記者獲悉，在全球AI頂會NeurIPS 2022的虛擬電廠國際競賽中，阿里達摩院研究團隊獲得冠軍。他們提出的電力調(diào)度AI解決方案，創(chuàng)新性地融合預測技術(shù)、優(yōu)化技術(shù)和強化學習，使得實驗項目在用電量不變的前提下，碳排放量減少13.6%，電費減低28.2%。這項創(chuàng)新有望加速虛擬電廠尤其是零碳園區(qū)的落地推廣，推動能源綠色轉(zhuǎn)型。
達摩院團隊奪冠
雙碳背景之下，虛擬電廠備受關(guān)注。所謂虛擬電廠，是通過智能技術(shù)將用戶側(cè)分散的光伏、儲能系統(tǒng)、可控負荷等主體進行聚合并優(yōu)化調(diào)度，具有促進新能源消納、降低碳排放、提升電網(wǎng)運行安全等作用。NeurIPS 2022 CityLearnChallenge設定的虛擬電廠是美國加州一個真實園區(qū)，包含17幢配有光伏和儲能設備的樓宇。參賽隊伍需要在不改變用電量的情況下，盡可能降低碳排放量、電費和電網(wǎng)波動，以向 “零碳園區(qū)”邁進。
實驗項目示意圖
這項全球頂級賽事吸引了50多個國家的100多支隊伍參加，包括微軟、華盛頓大學、清華大學、香港科大等頂尖團隊，比賽持續(xù)數(shù)月，歷經(jīng)三輪，最終阿里達摩院研究團隊獲得了冠軍，他們提出的AI解決方案可讓實驗項目的碳排放量較基準下降13.6%，電費下降28.2%，電網(wǎng)波動減少17.9%。
據(jù)介紹，虛擬電廠由于牽涉主體眾多，場景多樣，決策頻率高，且需要兼顧多個目標，技術(shù)實現(xiàn)難度高。這項比賽更是需要將新能源功率AI預測與電力調(diào)度AI決策相結(jié)合，先根據(jù)天氣狀況滾動預測每小時的光伏發(fā)電情況，再結(jié)合樓宇負荷情況進行實時的儲能充放電決策，調(diào)度時長高達一年合計8760個小時，計算復雜度遽增。
鑒于預測與決策緊密相關(guān)，研究團隊先采用了在線滾動校正預測技術(shù)，盡可能提升預測的準確性；隨后在決策環(huán)節(jié)創(chuàng)新性地將優(yōu)化技術(shù)與強化學習進行融合，即便預測存在不確定性，依然能實現(xiàn)最優(yōu)決策。具體而言，他們利用達摩院自研的優(yōu)化求解器MindOpt及其建模平臺，將復雜的電力調(diào)度轉(zhuǎn)化成線性規(guī)劃問題，進行準確、快速地求解；同時引入了多智能體協(xié)作的強化學習技術(shù)，讓虛擬電廠眾多主體相互協(xié)同，以同時實現(xiàn)低排放、低電費、低波動的目標。研究團隊發(fā)現(xiàn)，優(yōu)化和強化學習兩種方法各有優(yōu)勢，于是他們通過集成算法取兩者之長，獲得了國際領先的結(jié)果。
據(jù)介紹，這項創(chuàng)新技術(shù)由于能夠適應現(xiàn)實世界中的不確定性，具有較強的應用價值，有望破解虛擬電廠的調(diào)度難題。獲獎團隊來自于阿里達摩院決策智能實驗室，該實驗室今年已多次在虛擬電廠主題的國際競賽中獲獎，包括GECCO 2022“基于風險的能源調(diào)度”競賽冠軍和WCCI 2022 L2RPN法國輸電網(wǎng)調(diào)度競賽亞軍?；谧匝星蠼馄鳌踩珡娀瘜W習、時序預測等底層技術(shù)，實驗室打造出綠色能源AI解決方案，落地全國多家電網(wǎng)和發(fā)電企業(yè)，正不斷促進綠色能源消納，助力電網(wǎng)安全運行。
下載文檔
