近期，學(xué)院師生在國(guó)際頂級(jí)期刊上發(fā)表多篇有關(guān)AI賦能新型電力系統(tǒng)的成果，在學(xué)術(shù)界和行業(yè)內(nèi)引起廣泛關(guān)注。
一、聚焦能源安全：無(wú)透鏡數(shù)字全息技術(shù)賦能電池檢測(cè)
針對(duì)鉛酸電池電解液中金屬雜質(zhì)檢測(cè)傳統(tǒng)方法成本高、操作復(fù)雜等瓶頸問(wèn)題，2023級(jí)研究生周昊、薛亮教授和崔昊楊教授及其團(tuán)隊(duì)創(chuàng)新性提出“基于無(wú)透鏡數(shù)字全息技術(shù)的金屬雜質(zhì)顆粒檢測(cè)方法”，利用緊湊的設(shè)備配置，采用綠色 LED 光源和 CMOS 相機(jī)捕獲雜質(zhì)的全息圖像，并通過(guò)角譜算法重建清晰的粒子圖像，進(jìn)而依據(jù)重建距離和平均灰度差分析實(shí)現(xiàn)對(duì)銅、錫和鐵等金屬雜質(zhì)的快速精準(zhǔn)識(shí)別與區(qū)分，為電池維護(hù)與質(zhì)量控制提供了低成本、高效率的解決方案，對(duì)提升儲(chǔ)能系統(tǒng)可靠性具有重要工程價(jià)值。該成果以《Detection of Metal Impurity Particles in Lead-Acid Battery Electrolyte Based on Lens-Free Digital Holography Technology》為題發(fā)表于《Advanced Science》(中科院一區(qū)，IF=14.1)。
圖1 基于無(wú)透鏡數(shù)字全息的鉛酸電池電解液中金屬雜質(zhì)顆粒檢測(cè)系統(tǒng)設(shè)計(jì)
二、以人工智能賦能新型電力系統(tǒng)：高光譜-人工智能算法融合驅(qū)動(dòng)智能運(yùn)維
面向電力系統(tǒng)關(guān)鍵液體智能運(yùn)維檢測(cè)，2023級(jí)研究生張力、薛亮教授和崔昊楊教授構(gòu)建了基于高光譜成像與人工智能深度融合的雜質(zhì)識(shí)別體系，將XGBoost、LightGBM、CatBoost、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等多種先進(jìn)機(jī)器學(xué)習(xí)算法進(jìn)行創(chuàng)新性集成，以400–1000 nm波段、300通道的高光譜特征為輸入，實(shí)現(xiàn)對(duì)液體中雜質(zhì)的高精度檢測(cè)。該成果為電力設(shè)備狀態(tài)監(jiān)測(cè)提供了非接觸、實(shí)時(shí)、智能的AI技術(shù)路徑，對(duì)提升電網(wǎng)運(yùn)行安全性與可靠性具有重要工程意義。該成果以《Hyperspectral Imaging for Rapid Impurity Detection in Power System Liquids》為題發(fā)表于發(fā)表在人工智能領(lǐng)域頂級(jí)學(xué)術(shù)期刊《Engineering Applications of Artificial Intelligence》（中科院一區(qū)，IF=8）。
圖2 基于高光譜成像術(shù)的電力系統(tǒng)液體中雜質(zhì)智能快檢系統(tǒng)設(shè)計(jì)
三、 聚焦電網(wǎng)協(xié)同穩(wěn)定：仿生智能與元強(qiáng)化學(xué)習(xí)賦能互聯(lián)系統(tǒng)頻率控制
