中新网上海新闻10月19日电(李佳佳)全球知名的可再生能源领域学术会议——2023第十二届可再生能源发电国际会议近日在上海举办。本次会议由英国工程技术学会(IET)与上海交通大学联合举办，会议围绕风能技术、光伏系统技术、电池和储能系统(BESS)等主题展开，得到国内外众多专家学者的热烈响应和积极参与。

作为大会联合主席和IET旗下RPG期刊的主编，David Infield教授对RPG大会的角色和意义有更加深入的了解。对于本届RPG大会在上海举办，David Infield教授乐见其成，他非常高兴可以在几年分别之后，再次来到中国与同行进行面对面交流，因为中国在可再生能源领域具有巨大优势，市场也在蓬勃发展。David Infield教授谈到，各国研究者在探索新能源方面做出了各自的努力，也都认可化石燃料的替代势在必行，他们的发言涵盖了可再生能源领域面临的挑战，以及如何保证系统的稳定性等多项议题。

上海交通大学长聘教授严正介绍了中国可再生能源发电的的现状、前景及趋势，同时也分享了可再生新能源新业态的动向。中国注重大电网的新能源接入，得益于国家电网有力的资金调配，中国在新能源发展领域建设了很多标杆型示范工程。

根据发展态势预测，到2035年中国风电光伏装机量将超过50%，2045年实际发电量超过50%。同时，中国对可再生能源领域的新业态探索从未止步，各地因地制宜，涌现出光伏治沙、“农业+光伏”、可再生能源制氢等新模式。严正指出，伴随发展行业也面临挑战，包括如何建立符合政府双碳目标的可再生能源管控机制、如何将传统能源系统切换到更高技术融合的可再生能源发电状态、如何保证电网运行的稳定安全。虽面临诸多挑战，但可以预见，在双碳目标驱动下，未来中国在可再生能源领域会有强劲增长。这个过程离不开政府的大力扶持，以保证行业可持续发展和已投资项目的落地及回报。比如，政府可出台相应的补贴政策，政府资金的注入不仅显著提升整个系统的管控能力，也增强其平衡性、灵活性、经济性。最后，在全球化背景下，加强政府间、国家间的合作对可再生能源领域的发展尤为重要。

美国爱荷华大学Andrew Kusiak教授分享了行业发展趋势、中美两国合作前景，以及数字化转型等议题。他提到，可再生能源行业仍面临很多问题，比如如何控制碳排放，以及处理海水中的重金属沉淀等，但发展态势令人鼓舞，到2025年全球可再生能源的发电比例可达到35%，且成本在不断下降。纵观能源转型的全过程，需要教育和研究双管齐下、多方参与，创新意识也必不可少，同时要平衡经济发展和环境保护的不同需求。

关于中美两国在可再生能源领域的优势，Andrew Kusiak教授认为，中国电动车的市场规模和布局方面更有优势，高压输电线路领域也更胜一筹；而美国在交通领域的可再生能源体系中，有更多元的创新方案，具备弹性和可延展性，其政府也在向可再生能源转变的过程中，体现了更强的服务意识。IET主办的可再生能源国际会议为国际合作提供了更多机会。以中美两国为例，Andrew Kusiak教授提出了可行的合作方向，包括活动倡议、行业相关标准的制定、能源基建项目的韧性提升、灾后重建等方面。零碳电力可以作为中美双方合作的活动倡议之一。关于可再生能源标准的制定，双方可以考虑如何合作实现从传统能源到可再生能源的转变和储存，比如以更清洁的能源比如氢能来替代化石燃料。当前气候变化导致自然灾害的几率提升，中美可以就最佳实践和知识储备进行共享，在进行可再生能源设施的基础建设时即可纳入考量。在灾后恢复重建方面，双方可合作建立全球灾后重建的服务中心，进行资源共享和融合，对需求进行更及时的响应。

关于碳中和如何影响可再生能源领域的发展，David Infield教授认为，虽然各国实现碳中和的目标年份有差异，但各国都应付出努力来控制碳排放。区域性战争、汇率波动等都会提升使用可再生能源的成本，包括相关企业的运营成本，政府可对此做出相应的政策调整，以刺激可再生能源行业的发展。针对同一议题，Andrew Kusiak教授提到，目前针对碳中和的发展，美国存在两种截然不同的观点，一是认为气候恶化严重，应快速转型，可再生能源的研发与应用迫在眉睫，另一种观点认为推动可再生能源的发展是政客们为满足某种目的而提出的议案，因此应继续侧重传统能源的发展，以创造更多就业机会。作为从业者，我们愿意遵循市场规律，以市场需求来引导行业发展。

可再生能源的发展离不开科技支撑，尤其是大数据技术。David Infield教授分享到，数据对风电厂的运营和维保非常重要，通过分析或建立数据模型，对风电厂的降本增效会很有帮助；另外，目前的电力系统规模庞大、愈加复杂，如何做好监控管理、提升运营效率，保证整个电网安全有效地运作，大数据都起到相当重要的作用。Andrew Kusiak教授认为，可再生能源在电力领域的部署已经相对成熟，但如何实现高效地使用，降本增效、事故预警、未来预测等，都离不开数据分析。与传统发电不同，新能源发电无法预测和控制风速、阳光等自然变量，使情况更加复杂，所以更需要数据监控的介入，通过机器学习建立模型，收集数据来帮助预测和管理。