隨著風能、太陽能等可再生能源的普及，電網(wǎng)管理也變得越來越復雜。弗吉尼亞大學的研究人員開發(fā)出了一種創(chuàng)新的解決方案：一種人工智能模型，可以解決可再生能源發(fā)電和電動汽車需求的不確定性，使電網(wǎng)更加可靠和高效。

多保真度圖神經(jīng)網(wǎng)絡：一種新的人工智能解決方案

新模型基于多保真圖神經(jīng)網(wǎng)絡(GNN)，這是一種旨在改善電力流分析的人工智能，電力流分析是確保電力在電網(wǎng)中安全高效地分配的過程。

“多保真度”方法允許 AI 模型利用大量低質量數(shù)據(jù)(低保真度)，同時仍能從少量高精度數(shù)據(jù)(高保真度)中獲益。這種雙層方法可以加快模型訓練速度，同時提高系統(tǒng)的整體準確性和可靠性。

增強電網(wǎng)靈活性以實現(xiàn)實時決策

通過應用 GNN，該模型可以適應各種電網(wǎng)配置，并且對電力線故障等變化具有魯棒性。它有助于解決長期存在的“最佳電力流”問題，確定應從不同來源產生多少電力。

由于可再生能源給發(fā)電和分布式發(fā)電系統(tǒng)引入了不確定性，加上電氣化(例如電動汽車)，增加了需求的不確定性，傳統(tǒng)的電網(wǎng)管理方法難以有效地處理這些實時變化。

新的人工智能模型集成了詳細和簡化的模擬，可以在幾秒鐘內優(yōu)化解決方案，即使在不可預測的條件下也能提高電網(wǎng)性能。

“隨著可再生能源和電動汽車改變格局，我們需要更智能的解決方案來管理電網(wǎng)，”土木與環(huán)境工程助理教授、該項目首席研究員 Negin Alemazkoor 表示。“我們的模型有助于做出快速、可靠的決策，即使發(fā)生意外變化也是如此。”