摘要：文/John Koetsier当你准备投资1亿美元，在98,000英亩的包含了不同地形的地域中建立一个风电场时，你会想要先知道一些事情。你想知道这么做能够优化数百万美元涡轮机的位置；你想知道涡轮机能承受最猛烈的风；并且，你希望在软件而非硬件...
文/John Koetsier
当你准备投资1亿美元，在98,000英亩的包含了不同地形的地域中建立一个风电场时，你会想要先知道一些事情。你想知道这么做能够优化数百万美元涡轮机的位置；你想知道涡轮机能承受最猛烈的风；并且，你希望在软件而非硬件中测试潜在的用例和更改，前者是廉价和可变的，后者则是昂贵且难以编辑的。
正因如此，全球可再生能源公司Siemens Gamesa正与英伟达展开合作，以为其涡轮机制造出AI驱动的数字孪生。
西门子首席数据科学家Greg Oxley在最近的TechFirst播客上表示，“通过进入数字孪生领域，我们想对整个风力发电场建立一个精确的数字模型，在那里我们可以模拟各种场景。我们想知道，当我们经历包括天气在内的事件时，能如何优化风电场的运行。我们可以测试新的控制策略，或者一些我们想要着眼于未来的东西，我们想看看风电场在这些新的控制范式下会如何表现。”
西门子在全球拥有数千台涡轮机，总发电量超过1亿千瓦，该公司表示，这足以每年为8,700万家庭供电。因此，它们的功能需要被优化，而且要在风暴来临时得到保护。
在风力太强的情况下关闭涡轮机并不是一个可以轻易采取的措施，因为这会减少发电量，而保护昂贵的基础设施也很关键。Greg Oxley说，这就需要去人们处理“陋习”，而这一点至关重要。
“我们总是试图缓解我们所不知道的，并添加适当的缓冲……但这会让我们处于一种不理想的境地，”他表示。“我们宁愿清除这些，并尽可能地理解未知的事物，以获得真正的优化，而不是仅仅在所有事情之上添加缓冲区。”
换句话说，增加安全边际有利有弊。当它能不破坏涡轮机且节省资金时，这是好事，但当它导致不必要的停机时，情况就不好了。相比之下，数字孪生能帮助西门子更真实地了解设备的能力和限制，并为公司提供数据和模型，从而让其能够以最有效的方式作出应对。
英伟达的产品经理Dion Harris表示，这一点越来越容易做到了。该公司最新的芯片和AI框架让建模速度比传统方法快了4,000倍。
“我们只使用了22个GPU加速节点，便能够提供相当于一个有984,000个节点的特定系统所具备的性能表现，”Dion Harris称。“关键在于如何以一种非常有效的方式来模拟这些大规模的复杂环境。如果钱不是问题，能源不是问题，那你可以一直推CPU。AI为我们提供了一些工具，能以非常有效的方式在时间和能源效率方面为这些非常复杂的系统建模。”
英伟达正在使用NVIDIA Omniverse和NVIDIA Modulus来帮助西门子的风力发电场建立数字孪生。前者是一个连接和创建数字世界的3D设计技术，后者则是一个神经网络框架，它能将物理的力量以控制偏微分方程（governing partial differential equation）和数据的形式融合在一起，构建出能接近实时延迟的高保真参数化替代模型。
这些高科技的虚拟现实游戏化的可再生能源系统所带来的结果，是让已知中的未知数更少，以及未知中的未知数更少。
“这让我们能够真正摆脱未知，”Greg Oxley说。
当然，这些都要在合理范围内实现。和往常一样，在对大规模的物理现实进行建模时，问题是如何既能在几乎无限复杂的情况下确保模型精确地复制现有的世界系统，又能预测未来的事件。
Greg Oxley说，从本质上讲，这要依赖团队在现实世界中的运作表现，以及不断微调的AI旋钮和表盘。
“我们一直在积极地进行对照。你总是在一个基于物理的模型中转动旋钮，你需要通过现实中所发生的事情来将出错率降到最低。机器学习模型也是一样，你在不断地训练，它们则在不断地改进。所以你需要从现实的表现中获得反馈，将正在发生的‘现实’，反馈到你最初的预测中，并一直来回调整。”
本文作者是福布斯资深撰稿人，文章观点仅代表个人。
