科技 / / 5 分钟阅读

美国能源部“创世纪使命”推出ORBIT水资源预测AI平台,推进电网智能扩容应对数据中心用电激增

橡树岭国家实验室领衔研发百亿亿次超算训练的ORBIT人工智能基础平台,将全球水文与气象模拟从数日压缩至秒级;美国能源部同步部署深度学习电网规划模型,目标将并网与调度决策提速20至100倍。

作者 全球伯乐 News

资料整理

分享
文章目录

美国能源部科学副部长办公室于11月13日在“创世纪使命”(Genesis Mission)框架下更新发布《预测美国能源用水》国家挑战公报,披露由橡树岭国家实验室(ORNL)领衔开发的统一人工智能基础平台ORBIT已实现将全球气象预报转化为亚公里级高分辨率环境情报,把传统耗时数日的模拟推演压缩至数秒内完成1。同日发布的姊妹行动文件《扩容电网以驱动美国经济》同步确立深度学习与强化学习电网规划方案,应对数据中心、先进制造业与电气化带来的负荷攀升2。

深色板岩底座上陈列的内含水波纹形态透明光学玻璃块、紫铜高压绝缘子线圈与镀金硅基服务器散热模块静物

AI生成概念示意图:深色矩形板岩底座上摆放的内嵌水波曲面透明光学玻璃块、拉丝紫铜与阳极氧化铝高压绝缘子线圈及无标硅基镀金服务器散热鳍片模块,象征百亿亿次水文气象预测、电网扩容调度与数据中心算力负荷协同,并非美国国家实验室现场照片。

百亿亿次超算赋能ORBIT平台,实现秒级亚公里水文气象推演

水资源可获得性正日益成为美国电力生产扩张与关键基础设施韧性的硬性约束,然而现有陆地与大气耦合数值模型计算周期过长、空间网格过粗,难以支撑水电站调度与极端洪涝防御所需的实时决策。根据美国能源部发布的能源水资源预测技术路线图,具备多尺度时间推理能力的人工智能正集中攻克云物理学、地表与地下水径流以及广义水文循环三大相互交织的基础科学难题,填补从数周到数年跨度的水资源可预测性空白1。

作为国家实验室体系的对标落地项目,橡树岭国家实验室依托能源部百亿亿次(Exascale)超级计算机训练出ORBIT统一人工智能基础平台,并与能源部自主研发的“能源百亿亿次地球系统模型”(E3SM)及大气与陆地野外观测网络深度耦合1。公报数据显示,ORBIT可在任意算力终端灵活部署,不仅以极低边际计算成本构建高保真代理模型,还将水文模拟耗时从数日大幅缩短至数秒,预测准确率最高可达99%,为水力发电运行优化、洪峰应急响应及区域电网可靠性评估提供普惠化实时智能支撑1。

算力与制造业用电陡增,深度强化学习切入电网并网与安全运行

在突破水文冷却与水电约束的同时,美国电力传输网络正面临数据中心集群扩张、制造业回流与终端电气化叠加引发的严峻容量瓶颈。按照美国能源部同日披露的电网扩容国家挑战方案,公用事业部门虽然掌握海量一线运行数据,但受制于较低的风险容忍度、有限的底层技术自研能力以及区域分割格局,难以单独依靠传统仿真工具消化激增的电源并网队列与跨区潮流波动2。

为此,美国能源部计划在新整合的多源大数据基础上引入深度学习与强化学习算法,全面重塑电网长期规划、新机组并网审批、实时调度运行及网络安全防护流程2。该项国家级攻关设定了明确的量化工程指标:力求将复杂电网规划与运行决策速度提升20至100倍,并在保障居民与工商业用电可负担性的前提下,推动电力系统综合供电成本与运行可靠性实现至少10%的可验证改善2。

国家级实验床与公用事业数据合流,闭环验证高可靠能源AI工具

为避免算法模型停留在理论沙盘,能源部正调动跨实验室实体测试设施为电网与水文人工智能模型提供工程级闭环验证。其中,爱达荷国家实验室(INL)的“关键基础设施测试靶场综合体”(CITRC)与国家实验室体系内的“综合能源系统先进研究平台”(ARIES)将直接对接区域电网运营商的一线真实运行数据,在可控物理仿真环境中对人工智能调度策略开展抗冲击压力测试与安全合规检验2。

从水资源供给侧的亚公里级气象水文预测,到负荷侧支撑高密度人工智能数据中心的输配电扩容,“创世纪使命”两项核心部署勾勒出“以算力基础设施反哺能源基础设施”的政策闭环12。随着百亿亿次地球系统模型代理技术与电网强化学习工具链逐步向公用事业机构开放,跨尺度物理建模正在成为缓解算力能耗约束与提升国家级能源安全的关键底座12。

来源与说明

  1. 2026-11-13 · Predicting U.S. Water for Energy · 美国能源部(DOE). ↩ ↩2 ↩3 ↩4 ↩5 ↩6

  2. 2026-11-13 · Scaling the Grid to Power the American Economy · 美国能源部(DOE). ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7