由于虛擬電廠聚合的主體眾多，其調度異常復雜，需要通過優(yōu)化計算來確定發(fā)電機組的啟停與出力、儲能設備及電動汽車的充電或放電、系統(tǒng)與外部電力市場的交易電量……如果調度不當，可能會導致棄風棄光、運行成本增高，嚴重情況下甚至會引發(fā)系統(tǒng)崩潰。
專家介紹，虛擬電網(wǎng)的智能調度本質上是一個大規(guī)模不確定性混合整數(shù)非線性規(guī)劃問題，由于高維離散且隨機性強，其求解難度非常大。全球進化計算領域頂會GECCO（遺傳與進化計算國際會議）等聯(lián)合舉辦了專項競賽“Risk-based Energy Scheduling 2022”，鼓勵全球研究人員共同攻克這一難題。
競賽設定的虛擬電廠包括光伏機組、風電機組、電動汽車、儲能設備等500多個主體，集成在一個加密仿真器中。參賽團隊無法一窺仿真器內部邏輯和數(shù)據(jù)，需要設計黑盒優(yōu)化（也稱仿真優(yōu)化）算法來對接仿真器，基于仿真器這一“黑盒”的輸入輸出數(shù)據(jù)來推斷更優(yōu)的調度方案，以最大程度降低虛擬電廠的運行成本，同時有效控制極端天氣等帶來的風險。
阿里達摩院決策智能實驗室參賽團隊研發(fā)出新的黑盒優(yōu)化算法，綜合應用了維度聚類、信賴域、近似梯度代理等技術，以識別關鍵維度，并及早跳出局部極值和不穩(wěn)定點。相比基于經驗規(guī)則和經典進化算法的基準調度方案，達摩院團隊將虛擬電廠的總運行成本降低29%，風險指標降低39%，獲得競賽冠軍。
研究團隊介紹，獲獎算法已集成在達摩院求解器MindOpt的黑盒優(yōu)化功能中，除了可應用于虛擬電廠，還可用于交通、物流、供應鏈、制造、醫(yī)療、醫(yī)藥等領域的仿真優(yōu)化、拓撲優(yōu)化、設計優(yōu)化、超參調優(yōu)、參數(shù)標定等場景。除了黑盒優(yōu)化外，達摩院MindOpt求解器還提供線性規(guī)劃、凸二次規(guī)劃等能力，多次登頂國際權威的Mittelmann榜單，目前已向社會免費開放。
據(jù)了解，達摩院決策智能實驗室旨在用數(shù)學解決真實世界的復雜問題?；谧匝星蠼馄鳌踩珡娀瘜W習、時序預測等底層技術，實驗室打造出綠色能源AI，已逐步落地全國多家電網(wǎng)和發(fā)電企業(yè)，促進綠色能源消納和電網(wǎng)安全運行。
