阿里达摩院获NeurIPS虚拟电厂竞赛冠军 AI减碳超一成

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。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。