首页 生活 > 内容

研究人员设计人工智能路径以防止停电

时间:2024-06-25 17:21:04 来源:
导读 德克萨斯大学达拉斯分校的研究人员开发了一种人工智能(AI)模型,可以在几毫秒内自动重新引导电力,从而帮助电网防止停电。德克萨斯大学达拉...

德克萨斯大学达拉斯分校的研究人员开发了一种人工智能(AI)模型,可以在几毫秒内自动重新引导电力,从而帮助电网防止停电。

德克萨斯大学达拉斯分校的研究人员与纽约布法罗大学的工程师合作,于6月4日在《自然通讯》杂志上在线发表的一项研究中展示了该自动化系统。

该方法是一个“自我修复电网”技术的早期示例,该技术使用人工智能在发生问题(例如风暴损坏的电线)时自主检测和修复停电等问题,无需人工干预。

北美电网是一个广泛而复杂的网络,由输电和配电线路、发电设施和变压器组成,将电力从电源分配给消费者。

研究人员在测试网络中使用各种场景,证明他们的解决方案可以在停电前自动识别向用户输送电力的替代路线。人工智能具有速度优势:该系统可以在几毫秒内自动重新路由电流,而目前人工控制的确定替代路径的过程可能需要几分钟到几小时。

“我们的目标是找到尽快向大多数用户输送电力的最佳途径,”埃里克·琼森工程与计算机科学学院机械工程副教授张杰博士说。“但在实施该系统之前,还需要进行更多研究。”

张是这项研究的共同通讯作者,他和他的同事使用将机器学习应用于图形的技术来映射构成配电网络的实体之间的复杂关系。图形机器学习涉及描述网络的拓扑结构、各个组件之间的相互排列方式以及电力在系统中的流动方式。

这项研究的共同作者、自然科学与数学学院数学科学教授尤利娅·格尔博士表示,网络拓扑在应用人工智能解决其他复杂系统(如关键基础设施和生态系统)的问题方面也可能发挥关键作用。

“在这个跨学科项目中,我们利用团队在电力系统、数学和机器学习方面的专业知识,探索了如何使用图形抽象系统地描述配电系统中的各种相互依赖关系,”Gel说。“然后,我们研究了如何将集成到强化学习框架中的底层网络拓扑用于更有效地管理配电系统的停电。”

研究人员的方法依赖于强化学习,它可以做出最佳决策以实现最佳结果。在共同通讯作者、机械和航空航天工程副教授SoumaChowdhury博士的带领下,布法罗大学的研究人员专注于该项目的强化学习方面。

多伦多大学电气工程博士生、论文共同第一作者罗什尼··雅各布(RoshniAnnaJacob)表示,如果由于线路故障导致电力中断,该系统能够使用开关重新配置,并从附近的可用电源获取电力,例如大学园区或企业内的大型太阳能电池板或电池。

“你可以利用这些发电机为特定区域供电,”雅各布说。

在专注于防止停电之后,研究人员将致力于开发类似的技术,以在停电后修复和恢复电网。

标签:
最新文章