(相关资料图)

在全球AI顶会NeurIPS 2022的虚拟电厂国际竞赛中,阿里达摩院研究团队获得冠军。他们提出的电力调度AI解决方案,创新性地融合预测技术、优化技术和强化学习,使得实验项目在用电量不变的前提下,碳排放量减少13.6%,电费减低28.2%。这项创新有望加速虚拟电厂尤其是零碳园区的落地推广,推动能源绿色转型。


达摩院团队夺冠

双碳背景之下,虚拟电厂备受关注。所谓虚拟电厂,是通过智能技术将用户侧分散的光伏、储能系统、可控负荷等主体进行聚合并优化调度,具有促进新能源消纳、降低碳排放、提升电网运行安全等作用。NeurIPS 2022 CityLearn Challenge设定的虚拟电厂是美国加州一个真实园区,包含17幢配有光伏和储能设备的楼宇。参赛队伍需要在不改变用电量的情况下,尽可能降低碳排放量、电费和电网波动,以向 “零碳园区”迈进。


实验项目示意图

这项全球顶级赛事吸引了50多个国家的100多支队伍参加,包括微软、华盛顿大学、清华大学、香港科大等顶尖团队,比赛持续数月,历经三轮,最终阿里达摩院研究团队获得了冠军,他们提出的AI解决方案可让实验项目的碳排放量较基准下降13.6%,电费下降28.2%,电网波动减少17.9%。

据介绍,虚拟电厂由于牵涉主体众多,场景多样,决策频率高,且需要兼顾多个目标,技术实现难度高。这项比赛更是需要将新能源功率AI预测与电力调度AI决策相结合,先根据天气状况滚动预测每小时的光伏发电情况,再结合楼宇负荷情况进行实时的储能充放电决策,调度时长高达一年合计8760个小时,计算复杂度遽增。

鉴于预测与决策紧密相关,研究团队先采用了在线滚动校正预测技术,尽可能提升预测的准确性;随后在决策环节创新性地将优化技术与强化学习进行融合,即便预测存在不确定性,依然能实现最优决策。具体而言,他们利用达摩院自研的优化求解器MindOpt及其建模平台,将复杂的电力调度转化成线性规划问题,进行准确、快速地求解;同时引入了多智能体协作的强化学习技术,让虚拟电厂众多主体相互协同,以同时实现低排放、低电费、低波动的目标。研究团队发现,优化和强化学习两种方法各有优势,于是他们通过集成算法取两者之长,获得了国际领先的结果。

据介绍,这项创新技术由于能够适应现实世界中的不确定性,具有较强的应用价值,有望破解虚拟电厂的调度难题。获奖团队来自于阿里达摩院决策智能实验室,该实验室今年已多次在虚拟电厂主题的国际竞赛中获奖,包括GECCO 2022“基于风险的能源调度”竞赛冠军和WCCI 2022 L2RPN法国输电网调度竞赛亚军。基于自研求解器、安全强化学习、时序预测等底层技术,实验室打造出绿色能源AI解决方案,落地全国多家电网和发电企业,正不断促进绿色能源消纳,助力电网安全运行。

关键词: