在加利福尼亚州南部的莫哈韦沙漠西部，巴尔德梅萨（Baldy Mesa）太阳能农场内整齐排列的太阳能电池板正将充足阳光转化为无碳能源并输送至电网。
尽管日落会导致发电量减少，但得益于配备的储能设施，能量供应并未中断。自今年5月起，该农场旁面积相当于足球场的电池储能系统（BESS）开始在白天收集电力并回输电网，确保夜间也能持续提供无碳能源。
向风光能源过渡是电网脱碳的关键路径，但可再生能源存在波动性。将太阳能与电池储能系统结合，可在全天更多时段提供稳定无碳能源。在由亚马逊支持开发、AES运营管理的巴尔德梅萨太阳能农场中，基于亚马逊云科技（AWS）的机器学习（ML）模型正精准预测电池单元的充放电时机与策略。
“人工智能是推动社会向无碳能源转型、大规模应对气候变化的重要工具。”亚马逊全球可持续发展副总裁卡拉·赫斯特（Kara Hurst）表示，“将亚马逊支持的太阳能项目与AWS人工智能技术结合，不仅有助于确保电网及客户获得更稳定的无碳能源供应，也推动了亚马逊实现更高可持续性的承诺。”
截至目前，亚马逊已支持开发了10个配备电池储能系统的太阳能项目，总容量近1.5吉瓦（GW）。其中包括美国规划中最大的太阳能+储能项目贝尔菲尔德（Bellefield），以及亚马逊首个位于圣贝纳迪诺航空枢纽（San Bernardino Air Hub）的屋顶光伏与储能组合。这10个项目均分布于加州和亚利桑那州，通过匹配可再生能源使用量，为亚马逊履约中心、办公楼及数据中心等设施供电。
人工智能如何赋能电池储能
在巴尔德梅萨，利用AI优化电池性能已成为行业新趋势。运营商正日益借助机器学习提升无碳能源生产效率并增强电网稳定性。
数字化与云计算带来了海量数据。据国际能源署（IEA）统计，全球风力涡轮机每年预计产生超4000亿个数据点，供AI和机器学习模型学习，以提升零碳能源项目的运营效率。
在巴尔德梅萨，基于AWS Amazon SageMaker构建的机器学习软件预计每年分析330亿个数据点。据解决方案提供商Fluence介绍，该软件通过动态优化购电、储电和售电时机，最大化电池单元价值。此前，部署在加州类似站点的同一ML解决方案曾成功预测去年全州热浪，并在关键时刻释放储存太阳能，有效稳定了电网。
随着气候变化导致热浪加剧，电网承压日增。高温推高空调用电需求的同时，还会降低传统火电厂出力，增加停电风险。这些极端天气进一步凸显了加速清洁能源转型的紧迫性。
AES公司首席商务官Kleber Costa表示：“我们很自豪能与亚马逊长期合作，支持其2025年实现运营电力100%可再生能源匹配的目标。巴尔德梅萨和贝尔菲尔德等全天候运营设施，结合AI/ML交易功能与电池储能，对于优化并增强可再生能源部署以满足需求至关重要。”
亚马逊Air Hub的电池储能实践
距巴尔德梅萨一小时车程的亚马逊圣贝纳迪诺Air Hub，屋顶安装了5.8兆瓦（MW）光伏阵列及配套2.5 MW电池储能单元。光照充足时由光伏供电；云层遮挡或日落后则无缝切换至电池供电。这一模式实现了太阳能的夜间利用，既保障了Air Hub稳定的零碳能源供应，又在高峰时段减轻了对电网的依赖。
目前，亚马逊团队正开发一款AI模型，结合机器学习能力与屋顶光伏性能数据，助力Air Hub及其他亚马逊建筑最小化能耗。
团队首先汇总Air Hub及其他站点的光伏性能信息，并与本地天气、建筑数据整合至AWS数据湖，为高级性能跟踪与分析奠定基础。未来AI模型启动后，将提供站点性能和能源生成的预测性洞察，这是人工手动监控各系统和建筑无法实现的。
清洁能源买家协会（Clean Energy Buyers Association）临时首席执行官凯文·哈根（Kevin Hagen）指出：“储能项目能促进可再生能源规模化应用，确保清洁电力随时接入电网。在向低成本无碳能源转型过程中，储能、智能负荷管理及人工智能等新技术潜力巨大。”
亚马逊推动AI在能源领域的普及应用
亚马逊在圣贝纳迪诺和巴尔德梅萨的创新，是其利用AI应对可持续发展挑战并通过AWS推广成果的重要举措之一。随着无碳能源需求增长，AWS正赋能企业利用AI优化运营与创新。例如，印度可再生能源领军企业Greenko已将全部风电机组数字化接入AWS，利用AI实现近实时监控分析；Engie基于AWS构建的“通用数据枢纽”则帮助巴塞罗那等城市通过高级数据分析与机器学习模型降低能耗高达15%。
通过普及尖端技术，AWS正助力能源企业推动创新、优化运营，共建可持续未来。
了解更多关于亚马逊的可持续发展工作。