近日,中國電力能源數(shù)智化踐行者——江行智能正式升級推出虛擬電廠解決方案。方案將有效提升負(fù)荷資源響應(yīng)速率和響應(yīng)精度,充分挖掘利用用戶側(cè)可調(diào)潛力,調(diào)動用戶參與電網(wǎng)調(diào)度運行的積極性,實現(xiàn)用戶側(cè)多種分布式資源的統(tǒng)一接入與管理,有效緩解電網(wǎng)運行調(diào)控壓力、保障電網(wǎng)安全穩(wěn)定經(jīng)濟(jì)運行,為全行業(yè)更多市場主體提供商業(yè)價值。
系統(tǒng)架構(gòu)
面對分布式負(fù)荷資源數(shù)量龐大、具有海量異構(gòu)設(shè)備類型、難以統(tǒng)一管理調(diào)控等問題,江行智能虛擬電廠解決方案綜合利用負(fù)荷資源采集感知技術(shù)、智能分析技術(shù)、通信物聯(lián)技術(shù)、調(diào)度優(yōu)化技術(shù),提出了虛擬電廠運營管理系統(tǒng)總體框架。
運營管理系統(tǒng)基于云邊協(xié)同框架及邊緣物聯(lián)管理技術(shù),可為虛擬電廠提供百萬級可調(diào)節(jié)多元異構(gòu)資源設(shè)備一站式聚合管理能力;AUTOEDGE邊緣智能技術(shù),支持對機(jī)理模型和機(jī)器學(xué)習(xí)模型進(jìn)行持續(xù)優(yōu)化訓(xùn)練,有效提升負(fù)荷預(yù)測、可調(diào)潛力評估準(zhǔn)確率;區(qū)塊鏈服務(wù)技術(shù),將負(fù)荷設(shè)備運行狀態(tài)數(shù)據(jù)、計量數(shù)據(jù)就地上鏈,為負(fù)荷的調(diào)控與電力交易提供可信支撐,聚合各類可調(diào)節(jié)資源,參與電力交易并接受電網(wǎng)統(tǒng)一調(diào)控。
實現(xiàn)功能
1、可調(diào)負(fù)荷管理
支持對百萬級可調(diào)節(jié)異構(gòu)資源設(shè)備進(jìn)行一站式管理,支持對各類通信協(xié)議數(shù)據(jù)進(jìn)行解析,支持邊緣智能應(yīng)用全生命周期管理;
支持對各類資源按照量測感知、協(xié)同控制及運行約束等構(gòu)建信息物理模型;
可維護(hù)單個電力用戶及所有子資源的檔案模型,包括資源名稱,資源戶號,資源總體容量、功率可調(diào)節(jié)能力等信息。
2、負(fù)荷預(yù)測
支持?jǐn)M合計算可調(diào)資源的基線、容量及性能,提供滿足不同運行場景的聚合協(xié)同優(yōu)化方案,算法可輸出接入負(fù)荷資源的短期功率曲線與中長期功率曲線;
同時支持云端服務(wù)做負(fù)荷預(yù)測和終端的應(yīng)用層做負(fù)荷預(yù)測;
支持選擇預(yù)測日期、需要預(yù)測的資源,在頁面中可展示對應(yīng)的預(yù)測數(shù)據(jù),包括用戶數(shù)、累積調(diào)控量、可調(diào)資源數(shù)、累積調(diào)控次數(shù)、預(yù)測負(fù)荷、基線負(fù)荷、可調(diào)負(fù)荷等。
3、交易和需求申報
支持與電網(wǎng)公司虛擬電廠運營管理系統(tǒng)或需求響應(yīng)管理平臺對接,可單獨報量或報價,接收并分解執(zhí)行電網(wǎng)系統(tǒng)撮合下發(fā)的調(diào)控指標(biāo),可根據(jù)約定條款進(jìn)行雙向的清分和結(jié)算。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)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(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)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(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)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(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)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(biāo)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(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。