阿布扎比郊外广阔的太阳能园区，以及沙特阿拉伯各地宣布的巨型项目，标志着一次刻意的转变：建立在碳氢化合物之上的经济体正在大力投资太阳能。本地区拥有土地、阳光和资本。它越来越需要的是智能，因为可再生能源充裕却不恒定，而电网必须在一天中的每一秒钟平衡供应与需求。
AI不会产生一度电，但它决定能源何时流向何处，而在一个由依赖天气的能源供电的系统中，这一决定就是一切。
预测：把阳光变成时间表
海湾地区的太阳能发电量稳定地处于高位，但并非完全可预测。沙尘暴、雾霾、盛夏的高湿度和偶尔出现的云层，都可能在几分钟内削减一座太阳能园区的发电量。在沙特阿拉伯部分地区和阿曼发挥着日益重要作用的风能，波动更大。不知道接下来几个小时会发生什么的电网运营商，必须让昂贵的燃气轮机保持运转以作备用，这削弱了可再生能源在经济和环境上的理由。
AI预测模型结合卫星影像、数值天气预报、电站的全天空相机和电站自身的历史发电数据，以远超传统方法的准确度预测数小时或数天之后的发电量。好的预测让运营商能够更紧凑地调度常规电站、更有信心地交易电力，并保留更小的安全余量。更好的预测是让可再生能源机组更有价值的最廉价方式之一。
智能电网与需求侧
传统电网建造时只为单向输电：从大型电站输送给被动的消费者。现代电网是一个双向网络，屋顶太阳能、电动汽车、电池和智能电表都在把数据回传。靠人工管理这种复杂性是不可能的；用AI来管理正成为常态。
在海湾地区，需求侧由制冷主导。空调在夏季用电量中占很大份额，而需求峰值出现在傍晚，恰逢太阳能发电量开始下降之时。AI驱动的需求管理可以在太阳能充裕时为楼宇预冷、错开工业冷水机组的运行，并推动区域供冷站将负荷转移一两个小时。每一项调整都很小；但放到整座城市，它们能削平峰值，减少对备用发电的需求。智能电表数据也帮助公用事业公司比以往更早地发现损耗、故障和窃电。
电池与储能的经济学
储能是把白天的太阳能变成夜间电力的缺失一环，而电池成本已降至足以让大型装置具备可行性。但一块仅按简单规则运行的电池——电价便宜时充电、昂贵时放电——会让大部分价值闲置，并比应有的寿命衰减得更快。
AI优化会持续决定如何让一块电池同时服务于多个目标：捕获多余的太阳能、支撑电网频率、避免峰值电费，并限制深度或快速循环造成的衰减。同样的逻辑在更小的规模上也适用于工厂的备用系统或商业楼宇的储能。在每一种情况下，决定投资能否回本的是软件，而不是硬件。
数据中心问题
这个故事的核心有一个讽刺之处。AI本身就是一个日益增长的电力消费者。为承载云计算和AI工作负载而在阿联酋和沙特阿拉伯各地兴建的数据中心，需要大量电力，以及更多的制冷。其运营商有强烈的动机把数据中心选址在可再生能源发电设施附近、在清洁电力最便宜的时候运行工作负载，并用AI控制自身的制冷系统。几家大型云服务运营商已经在用机器学习管理数据中心制冷，并报告了可观的能源节省。对海湾地区而言，把新建数据中心与新增太阳能产能搭配起来是天然的契合。
公用事业或企业如何起步
对公用事业公司而言，切入点几乎总是预测。数据已经存在于电站记录和气象数据源中；第一个项目就是构建或购买一个预测模型，并在一个季度内对照现行做法衡量其准确度。下一层是需求管理，在任何大范围推广之前，先与少数几家大型商业客户试点。
对于消耗能源而非生产能源的企业，顺序有所不同：
- 安装分项计量，使用电量能够按楼宇、生产线或工艺来查看，而不只是出现在月度账单上。
- 利用这些数据找出可以在不影响运营的情况下转移或削减的负荷。
- 用优化模型而不是电子表格来评估现场太阳能和储能，让商业论证反映真实的运行模式。
- 设定一个明确的目标，例如每单位产品的能源成本，并按月报告。
海湾地区已经决定建设发电设施。接下来的十年将是关于如何智能地运行它们，而那些较早学会这样做的组织将获得持久的优势。
