如果渤海湾里的蝴蝶挥动了一下翅膀,位于山东省烟台市的某家风电场应该如何上报发电功率预测数据?
冬季枯水又少光,令人瑟瑟发抖的寒潮还要来临,省网公司该如何储备中长期电量,调整省间现货购电策略?
如果要求总发电成本最低、消纳绿电最多、碳排放量最少,电网又该怎样去协调成百上千台机组的发电功率才是最优解?
如今,阿里巴巴达摩院有这样一群人,专门聚焦于研发尖端运筹优化和机器学习技术,致力于通过优化求解、时序预测、高精细气象和可解释AI等领域的研发与创新,帮助电力企业在遇到复杂问题时找出“最优解”。
电力系统复杂问题凸显
自“四个革命、一个合作”的能源安全新战略提出以来,我国在能源安全新战略的指引下走出了一条符合国情、顺应全球发展大势、适应时代要求的能源转型之路。2019年,我国更是向全世界作出“双碳”目标承诺。
为了实现“双碳”目标,我国明确提出要构建具有清洁低碳、安全可控、灵活高效、智能友好、开放互动基本特征的电力系统,新能源、充电基础设施等战新产业得到大发展,但我国的电源结构、电网形态、负荷特性也随之发生了深刻的变化。
国家统计局等最新数据显示,在电力生产端,新能源发电装机快速增长。截至2024年9月底,我国全口径发电装机容量31.6亿千瓦,其中,非化石能源发电装机占总装机容量比重已过半,达到56.5%。2024年前三季度,全国风电和太阳能发电新增装机合计2亿千瓦,占总新增装机比重超过八成。
在电力消费端,新能源汽车迅猛发展。截至2024年9月底,我国电动汽车充电设施总数达到1143.3万台,同比增长49.6%,月均增长31.5万台,新能源汽车保有量则达到2809万辆。2024年前三季度,全国电动汽车充电量为666.7亿千瓦时,同比增长12.4%。
在电力需求侧,极端天气问题还导致了电力尖峰负荷履创新高。今年夏季,我国平均气温达到1961年以来历史同期最高,全国最大电力负荷达14.51亿千瓦,再创下历史新高。
在以上多重因素的影响下,电力系统中高比例可再生能源和高比例电力电子设备接入的“双高”特征也越来越明显。电力系统在电源侧呈现间歇性、波动性和趋同性,在负荷侧受季节变化、天气过程、昼夜交替影响越来越大,源荷在时间和空间上不匹配的矛盾也更加凸显。
为了保障电力系统的安全稳定运行,也为了“双碳”目标能够顺利推进,发电企业所受到的偏差考核越来越严,对功率预测的要求也越来越高;电网企业则更加强调调度的调控能力,譬如,国家电网已明确提出要加快构建安全主动防御、运行主配协同、资源市场配置、技术数智赋能、管理精益高效的新型调度体系。
决策智能产品解难题
近期,国家电网在提出构建新型调度体系的同时,对构建路径也作出了解释,包括构建双驱动复杂系统认知体系和构建全要素综合能源平衡体系等内容。
具体来说,国家电网明确要建设模型和数据双驱动、离线和在线双驱动认知体系,完善短周期分析机制,推动人工智能深度应用,提升稳定分析深度、广度、精度;明确了要健全多时间尺度气象和水文分析手段,强化气象预测关键支撑作用。
11月6日,以“重建确定性”为主题的阿里巴巴达摩院决策智能产品发布暨实验室年度论坛召开。在此次活动中,达摩院决策智能实验室发布了敏迭优化求解器2.0、全新AI气象大模型——八观气象大模型等决策智能产品,以帮助电力企业构建智能决策系统,作出优化“决策”。
作为底层工业软件,优化求解器广泛应用于能源电力、工业制造、交通物流等需要复杂计算与规划的领域,技术壁垒高、研发难度大,几十年来一直由欧美企业主导。其中,电力涉及国计民生,电网调度运行优化求解具有变量多、约束复杂、求解难度大等特点,亟待国产自主可控求解器的发展和突破。
为了推动国产求解器的发展,2023年,工信部产业发展促进中心等单位主办了首届能源电子产业创新大赛上,并以电力系统机组组合和经济调度问题为背景专门设立了“电力用国产求解器”赛题。达摩院自研优化求解器一经参赛便斩获了“电力用国产求解器”赛事的冠军。
据北极星电力网了解,达摩院自研优化求解器于2019年由决策智能实验室启动研发,“四年磨一剑”,于2023年10月正式推出V1.0版本,成为功能完备、性能领先的自研优化求解器。这次发布的是经过多次快速迭代的2.0版本,中文命名为“敏迭”,增加了对非线性规划(NLP)和混合整数二次锥规划(MIQCP)两类模型的支持,实现了对所有四类优化问题(从线性到非线形、从连续到离散)的全覆盖。
