zoupaper的个人博客分享 http://blog.sciencenet.cn/u/zoupaper

博文

哲学与电力系统 精选

已有 2370 次阅读 2021-5-21 16:07 |系统分类:科研笔记

  哲学是关于世界观和方法论的理论体系,学哲学是追求智慧的一种表现。我们看到,许多人很聪明,一目十行,数学题别人都看不懂,他能迅速解决,但是并没有取得很大的成就。所以说,聪明和智慧是两个不同的概念。智慧是成功的必要条件(但不是充分条件);聪明可以提高成功的概率,但是没有逻辑上的因果联系。对于普通人来说,学习哲学是拉近与聪明人差距的最好的方式之一。因为,哲学可以给人深度思考,而深度思考的机会,在日常工作和生活中是很难遇到的。另外,哲学还可以分辨什么是大忽悠。(小忽悠只要头脑冷静、加上常识就可以了,但这不足以应对大忽悠)。

本文不谈大道理,不讲人生观之类的,仅仅从我在电力系统行业的一些经验出发,从几个方面谈一谈哲学思维在工程技术中的用处。

1 形式逻辑与辨证逻辑

逻辑学大概是与哲学最近的学科。在我国,逻辑学是属于哲学的二级学科。任何思维活动都需要遵循形式逻辑的规律,例如不能自相矛盾、推理要符合三段论等。哪怕是哲学也必须符合形式逻辑。

那么,哲学中的辨证逻辑和形式逻辑什么关系呢?我用电力系统来类比:电力系统的运行是长期连续的过程,我们把其中某个时间断面的信息拿下来,拿下来后就变成了一个静态的电力系统,这个系统有欧姆定律、基尔霍夫定理等,在这些基本规律的基础上,我们进一步可以进行状态估计计算、潮流计算、短路电流计算、稳定性分析、可靠性分析等,可以找出电力系统的薄弱环节,为生产运行提供必要的指导信息。断面下的电力系统所遵循的规律,就好比形式逻辑,当然也是很有用处的。但是,仅仅依靠断面分析,哪怕是已经有很多历史断面一起分析,都还是远远不够的。电力系统未来的发展趋势预测,不能只靠系统本身。例如,负荷预测跟社会经济密切相关;风电光伏等新能源出力跟自然环境密切相关;电力市场跟国民经济密切相关,等等。这些相对于电力系统,是更高维度的规律,这就好比是辨证逻辑。

所以说,辨证逻辑是针对历史发展规律,进行总结研究的。如果我们强行把辨证用于形式逻辑的领地,那就不是辩证逻辑了,那就变成诡辩了。学习哲学,应该可以更好的分析哪些是诡辩,哪些是真的辨证。

2  用历史和发展的眼光看问题

刚才说了,辩证法其实就是从历史和发展的眼光看待问题。所以,唯物辩证法和历史唯物主义是同义词,不能认为马克思主义哲学是辨证唯物主义加上历史唯物主义。

我们知道辨证法有以下基本规律:矛盾的对立统一规律、量变与质变的相互转换规律;否定之否定规律。我们用电力系统长期存在的交流和直流之争,来看看辩证法的用处。

最初的电力工业是爱迪生发展的,采用直流电。当时的特斯拉与爱迪生争论,由于交流电很容易提高电压、降低传输损耗,后来特斯拉的交流电取代了直流电。

到了20世纪,人们发现,交流电存在电抗损耗、且有同步稳定性的问题,因此,高压直流输电又得到了发展。但是,人们又发现,强直弱交的话,特高压直流闭锁对交流电网的冲击太大,于是又重点发展特高压交流电网。但是有人提出,特高压交流电网是没有必要的,目前这个问题还在争论中。

对于新能源如风电的并网,以虚拟同步机的形式并入交流电网,还是优先发展直流配电网,直接以直流并网?也没有定论。

我们发现,交流和直流是不断互相否定的,符合否定之否定规律。但是,21世纪的交流电,和特斯拉当时的交流电,本质上已经不是一个东西了。如果脱离历史背景、具体的需求、当前的整体经济技术水平,抽象的谈论交流就是比直流好,或者直流就是比交流好,那是非常不妥的,犯了形而上学的独断论错误。

类似的例子当然还有很多。

3 世界观与第一性原理

哲学的重要任务是对世界有一个总体的看法,就是世界观。学习哲学,可以知道:物质决定意识,这是大的方面。具体到人类社会发展,生产力决定生产关系;生产关系是人类社会经济基础的核心,经济基础决定上层建筑(包括道德、法律、意识形态等)。另外,根据辩证法,决定都不是单向的,被决定的对象也可以反过来影响决定的对象。比如,生产关系可以推动或阻碍生产力的发展。

不管怎么说,世界的发展总有推动的力量,有决定性的因素,不是一片混沌的。虽然有少数哲学家,例如休谟,否认因果关系的存在,世界只有偶然没有必然的存在,但毕竟不是主流。

有一种思维方法叫做第一性原理,就是建立在事情发展有本质因素的世界观的基础上。第一性原理,就是从根本的角度分析问题看待问题,而不是从侧面角度归纳,或者人云亦云、听取权威的意见,等等。

埃隆·马斯克是第一性原理的推崇者,他创立SpaceX公司,彻底改变了商业航天发射市场格局,颠覆了航天发射领域的游戏规则;他的特斯拉公司,对汽车行业产生重大影响;之前他创立在线支付公司Paypal,掀起在线支付革命。

