由于虛擬電廠聚合的主體眾多,其調(diào)度異常復(fù)雜,需要通過優(yōu)化計算來確定發(fā)電機組的啟停與出力、儲能設(shè)備及電動汽車的充電或放電、系統(tǒng)與外部電力市場的交易電量……如果調(diào)度不當(dāng),可能會導(dǎo)致棄風(fēng)棄光、運行成本增高,嚴(yán)重情況下甚至?xí)l(fā)系統(tǒng)崩潰。
專家介紹,虛擬電網(wǎng)的智能調(diào)度本質(zhì)上是一個大規(guī)模不確定性混合整數(shù)非線性規(guī)劃問題,由于高維離散且隨機性強,其求解難度非常大。全球進化計算領(lǐng)域頂會GECCO(遺傳與進化計算國際會議)等聯(lián)合舉辦了專項競賽“Risk-based Energy Scheduling 2022”,鼓勵全球研究人員共同攻克這一難題。
競賽設(shè)定的虛擬電廠包括光伏機組、風(fēng)電機組、電動汽車、儲能設(shè)備等500多個主體,集成在一個加密仿真器中。參賽團隊無法一窺仿真器內(nèi)部邏輯和數(shù)據(jù),需要設(shè)計黑盒優(yōu)化(也稱仿真優(yōu)化)算法來對接仿真器,基于仿真器這一“黑盒”的輸入輸出數(shù)據(jù)來推斷更優(yōu)的調(diào)度方案,以最大程度降低虛擬電廠的運行成本,同時有效控制極端天氣等帶來的風(fēng)險。
阿里達摩院決策智能實驗室參賽團隊研發(fā)出新的黑盒優(yōu)化算法,綜合應(yīng)用了維度聚類、信賴域、近似梯度代理等技術(shù),以識別關(guān)鍵維度,并及早跳出局部極值和不穩(wěn)定點。相比基于經(jīng)驗規(guī)則和經(jīng)典進化算法的基準(zhǔn)調(diào)度方案,達摩院團隊將虛擬電廠的總運行成本降低29%,風(fēng)險指標(biāo)降低39%,獲得競賽冠軍。
研究團隊介紹,獲獎算法已集成在達摩院求解器MindOpt的黑盒優(yōu)化功能中,除了可應(yīng)用于虛擬電廠,還可用于交通、物流、供應(yīng)鏈、制造、醫(yī)療、醫(yī)藥等領(lǐng)域的仿真優(yōu)化、拓?fù)鋬?yōu)化、設(shè)計優(yōu)化、超參調(diào)優(yōu)、參數(shù)標(biāo)定等場景。除了黑盒優(yōu)化外,達摩院MindOpt求解器還提供線性規(guī)劃、凸二次規(guī)劃等能力,多次登頂國際權(quán)威的Mittelmann榜單,目前已向社會免費開放。
據(jù)了解,達摩院決策智能實驗室旨在用數(shù)學(xué)解決真實世界的復(fù)雜問題。基于自研求解器、安全強化學(xué)習(xí)、時序預(yù)測等底層技術(shù),實驗室打造出綠色能源AI,已逐步落地全國多家電網(wǎng)和發(fā)電企業(yè),促進綠色能源消納和電網(wǎng)安全運行。