AI 助力双碳目标:让每一度电都是我们优化的

2023-12-07 20:20

本文主要是介绍AI 助力双碳目标:让每一度电都是我们优化的,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

作者:辛焱(悬尘)   达摩院决策智能实验室

双碳下新型电力系统带来的挑战

据统计:调度通过优化计算对新能源消纳能力每增加1%,将会影响1.2GW等效48亿元投资。所以如何做好电网调度将是实现双碳非常重要的一个环节。

“碳达峰、碳中和”被纳入生态文明建设整体布局,“构建以新能源为主体的新型电力系统”的新要求,将使得新型电力系统呈现高比例新能源消纳、源网荷储互动融合、多能互补、电力系统灵活调节、用户用能需求多样化等特征,对传统电网可靠供电、安全稳定和经济运行带来了新的挑战,同时对电网调控工作提出了新的要求。

随着新型电力系统建设的快速推进,电网运行认知方面已经临新的问题:

1)电网调度控制复杂性不断加大,调度运行特性发生了深刻变化,对电网的精细化调控和一体化统筹管理水平提出了更高的要求;

2)由于电力电子装置广泛使用以及新能源渗透率的提高,电力系统表现出越来越强的复杂性和强不确定性,如何保证电网稳定、安全运行,成为电网调控的重大战略问题,而传统基于物理特性的模型驱动方法难以短时间内得到正确结果;

3)由于电源结构转变,系统惯量降低,对于电网调度优化的计算颗粒度要越来越精细,相当于计算的效率要越来越高。

用优化模型来解释下这个变化:从之前的LP要逐步变成MILP甚至MINLP,同时计算的规模与范围会指数增长,但要求计算效率要更快。这个问题是不是看着有点像“既要又要”?是的,这个就是电网调度在新型电力系统面临的挑战。

找到了关键问题与主要矛盾,下面我们来看下我们是怎么一步步来解决这些问题的。

第一阶段:国产化替代

分别与国网两院签订求解器在电力现货经济调度与机组组合验证项目,对比图如下:

国网两院给予的结论是:分别在电力定价,机组组合阶段与国外求解器计算结果一致且计算效率相仿,具备替代国外求解器条件。但仅仅停留在底层优化技术,我们发现无法解决新型电力系统的调度难题,我们还要更深入的去了解这个技术方向。

第二阶段:夺冠

2021年8-10月国网举办了AI调度大赛,达摩院决策智能实验室夺冠:

比赛的内容是在0.1s内在考虑N-1断线与新能源不确定性下做出考虑交流潮流的机组组合问题,问题规模是50机组126节点。目标是在考虑各类网络安全约束下尽量消纳新能源并且保证系统成本最低(是一个鲁棒MINLP优化问题,但计算时间要求很苛刻)

决策智能内部成立了2个技术小组分别从MINLP和强化学习2个方向进行技术探索,在整个比赛过程中我们开发了一套潮流计算工具,尝试针对电力系统的MINLP基于Jacobian Matrix做了线性化,在DDPG里面融合了大量业务知识,最终在决赛阶段通过2个技术方向以松耦合的结合方式取得了冠军。在这个过程中,我们越来越坚信:强化学习和底层优化技术的结合才能解决新型电力系统调度决策问题。

第三阶段:全球第一个云上AI电力调度系统

搞定了比赛之后我们没有停下脚步,在电力行业线帮助下找到了南网的电力调度实验场景,在南网调度云上搭建了总调的实时AI调度决策系统。

挑战是:我们调研了强化学习在国内外的应用都没有超过1000节点以上的系统,南网总调的规模是4000节点、1000多台机组的这样大规模电网结构(是我们参加比赛的40倍),对如此大规模网络结构进行强化学习训练是一项非常大的挑战。我们寻求到蚂蚁RAY团队的帮助,在他们帮助下使用了RAY进行大规模分布式强化学习训练;单次训练潮流计算效率是瓶颈,我们将潮流计算进行了改造结合了我们底层数值计算LU分解能力,将单次计算控制在了0.5s以下。实际的调度系统对于电力调度决策的安全性要求极高,我们在这个问题中采用了SafeRL的方法,将强化与底层优化技术深度耦合在了一起,实现了每一度电都是我们优化的,并且将计算效率提高了100倍以上,具备了秒级调度优化能力。

我们取得的结果:

第四阶段:我们把积累的能力拿出来与大家共享

为了支撑某电网今年举办的强化学习AI调度大赛,我们搭建了无影+强化学习分布式训练云平台,建立了当地电网模拟仿真环境。我们希望降低强化学习使用门槛,赋能电力行业,让大家能更用简单的方式将强化学习应用在电力调度的各个业务。

这篇关于AI 助力双碳目标:让每一度电都是我们优化的的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/467235

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

MySQL高性能优化规范

前言:      笔者最近上班途中突然想丰富下自己的数据库优化技能。于是在查阅了多篇文章后,总结出了这篇! 数据库命令规范 所有数据库对象名称必须使用小写字母并用下划线分割 所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来) 数据库对象的命名要能做到见名识意,并且最后不要超过32个字符 临时库表必须以tmp_为前缀并以日期为后缀,备份

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X