418千伏一切正常，五秒后6000万人失去了电力
2025年4月28日下午，西班牙一间控制室的屏幕显示一切正常。
400千伏的输电母线读数约为418千伏——偏高，但仍在运行员受过训练可以容忍的限值之内。随后，在五秒之内，15吉瓦的发电机组跳闸离网，西班牙和葡萄牙两国共6000万人失去电力。其中一些人在黑暗中度过了十个小时。
我的职业生涯一直围绕着并网集群研究和容量拍卖的事后复盘，当ENTSO-E的最终报告于2026年3月发布时，我读它的方式就像在阅读一位熟人的尸检报告。各种标题早已为这个故事定了调：太阳能太多，旋转的金属不够，可再生能源撑不起一张电网。而这份报告用平实的语言指出：这种论调是错的。 电网崩溃不是因为它在发什么电，而是因为没有人在盯着什么。 正是这一区别，决定了我的团队构建电网 AI 的方式。
盲点就在下方两个电压等级处
调查发现了一件让我夜不能寐的事。
从上午晚些时候开始，西班牙电网各处出现了0.21赫兹和0.63赫兹的次同步振荡。运行员做了教科书式的操作——断开并联电抗器以应对暂态欠电压——却在不知不觉中耗尽了电网吸收无功功率的能力。中午前后，他们投运了并联的400千伏线路，并将高压直流（HVDC）联络线切换到定功率模式。阻抗下降，电压攀升。400千伏显示屏依然读数418千伏。正常。
往下两层，在风电场和光伏电站实际接入的220千伏汇集变电站，电压已冲到242千伏。变压器有载分接开关——那些把电压推回正常范围的机械装置——动作跟不上。而且没有人看到这一切，因为实时监测实际上在输电层就止步了。随后，一座大型发电设施在一次过电压事件中，向电网注入无功功率，而不是吸收无功功率，这与其并网规范的要求恰好相反。这就是那个正反馈环路。保护继电器开始连锁跳闸，灯光随之熄灭。
不稳定的不是可再生能源，而是可观测性。
我总是回到418千伏这个数字。一名运行员盯着平静的输电层读数，却没有任何仪表告诉他，汇集层早已越过了不可挽回的临界点。能看到220千伏的传感器是存在的，但能够实时解读这些数据、快到足以采取行动的分析能力却不存在。这不是发电问题，而是一个披着发电问题外衣的信息问题。
我曾确信答案是一个自主控制器。我错了。
我的团队最初接手这件事时，我有一个自信而工整的想法：构建一个物理信息神经网络——一种把潮流的实际方程烘焙进训练过程、从而不会给出物理上不可能的建议的模型——并让它以任何人类或传统控制器都无法企及的速度来管理电压和无功功率。
这些模型背后的研究势头是实实在在的。物理信息神经网络的论文数量从2019年的不足十篇增长到2025年的约820篇。我们造了一个原型。在大多数场景下，它确实令人印象深刻——它比标准模型泛化得更好，也尊重物理规律。
然后我们让它经受各种边缘工况的考验。在其中一个工况下——恰恰是伊比利亚电网所经历的那种振荡应力——它给出了一个物理上不可行的建议。不是那种显而易见的灾难性错误，而是微妙的错误，一种在仪表盘上看起来合情合理的错误。
我为此思量了许久。然后我做了那件终结整个思路的事：我想象那条建议出现在一间真实的控制室里，在像4月28日那样一天的12:32，连锁故障正在逼近，一名运行员要在几秒钟内决定是否信任它。 截至2026年初，全世界没有任何一个商业部署的物理信息神经网络在控制一张真实的电网，而在那次测试之后，我彻底明白了原因。 一套理想化的方程组会略去多尺度的杂乱——边界的复杂性、非线性耦合——而这些恰恰在电网承压、你最需要这个模型的时候才会显现。两个尚未解决的问题让情况雪上加霜：一是如何平衡损失函数的权重，在物理保真度与数据拟合之间取舍；二是如何量化模型何时处于不确定状态——这两者你都不会想在实时运行中才发现。
