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峰会NeurIPS 2022的虚拟电厂国际比赛中，阿里达摩院研究团队获得冠军他们提出的电力调度AI解决方案创新性地整合了预测技术，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，碳排放量减少了13.6%，电费减少了28.2%这一创新有望加速虚拟电厂尤其是零碳园区的普及，推动能源的绿色转型

大元队夺冠。

在双碳背景下，虚拟电厂备受关注所谓虚拟电厂，就是通过智能技术对分散在用户侧的光伏，储能系统，可控负荷等主体进行聚合和优化调度，具有促进新能源消纳，减少碳排放，提高电网运行安全性的功能NeurIPS 2022 CityLearn Challenge设置的虚拟发电厂是一个位于美国加州的真实校园，里面包含17栋装有光伏和储能设备的建筑参赛队伍需要在不改变用电量的情况下，尽可能减少碳排放，电费和电网波动，从而走向零碳公园

项目示意图

这项世界顶级比赛吸引了来自50多个国家的100多支队伍，其中包括微软，华盛顿大学，清华大学，HKUST等顶尖队伍比赛历时数月，经过三轮，阿里达摩院研究团队获得冠军他们的AI解决方案可以将实验项目的碳排放量与基准相比减少13.6%，电费减少28.2%，电网波动减少17.9%

据介绍，虚拟电厂由于涉及主体多，场景多样，决策频率高，需要兼顾多个目标，实现难度较大这个比赛需要把新能源电力的AI预测和电力调度的AI决策结合起来首先根据天气情况预测每小时光伏发电情况，然后结合建筑负荷情况进行实时储能充放电决策一年调度时间长达8760小时，计算复杂度剧增

鉴于预测与决策的密切关系，课题组首先采用在线滚动修正预测技术，尽可能提高预测的准确性，然后在决策过程中，创新性地融合了优化技术和强化学习，即使预测不确定，仍然可以达到最优决策具体来说，他们利用达摩院开发的优化求解器MindOpt及其建模平台，将复杂的电力调度转化为线性规划问题，准确快速地求解，同时引入多智能体合作的强化学习技术，使虚拟电厂的多个主体相互合作，同时达到低排放，低电费，低波动的目标研究团队发现优化和强化学习这两种方法各有优势，于是通过整合算法，取长补短，得到了国际领先的成果

据介绍，这一创新技术由于能够适应现实世界中的不确定性，具有很强的应用价值，有望解决虚拟电厂的调度问题获奖团队来自阿里达摩院决策智能实验室，该实验室今年已获得多项以虚拟电厂为主题的国际竞赛，包括GECCO 2022基于风险的能源调度竞赛冠军，WCCI 2022 L2RPN法国输电网调度竞赛亚军基于自主研发的解算器，安全强化学习，时间序列预测等底层技术，实验室打造了绿色能源AI解决方案，已在全国多家电网和发电企业落地，正在不断推动绿色能源的消纳，助力电网安全运行