“解好電力調(diào)度領域的關鍵問題,有可能引領下一波AI浪潮。”中國工程院院士、阿里云創(chuàng)始人王堅2月17日在南方電網(wǎng)總部表示,從Alpha Go、ImageNet到Alpha Fold、ChatGPT,都是通過對某一個問題的攻克,從而帶動了人工智能的巨大進步。“相信電力行業(yè)、工業(yè)領域也能找到這樣一個問題,這將對社會發(fā)展、人類生活帶來更大、更切實的影響。”
圖:中國工程院院士、阿里云創(chuàng)始人王堅
當天,由南網(wǎng)總調(diào)和電機工程學會電力系統(tǒng)自動化專委會主辦、阿里云和阿里達摩院等協(xié)辦的第四屆電力調(diào)度AI應用大賽順利閉幕?;谀戏诫娋W(wǎng)實時運行數(shù)據(jù),22支參賽隊伍在調(diào)度云人工智能平臺上,9天內(nèi)就開發(fā)、訓練及部署了表現(xiàn)不俗的AI在線調(diào)度員。
在完成連續(xù)7天的在線調(diào)控任務后,這些AI調(diào)度員和同期經(jīng)驗豐富的人工調(diào)度員相比,計算時間從分鐘級提升到秒級,清潔能源消納提高到99%。前三名的AI調(diào)度員在計算時間、危險斷面控制、清潔能源消納、系統(tǒng)運行成本等維度超過了人工。
南方電網(wǎng)公司董事、黨組副書記劉啟宏表示,這是對前沿人工智能技術運用于電網(wǎng)調(diào)度的一次積極驗證,也是南方電網(wǎng)多年來堅持“云+AI”技術路線的又一成果。南方電網(wǎng)深入貫徹落實黨中央關于建設數(shù)字中國的戰(zhàn)略部署,在數(shù)字化轉(zhuǎn)型上進行了大量探索和實踐,大力推動數(shù)字電網(wǎng)建設,各類創(chuàng)新應用、創(chuàng)新服務不斷涌現(xiàn)。
早在2015年,南方電網(wǎng)就開始了對云計算、大數(shù)據(jù)、人工智能的探索。隨著以光伏為代表的分布式能源、以電動車為代表的用儲一體終端大規(guī)模接入電網(wǎng),電網(wǎng)的穩(wěn)定運行面臨巨大挑戰(zhàn)。2019年,南方電網(wǎng)采用阿里云飛天操作系統(tǒng)構建的南網(wǎng)“調(diào)度云”平臺正式上線,云化SCADA(電力調(diào)度實時采集處理系統(tǒng))基于調(diào)度云研發(fā),是業(yè)內(nèi)首個秒級擴展計算資源(過去需要幾個月)、即插即用和一鍵部署的云化電力調(diào)度系統(tǒng)。
如今,云計算已成為電力調(diào)度領域較為成熟的數(shù)字化技術。南方電網(wǎng)高級技術專家梁壽愚介紹,在南方電網(wǎng),調(diào)度、科研機構超過 200 套業(yè)務系統(tǒng)已上云;電力系統(tǒng)仿真軟件DSP通過云化部署,計算提速360倍;基于云超算平臺的氣象精細化預測系統(tǒng)6小時短臨天氣預報最快每30分鐘就可輸出一次計算結果……
這一“超級云化工程”也帶動了知識圖譜、AI預測、強化學習等前沿人工智能技術在電網(wǎng)的切實落地,成了電力調(diào)度智能化應用創(chuàng)新的土壤,讓電網(wǎng)調(diào)度“智慧大腦”快速迭代升級。
2019年,電力調(diào)度AI應用大賽啟動,希望通過開放的生態(tài)和敏捷的技術開發(fā)平臺,將智能化應用與實際的生產(chǎn)調(diào)度緊密結合。其中,首屆大賽的AI系統(tǒng)負荷預測已于2022年9月在南方電網(wǎng)投入單軌運行,是行業(yè)內(nèi)首次將AI真正運用于容錯率極低、穩(wěn)定性要求極高的電網(wǎng)生產(chǎn)調(diào)度,年平均準確率達到98%,超過人工的97%。
今年的AI大賽更進一步,通過引入強化學習來解決新型電力系統(tǒng)調(diào)度面臨的大規(guī)模實時決策問題。南網(wǎng)總調(diào)提供了五省區(qū)1000多個機組、4000多拓撲節(jié)點規(guī)模為期半年的實時電網(wǎng)數(shù)據(jù),是有史以來用于強化學習訓練規(guī)模最大的電網(wǎng)模型和實時數(shù)據(jù),并與阿里云共同搭建了云化DSP電網(wǎng)仿真系統(tǒng)+強化學習算法+集群化封裝的訓練平臺,為AI調(diào)度員“出山”前提供千百萬次“操練”。
“這是封閉環(huán)境下的高強度開發(fā),不僅考驗調(diào)度能力,也考驗平臺的自動擴容、負載平衡的能力。”阿里云副總裁、電力行業(yè)總經(jīng)理吳明宸說,調(diào)度云作為支撐的底座,讓云上的AI調(diào)度員實現(xiàn)快速計算,具備了秒級的決策能力。
AI調(diào)度員不僅要實時操控電網(wǎng),還要滿足危險斷面控制、負荷平衡、清潔能源消納、系統(tǒng)運行成本最低、10秒出結果等要求。最終,前六名的AI調(diào)度員都超過920分(總分1000分)。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。