早前一位投资人曾对我说，电网运营方永远不会采用 AI。他说错了原因，却说对了直觉。原因不在于运行员是勒德分子，而在于他们要为关乎6000万人的后果承担个人责任，而一个偶尔会自信满满、不动声色地出错的黑箱，比根本没有黑箱更糟。
我们不再试图打造取代运行员判断的东西，转而开始打造延伸运行员视野的东西。
这一转向——从自主控制器转为物理信息咨询层——如今就是整个架构。这个模型会把运行员当前看不到的东西呈现出来，解释为何要标记它，并把设定值留在人类手中。阿贡国家实验室的GridMind项目——一套面向控制室运行员的多智能体系统——从研究这一侧得出了相同的设计原则：这些智能体不取代运行员，而是给出可解释的建议。当彼此独立的团队殊途同归于同一个约束时，通常是因为这个约束是真实存在的。
现有的电网软件为什么还没做到这一点？
这是一个合理的问题，因为电网并不是一片未开垦的处女地。地球上一些最有实力的软件公司早已扎根于此。
GE Vernova的GridOS平台已部署在超过80%的美国公用事业公司；仅在2025年，它就为阿拉巴马电力公司（Alabama Power）避免了估计1.12亿客户分钟的停电中断。西门子的Gridscale X运行电网数字孪生，并通过与NVIDIA的合作，宣称在仿真上实现约10,000倍的加速。这些都是认真的人打造的认真的工具。
但它们是为一张单向潮流的电网而设计的——电力从大型旋转发电机流向被动的用户。这些 AI 能力是叠加在早于问题出现之前就已存在的SCADA系统之上的附加件。而且它们摄取的数据绝大多数是输电层的——那个读数418千伏、看起来一切正常的400千伏视角。盲点并不是这些平台里的一个缺陷，而是它们被告知该往哪里看所带来的必然结果。
还有咨询这一层。麦肯锡受托重新设计ERCOT的并网流程，并为得克萨斯州公用事业委员会（PUC）2026年2月的立案提交了一套“批量研究”（Batch Study）框架。这是实打实的工作。但这些大型咨询公司做的是关于流程的咨询——他们交付的是战略汇报和供应商评估，承接的项目动辄价值数百万美元——他们并不构建物理信息模型。“这里有一套更好的流程”与“这里有一套能筛选你排队队列的可运行系统”之间的鸿沟，恰恰是我们发力的地方。
同一个盲点即将让美国付出1630亿美元的代价
如果你以为这是一个欧洲的故事，那就看看PJM的容量拍卖。
2025年12月，针对2027/2028交付年度，北美最大的电网运营商PJM采购了145,777兆瓦，比其备用裕度目标短缺了6,625兆瓦。这是整个区域首次未能达到其可靠性目标。价格连续第三次触及拍卖上限；单次拍卖耗资164亿美元。2028年至2033年的累计容量成本预计将达1630亿美元。仅在ComEd的辖区内，这就意味着居民账单每月估计增加70美元。
接下来是与可观测性故事直接相关的部分：在推动这一短缺的5,250兆瓦需求增长中，约有5,100兆瓦来自数据中心。这些负荷并非均匀分布——而是集中在Dominion弗吉尼亚、AEP俄亥俄和ComEd伊利诺伊的特定输电分区。 你正在制造伊比利亚式停电的条件——关键变电站周围的局部应力——然后指望在高峰时段没有任何一处跳闸。 指望，并不是一种可观测性策略。
而所谓的泄压阀——新增发电——却被卡住了。2025年，美国的并网排队规模约为2,600吉瓦。中位数项目要等五年才能投入商业运营，而从历史上看，在2000年至2018年间进入排队的项目中，最终只有约五分之一真正建成。仅ERCOT的大负荷排队就达到233吉瓦——同比激增269%，其中77%是数据中心——而2025年新并网的发电容量仅为23吉瓦。FERC自己的分析发现，本应解决这一问题的集群研究中有68%都是逾期完成的。GridLab估计，并网瓶颈让PJM的消费者在一次容量拍卖中就损失了35亿美元，因为本应中标的更廉价发电根本无法及时接入。
