模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡

模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡
文章图片

气候危机正日益威胁着全人类的生存环境 。
为了达到《巴黎协定》的气候要求 , 当前全球多数国家均已提出了碳中和目标 。 其中 , 电力系统的脱碳过渡被视作是达到碳中和目标最主要的任务之一 。
近日 , 来自来自康奈尔大学的研究团队开发了一个基于机器学习的多时间尺度的电力系统脱碳过渡优化模型 , 旨在帮助政府规划电力部门向碳中和过渡的路径 , 以及考量气候或能源目标的可行性[1] 。 相关研究论文登上 ACS Sustainable Chemistry & Engineering 期刊封面 。
模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡
文章图片
图|当期论文封面(来源:ACS Sustainable Chemistry & Engineering)
该论文以《迈向纽约州的碳中和电力系统:一种新型的多尺度自下而上优化框架与机器学习相结合 , 以每小时分辨率进行容量规划》(Toward Carbon-Neutral Electric Power Systems in the New York State: a Novel Multi-Scale Bottom-Up Optimization Framework Coupled with Machine Learning for Capacity Planning at Hourly Resolution)为题 , 康奈尔大学工程学院博士赵宁为第一作者 , 康奈尔大学工程学院教授尤峰崎担任通讯作者 。
模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡
文章图片
(来源 Sustainable Chemistry & Engineering)
据尤峰崎介绍 , 此项研究主要分为模型建立、数据收集与处理、优化计算三个大步骤 。
首先 , 研究团队建立了一个基于机器学习的电力系统脱碳过渡规划模型 。 该模型通过自下而上的方式 , 囊括了电力系统中每一个已经存在的或可能新增的发电与储电设施 , 且每一个设施都考虑到了多维度的信息 , 包括发电与储电容量、发电能源与储能形式 , 以及设施已投入使用的年数等 。
除此之外 , 该模型还拥有多时间尺度的关键特征 , 这使得研究团队在以年为尺度规划系统层面脱碳与容量变化的同时 , 还能从小时尺度上考虑电力需求和可再生能源的波动 , 以确保电力系统运行的可靠性 , 并进一步优化其经济性 。
【模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡】随后 , 在接下来的数据收集与处理中 , 该团队提出了一种基于机器学习的时间序列数据处理方法来处理电力需求和可再生能源相关的时间序列数据 。 这种方法结合主成分分析(Principal Component Analysis , PCA)和多种聚类方法 , 可以在保留数据结构特征的同时减少后续优化的计算规模 。
最后 , 该团队通过编程将模型与数据结合 , 以达到预期气候和能源目标为前提 , 利用优化求解器 CPLEX 对能源系统脱碳和运行一同进行经济上的最优规划 。
需要注意的是 , 在研究处于关键节点时 , 恰逢新冠病毒变异株 Delta 正在美国快速传播 。
“这转变了我们对于在实验室进行线下研究的乐观预期 , 幸运的是 , 外部环境的变化并没有对我们的交流和研究进度带来负面的影响 。 ”尤峰崎说 。
模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡
文章图片
(来源:ACS Sustainable Chemistry & Engineering)
为了进一步验证所提出模型的功能 , 研究团队将其应用于纽约州电力系统的脱碳研究 。 结果表明:扩大电力储存容量可以将纽约州电力系统脱碳过渡的总成本降低 15% , 并且可以使风能、太阳能等间歇性可再生能源的发电量增加近一倍 , 达到 93% 。
此外 , 该团队在对纽约州的电力系统脱碳的案例研究中也发现 , 如果不考虑扩大电力系统的储存容量 , 会导致发电装机容量增加 39% , 并且间歇性发电的装机容量会增加 200% 。
据了解 , 纽约州议会通过了《气候领导和社区保护法》 , 并由此确定了 2040 年电力系统的碳中和目标 。 同时该法案对过渡路径中可再生能源占比 , 风能与太阳能发电装机容量 , 以及储能容量也分别做出了要求 。
这意味着该项研究可在未来为纽约州更全面的能源系统脱碳过渡研究提供借鉴 。
“下一步我们计划改进脱碳优化模型 , 以将更多的能源使用情景纳入研究范围 , 比如交通和供暖 。 ”尤峰崎表示 。
他介绍到 , 交通和供暖是目前美国两项主要的能源消耗和带来温室气体排放的活动 , 并且拥有显著的电气化潜力 , 因而将其纳入优化模型中可能会促进更全面的脱碳过渡规划 。
此外 , 在多时间尺度脱碳优化的同时考虑电力系统中的不确定性 , 比如天气预测偏差等 , 也是该研究未来一个可能的拓展方向 。
值得一提的是 , 近日尤峰崎还成功当选为美国化学工程士学会会士 , 同时也是该学会授予的最年轻会士之一 。
据了解 , 美国化学工程师学会成立于 1908 年 , 会址设在美国纽约 , 是世界上最有影响力的化学工程专业组织 , 从 1971 年开始评选会士 , 成员皆为化学工业与学术领域杰出人才 。 当选美国化学工程师学会会士除了要求在“专业服务”和“重大专业成就”这两个方面做出杰出贡献以外 , 还应在工程领域中从业足够长的时间 , 以证明其长期卓越 。
获得这一荣誉 , 无疑表明尤峰崎在化学工程专业与全球工程领域的突出贡献已获得同行们的认可 。
模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡
文章图片
图|尤峰崎(来源:尤峰崎)
而后 , 尤峰崎又荣获美国化学工程师学会颁发的 2022 George Lappin 奖和希腊共和国教育部研究与技术基金委每两年颁发一个的 Stratis V. Sotirchos 讲席奖 。 此前 , 其还入选英国皇家化学会会士 。 在过去五年里 , 尤峰崎共获得美国化学工程师学会、美国化学会、美国工程教育学会、美国自动控制委员会等颁发的 17 项国际级奖项 。
-End-
模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡
文章图片

参考:
1.Zhao, Ning, and Fengqi You. "Toward Carbon-Neutral Electric Power Systems in the New York State: a Novel Multi-Scale Bottom-Up Optimization Framework Coupled with Machine Learning for Capacity Planning at Hourly Resolution." ACS Sustainable Chemistry & Engineering(2022, 10, 5, 1805–1821. [Cover Art of February 2022 issue of ACS Sustainable Chemistry & Engineering]).
模型|康奈尔大学团队设计新型人工智能工具,助力纽约州向实现“清洁电力”过渡
文章图片

    推荐阅读