陽濟高速有幾個出口
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。他們提出的電力排程AI解決方案，創新性地融合預測技術、最佳化技術和強化學習，使得實驗專案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
雙碳背景之下，虛擬電廠備受關注。所謂虛擬電廠，是透過智慧技術將使用者側分散的光伏、儲能系統、可控負荷等主體進行聚合並最佳化排程，具有促進新能源消納、降低碳排放、提升電網執行安全等作用。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幢配有光伏和儲能裝置的樓宇。參賽隊伍需要在不改變用電量的情況下，儘可能降低碳排放量、電費和電網波動，以向 “零碳園區”邁進。
實驗專案示意圖
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解決方案可讓實驗專案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，虛擬電廠由於牽涉主體眾多，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預測與電力排程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，排程時長高達一年合計8760個小時，計算複雜度遽增。
鑑於預測與決策緊密相關，研究團隊先採用了線上滾動校正預測技術，儘可能提升預測的準確性；隨後在決策環節創新性地將最佳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最佳化求解器MindOpt及其建模平臺，將複雜的電力排程轉化成線性規劃問題，進行準確、快速地求解；同時引入了多智慧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，最佳化和強化學習兩種方法各有優勢，於是他們透過整合演算法取兩者之長，獲得了國際領先的結果。
據介紹，這項創新技術由於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排程難題。獲獎團隊來自於阿里達摩院決策智慧實驗室，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“基於風險的能源排程”競賽冠軍和WCCI 2022 L2RPN法國輸電網排程競賽亞軍。基於自研求解器、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，助力電網安全執行。