随着此次迭代,敏迭将适用于电力系统中需要用到NLP和MIQCP模型的众多场景,比如配电网最优潮流问题(目标是优化配电网的运行状态,减少损耗,提高供电可靠性)、电力系统储能优化配置(目标是优化储能系统的配置和运行策略,以提高新能源的消纳能力或降低电网运行成本)、电力系统可靠性和韧性分析(评估电力系统在各种故障情况下的可靠性和韧性)等,为更多电力系统面临的难题提供智能优化决策方案。
而决策智能实验室此次推出的另一款决策智能产品八观气象大模型则是由AI驱动的高性能气象大模型。
众所周知,如何应对突发性天气变化带来的冲击已经成了电力系统面临的一大挑战。气象预测的准确性不仅影响了发电企业的报量报价和偏差考核,也影响着电网调度和用电负荷预测。
据北极星电力网了解,八观气象大模型相较于市面上其他AI气象大模型,具备高时空分辨率、高预报精准度、多源数据融合和轻量化部署四大亮点。
具体来说,八观气象大模型通过“全球-区域”协同预测策略,极大地增强了局部预报的精确性,能够实现区域逐小时1公里网格气象预报更新;通过预训练和孪生MAE掩蔽自编码器结构,学习隐藏在高波动的天气数据下的鲁棒特征表示,能够实现对天气的精准把握;通过融合场站数据、气象实况、雷达图像、卫星图像、开源地形等多源多模态数据,利用数据驱动和物理驱动双重方法建模次网格尺度局地微气象过程,能够增强预报结果细粒度和准确度;还可按需在用户端部署区域级大模型,接入成本低,实现快速落地应用。
据决策智能实验室介绍,在今年迎峰度夏期间,他们便为某省网公司调度中心提供了包括八观气象大模型、用电负荷预测和新能源功率预测在内的一揽子服务,使其负荷预测准确率提升至98%,平稳度过迎峰度夏关键保供期。
科研人员的跨界决策
科研人员,是公众对达摩院人员构成的普遍印象。但自2019年成立以来,决策智能实验室始终以行业需求驱动,攻坚决策智能系统需要的机器学习、数学建模、优化求解、 时序预测、因果分析、决策方案可解释性、决策推理大模型等技术的研究和创新,以提升业务的运营效率和收益、减少运营成本,可以说是一批深入行业的“跨界”科研人员。
“我们实验室的技术基础就是预测加优化。”达摩院决策智能实验室资深算法专家孙亮在与北极星电力网对话时表示,“电力系统的运行存在着一些普遍性的复杂问题需要解决,特别是在新能源大发展的环境下,电力系统有着极高的‘预测加优化’的需求。正好,我们实验室的技术基础能够让我们去解决这些问题。”
因此,决策智能实验室的代表产品及技术——敏迭优化求解器MindOpt Solver、八观气象大模型、负荷与新能源功率预测系统eFore-caster、在线优化与测试平台MindOpt DistRun等产品已广泛应用于电力系统仿真和优化、功率与负荷预测、内容推荐、资源调度、库存定价、运维监测、排产排程、营销决策、数据智能分析等场景中,并向更多的场景和领域进行了延伸。
譬如,敏迭优化求解器在储能领域的应用已于近日落地——国家电投集团综合智慧能源有限公司(简称“电投综能”)基于国家电投“天枢一号”智慧能源物联网平台和阿里巴巴达摩院优化求解器,打造出国内首个面向工商业储能的优化求解子系统。
据悉,电投综能在“天枢一号”智慧大脑中引入达摩院优化求解器,利用其领先的线性规划求解能力,结合自身用户侧“源网荷储”场景建模和机理特性等专业技术,研制国内首个面向工商业储能的动态智能优化求解子系统。该子系统可为用户提供分钟级动态更新的智能充放电策略,在降低企业用电成本的同时,助力实现提高新能源消纳、保障电网安全稳定运行的多重目标。
不过,谈及人才构成,孙亮还告诉北极星电力网,他觉得他们主要有三种模式来对“各行各业”进行攻克。一是整个团队的人才素质高、学习能力强,能够快速地去学习需要攻克的领域的背景知识;二是定向招募需要攻克的领域的相关专业人才;三是与高校、研究院合作,招募实习生或形成伙伴关系,来助力整个团队完成“跨界”。
原标题:达摩院跨界电力,作出“最优决策”