虚拟电厂调度国际竞赛:阿里达摩院求解器获冠军
虚拟电厂有助于推动能源结构绿色转型,在双碳目标下备受关注,但其调度是一大难题。记者8月10日获悉,阿里达摩院研究团队在GECCO 2022国际竞赛中获得第一名,凭借自研求解器MindOpt的黑盒优化能力,成功破解虚拟电厂调度难题,将成本降低29%,风险降低39%。
所谓“虚拟电厂”,是将光伏等分布式发电装置、储能设备、可控负荷等主体通过调度算法聚合起来,它虽然不是实体电厂,但能发挥实体电厂的作用,而且更经济。据国家电网测算,要满足5%的峰值负荷,我国需要投资4000亿元建设火电厂和配套电网来削峰填谷,而采用虚拟电厂只需500-600亿元。
虚拟电厂示意
由于虚拟电厂聚合的主体众多,其调度异常复杂,需要通过优化计算来确定发电机组的启停与出力、储能设备及电动汽车的充电或放电、系统与外部电力市场的交易电量……如果调度不当,可能会导致弃风弃光、运行成本增高,严重情况下甚至会引发系统崩溃。
专家介绍,虚拟电网的智能调度本质上是一个大规模不确定性混合整数非线性规划问题,由于高维离散且随机性强,其求解难度非常大。全球进化计算领域顶会GECCO(遗传与进化计算国际会议)等联合举办了专项竞赛“Risk-based Energy Scheduling 2022”,鼓励全球研究人员共同攻克这一难题。
竞赛设定的虚拟电厂包括光伏机组、风电机组、电动汽车、储能设备等500多个主体,集成在一个加密仿真器中。参赛团队无法一窥仿真器内部逻辑和数据,需要设计黑盒优化(也称仿真优化)算法来对接仿真器,基于仿真器这一“黑盒”的输入输出数据来推断更优的调度方案,以最大程度降低虚拟电厂的运行成本,同时有效控制极端天气等带来的风险。
阿里达摩院团队获得比赛冠军
阿里达摩院决策智能实验室参赛团队研发出新的黑盒优化算法,综合应用了维度聚类、信赖域、近似梯度代理等技术,以识别关键维度,并及早跳出局部极值和不稳定点。相比基于经验规则和经典进化算法的基准调度方案,达摩院团队将虚拟电厂的总运行成本降低29%,风险指标降低39%,获得竞赛冠军。
达摩院算法原理示意图
研究团队介绍,获奖算法已集成在达摩院求解器MindOpt的黑盒优化功能中,除了可应用于虚拟电厂,还可用于交通、物流、供应链、制造、医疗、医药等领域的仿真优化、拓扑优化、设计优化、超参调优、参数标定等场景。除了黑盒优化外,达摩院MindOpt求解器还提供线性规划、凸二次规划等能力,多次登顶国际权威的Mittelmann榜单,目前已向社会免费开放。
据了解,达摩院决策智能实验室旨在用数学解决真实世界的复杂问题。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,已逐步落地全国多家电网和发电企业,促进绿色能源消纳和电网安全运行。
相关文章
- 【技术种草】cdn+轻量服务器+hugo=让博客“云原生”一下
- CLB运维&运营最佳实践 ---访问日志大洞察
- vnc方式登陆服务器
- 轻松学排序算法:眼睛直观感受几种常用排序算法
- 十二个经典的大数据项目
- 为什么使用 CDN 内容分发网络?
- 大数据——大数据默认端口号列表
- Weld 1.1.5.Final,JSR-299 的框架
- JavaFX 2012:彻底开源
- 提升as3程序性能的十大要点
- 通过凸面几何学进行独立于边际的在线多类学习
- 利用行动影响的规律性和部分已知的模型进行离线强化学习
- ModelLight:基于模型的交通信号控制的元强化学习
- 浅谈Visual Source Safe项目分支
- 基于先验知识的递归卡尔曼滤波的代理人联合状态和输入估计
- 结合网络结构和非线性恢复来提高声誉评估的性能
- 最佳实践丨云开发CloudBase多环境管理实践
- TimeVAE:用于生成多变量时间序列的变异自动编码器
- 具有线性阈值激活的神经网络:结构和算法
- 内网渗透之横向移动 -- 从域外向域内进行密码喷洒攻击