人工智能可以使電網(wǎng)變得更加智能

以下文章是阿貢實(shí)驗(yàn)室努力利用人工智能預(yù)測能力，特別是機(jī)器學(xué)習(xí)，推動(dòng)廣泛科學(xué)學(xué)科發(fā)現(xiàn)的系列文章的一部分。你明天需要多少電?回答這個(gè)問題很像是在你早上的通勤中展望 - 有些可預(yù)測，但絕不是鐵定的。為了管理預(yù)測電力需求和避免意外的固有不確定性，電網(wǎng)運(yùn)營商依靠計(jì)算機(jī)模型來幫助估算從電力需求到交通模式的所有內(nèi)容。

“Argonne的方法決定了系統(tǒng)的當(dāng)前條件是基于過去的行為，還是某些東西是新的和不同的。這些信息可用于提醒操作員他們可能在網(wǎng)格上有他們不期望的東西。“ - 阿貢實(shí)驗(yàn)室高級(jí)計(jì)算數(shù)學(xué)家Mihai Anitescu

在各種情況下分析某些和未知的電力的這一挑戰(zhàn)涉及一系列極其復(fù)雜的數(shù)學(xué)問題。在人工智能(AI)的幫助下，能源部(DOE)阿貢實(shí)驗(yàn)室的研究人員正在開發(fā)新的方法，從電網(wǎng)中的大量數(shù)據(jù)中提取見解，目的是確保更高的可靠性，彈性和效率。這項(xiàng)工作將Argonne長期以來的網(wǎng)格專業(yè)知識(shí)與其先進(jìn)的計(jì)算設(shè)施和專家相結(jié)合。

更好地掌握不確定性

電網(wǎng)運(yùn)營商始終處理從極端天氣到設(shè)備故障等因素的挑戰(zhàn)和一些不確定性。現(xiàn)在，可再生能源的供應(yīng)波動(dòng)，其中一些來自配備智能電表的屋頂太陽能電池板的消費(fèi)者，正在增加電網(wǎng)運(yùn)營商必須考慮的變量數(shù)量。

Argonne研究人員正致力于優(yōu)化模型，這些模型使用機(jī)器學(xué)習(xí)(一種AI)來模擬電力系統(tǒng)和各種問題的嚴(yán)重性。在具有區(qū)域1，000電力資產(chǎn)，如發(fā)電機(jī)，變壓器，短短三年資產(chǎn)的中斷會(huì)產(chǎn)生近十億場景潛在故障。哪些可能性最值得關(guān)注?

解決這樣一個(gè)復(fù)雜的模型非常耗時(shí)。借助能源部領(lǐng)導(dǎo)計(jì)算機(jī)構(gòu)(ALCF)，DOE科學(xué)用戶設(shè)施辦公室等資源，研究人員可以并行模擬多個(gè)場景，更快地推動(dòng)這一過程。

“我們的想法是生成大量的場景，并訓(xùn)練機(jī)器學(xué)習(xí)模型告訴我們答案，”Argonne助理計(jì)算數(shù)學(xué)家Kibaek Kim說。“而不是解決在幾個(gè)小時(shí)或幾天了一些困難的優(yōu)化模型，我們訓(xùn)練模型的時(shí)間提前，然后得到答案的時(shí)候了。”

研究人員通過喂養(yǎng)它的一組數(shù)據(jù)，其中包括解決方案，如果機(jī)器正在研究以前的訓(xùn)練機(jī)器“嘗試新的之前的考試”。這稱為監(jiān)督學(xué)習(xí)。另一種技術(shù)，無監(jiān)督學(xué)習(xí)，涉及飼養(yǎng)計(jì)算機(jī)的原始數(shù)據(jù)，并允許它篩選出的圖案沒有告訴任何“答案”。

在一項(xiàng)研究中，Kim和他的同事們使用了一種稱為圖形卷積神經(jīng)網(wǎng)絡(luò)的模型來推薦最佳控制，以防止傳輸線在任何線路出現(xiàn)問題時(shí)過載。他們發(fā)現(xiàn)，這種使用機(jī)器學(xué)習(xí)快速找到解決方案的模型產(chǎn)生的錯(cuò)誤遠(yuǎn)遠(yuǎn)少于傳統(tǒng)的錯(cuò)誤。這項(xiàng)工作是使用Argonne的實(shí)驗(yàn)室計(jì)算資源中心(LCRC)及其系統(tǒng)評(píng)估聯(lián)合實(shí)驗(yàn)室進(jìn)行的。除了LCRC之外，Kim的工作涉及Argonne之間的合作。