创办SpaceX时,美国航天界的主流观点是,造火箭发卫星的费用是异常昂贵的。马斯克提出火箭复用,而且采用大量互联网公司的思路降低成本、提高迭代效率,而SpaceX几乎所有的部件都尽可能自主开发,降低成本,例如使用普通的x86芯片而不是航天级芯片(采用多路复用来保证可靠性)。他分析电池中所有的金属成分,然后到金属交易市场调研每种金属的价格,得出结论:未来的汽车是可以使用电池作为动力的,虽然当时没有人看好电动车的发展。

现在的大数据、机器学习很火,但是这些技术大都是相关性的分析,很难涉及因果性、决定性,我们不能头脑发热。欧洲中世纪,黑死病(鼠疫)肆虐。人们观察到:黑死病高发的地区,猫往往很多。因此,许多人把黑死病归结于是猫带来的。一直到现在,很多动画片里面猫还是反派的角色。这是通过统计学习得到的结论。很不幸,是完全错误的,而且南辕北辙。真正的原因是,黑死病是老鼠带来的,猫喜欢吃老鼠,老鼠多的地区猫也多。如果把猫赶走,那就更糟糕了。

机器学习还有一个问题是可解释性弱,这涉及到人工智能出现事故后的责任分摊。所以,对于电力系统应用人工智能、机器学习,我一向主张要采取慎重的态度。类似于自动驾驶技术,分成L1~L4,不同技术阶段不同的应对策略。当前其实是辅助驾驶,而不是真正的自动驾驶。

4 价值观与方法论

价值观对于行为的分析、评判事情的标准是很重要的。价值观本质是上层建筑的部分,受经济基础的决定。所以有一句话:“触动利益比触动灵魂还难”,真的太精妙了。下面举几个例子。

学术成果该怎么评价?如果把指南编写、申请项目、项目执行、项目验收,看成一个内循环,那么学术成果只服务于学术界自身。如果把学术界看成是为社会提供智力服务的行业,那么学术成果必然又是另一种评价体系。哪种更合理,完全取决于哪种价值观更合理。

有很多人都明里暗里的提到:电力系统是一个守旧、保守的行业,不愿意用新技术、新成果。真的是这样吗?其实,技术路线的替换是需要成本的,越是涉及国计民生的行业,成本越高。如果新成果没有决定性的突破,只有小的改进,覆盖不了替换成本,用户就不会换技术。这是一个很简单的价值判断问题。另外,新成果可能某项指标提高了,别的指标会下降了(例如实用性、数值稳定性等),但下降的指标不会在论文中写出来。

真正好的成果,电力系统当然会用。比如说以前变电站的通信都是拉二次电缆,真的是挥汗如雨啊。现在拉光纤、连接交换机就可以了。再比如说以前搭建动模实验需要很多时间,规模还不能大,现在采用数字仿真,在电脑上搭建模块就可以搞定了。

方法论也是很重要的,这里不展开来讲。越是颠覆性的创新,方法论越重要。如果把很多一般的成果打包、包装成一个超级大的成果,提出一个炫酷的方法论,仿佛这么多成果都是在这个方法论指导下完成的,这就脱离了方法论的本意。

5 实践的极端重要性

实践不仅是检验真理的标准,也是正确认识的来源。要想知道梨子是什么味道,你总要尝一下。实践的重要性,真的是怎么强调都不为过。对于管理人员来说,尤其如此,因为管理层相对容易脱离一线实践。

我发现,往往喜欢钻牛角尖的人,都是缺乏实践经验的人,就好比明明有全局最优解,他却在局部最优解附近打圈圈,出不来。实际上,对于理论研究,脱离实践往往逻辑自洽都做不到。例如康德哲学中的二律背反问题;数学中有哥德尔不完备定理。电力系统是工程,不能像理论工作者那样钻研,必须结合实践。

下面按照实践强弱,做个排序吧。

1)真的把东西造出来,比如说制造业把机器、芯片造出来,或者农业上把粮食、水果生产出来,这个是实践性最强的,是最前沿的一线,这里的经验是最宝贵的。所以说,生产芯片比设计芯片更重要,这是很简单的道理啊。

如果你研究的是电力系统算法,在别人的开源或商业软件上去做,还是自己开发实现,自己弄出来,效果是完全不同的。

我有一个经验,凡是自己亲自实现的东西,回过头来看,非常的简单自然,即使别人看起来很复杂。如果没有亲自实践,就没有类似的感觉。

2)实验研究、测量等。对于电力系统来说,由于很难做实验(三相短路实验真的很壮观的),对于实际电力系统的测量和仿真,也算这一块。

3 深入一线的调查研究。这是很多人不愿意做,但是其实是很重要的方面。比如说在企业开发软件,很多人不去调查用户究竟是怎么想的、有什么具体的需求,而是在那里主观臆断,替用户做决定。到时候与用户有了冲突,反倒怪起用户来了。觉得用户吹毛求疵,不按自己的想法来。

4 经典的专著(例如Kundur的著作)、教科书(例如王锡凡院士的《现代电力系统分析》)、工具书(例如《中国电力百科全书》),一般是久经考验的,可以用作基础参考资料。

5)有同行评议的学术论文,虽然现在论文的造假时有发生,但是总还是要比网上的材料可靠的多。

6)比较可靠的媒体刊登的文章,电力系统行业中有一些专业媒体,还是比较可靠的。也有一些自媒体,也可以参考,但需要鉴别。




https://blog.sciencenet.cn/blog-3316223-1287627.html

上一篇:工程师的视角看极限
下一篇:现代C++的定位、设计原则与编程范式

11 杨正瓴 武夷山 黄永义 杨辉 王林平 吴斌 姚远 晏成和 彭振华 张鹰 闫江毓

该博文允许注册用户评论 请点击登录 评论 (4 个评论)

数据加载中...
扫一扫,分享此博文

全部作者的精选博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-5-28 06:39

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部