新的人工智慧模型可以在再生能源使用量不斷增加的情況下使電網更加可靠
隨著風能和太陽能等再生能源變得越來越普遍，電網管理變得越來越複雜。維吉尼亞大學的研究人員開發了一種創新解決方案：一種人工智慧模型，可以解決再生能源發電和電動車需求的不確定性，使電網更加可靠和高效。 多保真圖神經網路：一種新的人工智慧解決方案 新模型基於多保真圖神經網路（GNN），這是一種旨在改進潮流分析的人工智慧，即確保電力在電網中安全高效分配的過程。 「多保真度」方法讓人工智慧模型利用大量低品質資料（低保真度），同時仍受益於少量高精度資料（高保真度）。這種雙層方法可以加快模型訓練速度，同時提高系統的整體準確性和可靠性。 增強即時決策的電網彈性 透過應用 GNN，該模型可以適應各種電網配置，並且對電力線路故障等變化具有穩健性。它有助於解決長期存在的「最佳功率流」問題，並確定不同來源應產生多少電力。由於再生能源在發電和分散式發電系統中引入不確定性，以及電氣化（例如電動車），增加了需求的不確定性，傳統的電網管理方法難以有效地處理這些即時變化。新的人工智慧模型整合了詳細和簡化的模擬，可在幾秒鐘內優化解決方案，即使在不可預測的條件下也能提高電網性能。 「隨著再生能源和電動車改變景觀，我們需要更聰明的解決方案來管理電網，」土木與環境工程助理教授兼該計畫首席研究員 Negin Alemazkoor 說。 “即使發生意外變化，我們的模型也有助於做出快速、可靠的決策。” 主要優點： 可擴充性： 訓練時需要較少的運算能力，使其適用於大型、複雜的電力系統。 更高的準確度： 利用豐富的低保真度模擬來實現更可靠的潮流預測。 提高普遍性： 此模型對於電網拓撲的變化（例如線路故障）具有穩健性，這是傳統機器學習模型所不提供的功能。 面對日益增加的不確定性，人工智慧建模的這種創新可以在提高電網可靠性方面發揮關鍵作用。 確保能源可靠性的未來 「管理再生能源的不確定性是一個巨大的挑戰，但我們的模型讓它變得更容易，」博士說。學生 Mehdi Taghizadeh，Alemazkoor 實驗室的研究生研究員。專注於可再生能源整合的學生卡米亞爾·海姆巴什補充道：“這是邁向更穩定、更清潔的能源未來的一步。” Source link