<li id="jf4qb"><acronym id="jf4qb"></acronym></li>
      <dd id="jf4qb"><track id="jf4qb"></track></dd>

      <button id="jf4qb"><acronym id="jf4qb"></acronym></button>

      阿里達摩院獲NeurIPS虛擬電廠競賽冠軍 AI減碳超一成

      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。他們提出的電力調度AI解決方案,創新性地融合預測技術、優化技術和強化學習,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%。這項創新有望加速虛擬電廠尤其是零碳園區的落地推廣,推動能源綠色轉型。

      達摩院團隊奪冠.jpg

      達摩院團隊奪冠

      雙碳背景之下,虛擬電廠備受關注。所謂虛擬電廠,是通過智能技術將用戶側分散的光伏、儲能系統、可控負荷等主體進行聚合并優化調度,具有促進新能源消納、降低碳排放、提升電網運行安全等作用。NeurIPS 2022 CityLearn Challenge設定的虛擬電廠是美國加州一個真實園區,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、電費和電網波動,以向 “零碳園區”邁進。

      實驗項目示意圖.jpg

      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,比賽持續數月,歷經三輪,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%,電網波動減少17.9%。

      據介紹,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,技術實現難度高。這項比賽更是需要將新能源功率AI預測與電力調度AI決策相結合,先根據天氣狀況滾動預測每小時的光伏發電情況,再結合樓宇負荷情況進行實時的儲能充放電決策,調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,研究團隊先采用了在線滾動校正預測技術,盡可能提升預測的準確性;隨后在決策環節創新性地將優化技術與強化學習進行融合,即便預測存在不確定性,依然能實現最優決策。具體而言,他們利用達摩院自研的優化求解器MindOpt及其建模平臺,將復雜的電力調度轉化成線性規劃問題,進行準確、快速地求解;同時引入了多智能體協作的強化學習技術,讓虛擬電廠眾多主體相互協同,以同時實現低排放、低電費、低波動的目標。研究團隊發現,優化和強化學習兩種方法各有優勢,于是他們通過集成算法取兩者之長,獲得了國際領先的結果。

      據介紹,這項創新技術由于能夠適應現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“基于風險的能源調度”競賽冠軍和WCCI 2022 L2RPN法國輸電網調度競賽亞軍?;谧匝星蠼馄?、安全強化學習、時序預測等底層技術,實驗室打造出綠色能源AI解決方案,落地全國多家電網和發電企業,正不斷促進綠色能源消納,助力電網安全運行。

      (免責聲明:本網站內容主要來自原創、合作伙伴供稿和第三方自媒體作者投稿,凡在本網站出現的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。
      任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后,將會依法盡快聯系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。 )

      亚洲特级毛片AAAAA

        <li id="jf4qb"><acronym id="jf4qb"></acronym></li>
          <dd id="jf4qb"><track id="jf4qb"></track></dd>

          <button id="jf4qb"><acronym id="jf4qb"></acronym></button>