Kim的團(tuán)隊(duì)正致力于使這些模型更加強(qiáng)大，為電網(wǎng)運(yùn)營商提供更強(qiáng)大的指導(dǎo)，為風(fēng)暴，設(shè)備故障和可再生能源發(fā)電的大幅波動(dòng)等特殊事件提供更可靠的規(guī)劃和運(yùn)營信息。

提前計(jì)劃

Argonne的其他工作涉及應(yīng)用AI來加速區(qū)域電力系統(tǒng)規(guī)劃中的日常計(jì)算。其中一個(gè)計(jì)算是安全約束單位承諾(SCUC)，它可以幫助電網(wǎng)運(yùn)營商設(shè)定每日和每小時(shí)發(fā)電的時(shí)間表。

“在電力系統(tǒng)中，這個(gè)SCUC問題每天都會(huì)被解決多次，”Argonne首席計(jì)算科學(xué)家馮秋說。“既然這個(gè)問題被反復(fù)得到解決，我們可以積累大量的數(shù)據(jù)，并發(fā)現(xiàn)可用于解決下一輪的模式。”

而不是與機(jī)器學(xué)習(xí)取代目前的分析，邱說，這個(gè)想法是加強(qiáng)使用機(jī)器學(xué)習(xí)提供現(xiàn)有的“提示”，從以前的解決方案的經(jīng)驗(yàn)教訓(xùn)。利用的LCRC的波普集群，由阿貢博士后任命Alinson澤維爾桑托斯領(lǐng)導(dǎo)的研究小組開發(fā)的AI是可以解決SCUC12快倍，平均比傳統(tǒng)方法。該方法的早期版本在Midcontinent獨(dú)立系統(tǒng)運(yùn)營商(MISO)的測試中成功使用，該運(yùn)營商負(fù)責(zé)監(jiān)督15個(gè)州和一個(gè)加拿大省的電力供應(yīng)。

“所有這些都可以帶來更有效的市場和更具成本效益的電力生產(chǎn)，”邱說。“對(duì)于長期規(guī)劃，它可以幫助電網(wǎng)運(yùn)營商考慮更多的方案，并做出更好的擴(kuò)張計(jì)劃。”

為更智能的網(wǎng)格編程

現(xiàn)代化的網(wǎng)格越來越多地采用可以監(jiān)控整個(gè)系統(tǒng)狀況的傳感器，這些也為增強(qiáng)的數(shù)據(jù)處理提供了機(jī)會(huì)。例如，放置在輸電線路和變電站上的設(shè)備用作哨兵，當(dāng)發(fā)生電網(wǎng)操作員時(shí)發(fā)出設(shè)備問題。

Argonne科學(xué)家已經(jīng)評(píng)估了ComEd一年的傳感器數(shù)據(jù)，ComEd是一家為中西部地區(qū)近400萬客戶提供服務(wù)的公用事業(yè)公司。這一次，研究人員使用無監(jiān)督學(xué)習(xí)，將數(shù)據(jù)輸送到機(jī)器并要求它查找傳感器輸出中的異常。

“當(dāng)事情無法正常工作時(shí)，操作員并不總是知道，”負(fù)責(zé)該項(xiàng)目的Argonne高級(jí)計(jì)算數(shù)學(xué)家Mihai Anitescu說。“我們的方法決定是否該系統(tǒng)的當(dāng)前狀況是基于過去的行為預(yù)期，還是東西是新的，不同的。該信息可用于提醒操作員他們可能在網(wǎng)格上有他們不期望的東西。“

這種分類工作也可以應(yīng)用于可再生能源的天氣預(yù)報(bào)，例如，校正水體附近的風(fēng)資源的低估，并將數(shù)值模型與物理測量相結(jié)合以提高準(zhǔn)確性。

很多AI工作，指出Anitescu，涉及純數(shù)據(jù)-識(shí)別語音模式，例如，或分析圖：“不會(huì)有太多的物理規(guī)則，”他補(bǔ)充道。

對(duì)于像天氣或電網(wǎng)這樣的大型現(xiàn)實(shí)系統(tǒng)來說，情況并非如此。“你真的要調(diào)和數(shù)據(jù)，即使有很多的它，與物理信息，”他說。“這是一個(gè)處于起步階段非常多，它真的在那里的超級(jí)計(jì)算機(jī)是必要的。”

阿貢實(shí)驗(yàn)室的人工智能網(wǎng)格工作一直由能源部在科學(xué)的辦公室，高級(jí)電網(wǎng)研究與發(fā)展司DOE“電力辦公室和阿貢實(shí)驗(yàn)室的實(shí)驗(yàn)室指導(dǎo)研究和開發(fā)斯威夫特計(jì)劃短期項(xiàng)目。