你无法靠增加人力工程工时来消化2,600吉瓦的排队队列。这些研究总会盖着“逾期完成”的印章回来。这是 AI 应当发挥作用的第二个地方——不是控制电网，而是以人类在结构上无法企及的速度对排队进行筛选和聚类。
如果动态线路增容如此便宜，为什么它没有无处不在？
还有第三个缺口，也是最让我有点抓狂的那个，因为这项技术早已得到验证。
动态线路增容——在输电线路上安装非接触式传感器，从而按实际工况而非保守的最坏情况假设来核定其容量——并不是实验性的东西。LineVision是占主导地位的供应商。在一条345千伏走廊上，AES实现了61%的容量提升。国家电网（National Grid）在锡拉丘兹的部署增加了20-30%。而它的成本大约只有传统换导线项目的5-7%——在AES的案例中，比常规升级大约便宜76%。
那么，为什么不是每一家受约束的公用事业公司都把它铺满自己的电网？因为硬件供应商卖给你的是传感器，而不是一套方案。没有人回答真正的规划问题：在我这张具体的电网上，我该在哪里、何时部署电网增强技术，才能用每一美元释放出最多的容量？ 这是一个针对公用事业公司自身拓扑与负荷模式的优化问题——而且它是一个位于传感器之上、而非内嵌其中的分析层。FERC的第1920号命令如今要求公用事业公司考虑电网增强技术，然后才能新建线路，这意味着这个问题即将同时摆到大量规划人员的案头。
动态线路增容是一种罕见的电网干预手段——它既是最便宜的选项，又是最常被搁置不用的那一个。
AI 在电网上真正的用武之地
把这些线索汇到一起，我的立场比那些炒作更为收敛，而我认为，也更有用。
AI 不属于对安全攸关电网的自主控制——今天不属于，凭借一个在边缘工况上会微妙出错的模型也不属于。它属于当前软件栈存在结构性空洞的三个地方。第一，汇集层可观测性——即那种次输电层的分析能力，本可以在400千伏母线看似平静时，抓住220千伏层面上出现的242千伏。第二，排队智能——即以逾期完成的集群研究永远无法企及的速度，对价值2,600吉瓦的并网申请进行筛选和聚类。第三，一个电网增强技术优化层——它告诉规划人员，动态线路增容和潮流控制究竟在哪里真正划算。在这三者之下，物理信息模型作为规划研究的咨询与仿真工具证明了自身的价值——比传统工具快得多，而落笔之权仍握在运行员手中。
有人问我，公用事业公司是否真的想要又一个供应商。他们并不想，而我们也没有要求他们变成供应商。公用事业公司拥有GE、西门子和ABB的SCADA系统，他们并不会把这些拆掉。他们需要的是一个能够与现有装机基础协同工作、并且保持供应商中立的 AI 叠加层，而不是又一个要求推倒重来的庞然大物。这是一个刻意的设计选择，它就在解决方案页面上有详细阐述。
他们还会问到堆积如山的监管，而这确实存在。欧盟《人工智能法案》将电网管理中的 AI 归类为高风险，合规截止日期为2026年8月2日，罚款最高可达1,500万欧元或全球营业额的3%。NERC的CIP-003-9将于2026年4月生效。FERC第1920号命令的电网增强技术要求正在落地。西班牙对这次停电的回应——Red Eléctrica依据P.O. 7.4授权24座可再生能源设施进行动态电压控制，要求它们证明具备±30%的无功功率能力——正是那种需要新的分析手段才能真正验证和运行的强制规定。在这里，合规与能力并不是彼此独立的项目。让你合法的那个东西，正是让你保持供电的那个东西。
伊比利亚的这份报告，通过精确地点出电网陷入盲视的那一刻，为一个篇章画上了句号。我在其中读到的不是一场关于可再生能源的争论，而是一台指向错误位置的仪器。打造那台指向正确位置的仪器——这才是我们要做的工作。