針對(duì)在基于性能的頻率調(diào)節(jié)市場(chǎng)運(yùn)行的互聯(lián)電網(wǎng)中，因策略不協(xié)調(diào)和聯(lián)絡(luò)線功率波動(dòng)導(dǎo)致運(yùn)營(yíng)商利益沖突加劇、頻率波動(dòng)頻繁的問(wèn)題，為提升電網(wǎng)穩(wěn)定性，李嘉文副教授和崔昊楊教授及其團(tuán)隊(duì)創(chuàng)新性提出模仿魷魚分布式神經(jīng)決策機(jī)制的魷魚啟發(fā)協(xié)同負(fù)荷頻率控制方法，將區(qū)域單元視為獨(dú)立智能體，僅依賴本地信息實(shí)時(shí)決策以避免跨區(qū)通信延遲或錯(cuò)誤；并引入采用混合課程學(xué)習(xí)策略的自動(dòng)課程多智能體深度元演員-評(píng)論家算法，實(shí)現(xiàn)復(fù)雜隨機(jī)電網(wǎng)中多目標(biāo)多區(qū)域的高效協(xié)同學(xué)習(xí)與魯棒控制；基于中國(guó)南方電網(wǎng)四區(qū)模型的仿真驗(yàn)證表明該方法能有效減少功率波動(dòng)。其工程價(jià)值在于為多運(yùn)營(yíng)商互聯(lián)電網(wǎng)提供了可規(guī)避通信瓶頸、有效協(xié)調(diào)利益沖突并顯著抑制頻率及聯(lián)絡(luò)線功率波動(dòng)的實(shí)用化頻率控制新方案，推進(jìn)了智能電網(wǎng)穩(wěn)定運(yùn)行技術(shù)的發(fā)展。該成果以《Bionic cooperative load frequency control in interconnected grids: A multi-agent deep Meta reinforcement learning approach》為題發(fā)表于《Applied Energy》(中科院一區(qū)，IF=10.1)。
圖3 決策模式框架圖
四、 聚焦清潔能源調(diào)控：知識(shí)先驗(yàn)元強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)微電網(wǎng)頻率協(xié)同優(yōu)化
為促進(jìn)產(chǎn)消者參與孤立微電網(wǎng)頻率調(diào)節(jié)并解決基于性能市場(chǎng)機(jī)制帶來(lái)的控制復(fù)雜性與運(yùn)營(yíng)商利益沖突問(wèn)題，李嘉文副教授和崔昊楊教授及其團(tuán)隊(duì)創(chuàng)新性提出全分布式負(fù)荷頻率控制方法，使作為獨(dú)立智能體的調(diào)節(jié)服務(wù)提供商在線通過(guò)聚合本地頻率達(dá)成全局最優(yōu)決策，并在離線學(xué)習(xí)時(shí)設(shè)計(jì)兼顧自身與他人利益的獎(jiǎng)勵(lì)函數(shù)；該方法通過(guò)引入基于高價(jià)值軌跡元知識(shí)的知識(shí)先驗(yàn)多智能體深度元演員-評(píng)論家算法實(shí)現(xiàn)快速協(xié)作多任務(wù)學(xué)習(xí)，以生成高質(zhì)量控制策略；在中國(guó)南方電網(wǎng)運(yùn)營(yíng)的永興島孤立微電網(wǎng)的實(shí)驗(yàn)評(píng)估證實(shí)FD-LFC能平衡提供商利益，有效降低頻率誤差、發(fā)電成本和調(diào)節(jié)里程支付。其工程價(jià)值在于為含產(chǎn)消者的孤立可持續(xù)能源系統(tǒng)提供了一種能同時(shí)優(yōu)化系統(tǒng)頻率穩(wěn)定性、經(jīng)濟(jì)性并公平協(xié)調(diào)多市場(chǎng)主體利益的高效分布式頻率控制方法，推進(jìn)了清潔能源微電網(wǎng)智能運(yùn)行與市場(chǎng)機(jī)制協(xié)同優(yōu)化的發(fā)展。該成果以《Knowledge prior deep meta-reinforcement learning-based load frequency control of isolated sustainable energy system considering electricity prosumers》為題發(fā)表于《Journal of Cleaner Production》(中科院一區(qū)，IF=9.7)。
圖4 方法對(duì)比圖
未來(lái)學(xué)院將繼續(xù)秉持創(chuàng)新精神，在人工智能賦能新型電力系統(tǒng)建設(shè)領(lǐng)域砥礪前行，持續(xù)推進(jìn)新型電力系統(tǒng)發(fā)展所需的人才培養(yǎng)工作。
電信學(xué)院 樂(lè)應(yīng)波供稿