Credit: CC0公共领域康奈尔大学的工程师们开发了一种强大的人工智能工具，可以帮助纽约州和其他政府规划向碳中性电力部门的过渡，使用机器学习和优化建模的结合来提供对帝国州能源需求的逐小时分析。包括纽约在内的各州已经承诺到2040年生产100%的清洁电力，它们正在利用技术、环境和经济数据来确定将更多可再生能源纳入电网的最佳政策和投资选择。但是从计算的角度来看，建模的挑战是巨大的，康奈尔工程大学能源系统工程教授冯琦说。
康奈尔·阿特金森可持续发展中心(Cornell Atkinson Center for sustain ability)的高级研究员尤说，“有一些设计决策，比如安装多少太阳能电池板或风力涡轮机，以及建立多少储能容量。但更复杂的是每小时的运营决策，比如有多少电力从北部转移到南部，或者从一个储能中心转移到一个社区。”
你说这样的高分辨率规划可以通过结合机器学习的“多尺度、自下而上的优化”建模来实现。该框架在2月7日出版的《ACS可持续化学与工程》杂志上有详细介绍。这项研究是由研究生赵宁合著的。
这项研究建立在尤2019年的研究基础上，该研究显示了建模如何帮助引导纽约的长期能源目标。但是模拟年度能源供给和需求并没有考虑到每小时都会出现的需求高峰。纽约不稳定的天气带来了电力需求的剧烈波动以及风能和太阳能等间歇性能源。
为了说明他们的新能源过渡框架，您和赵制作了关于纽约电力脱碳的案例研究，优化了每年的容量规划和每小时的系统运行，同时纳入了来自全州发电和存储设施的技术、容量和年龄的数据。
“我们正试图引入机器学习、数据分析、优化和人工智能等技术，帮助一个州了解使用可再生能源不仅需要每年运营，还需要每小时运营，”你说。
在一个提议扩大纽约电力储存容量的案例研究中，过渡模型显示，总发电量比另一个没有扩大储存容量的案例高出39%。如果该州选择不扩大电力储存，基于非间歇性能源，它将需要200%以上的发电能力。
详细的每小时模拟表明，到2040年，海上风力、水力和太阳能是最佳的能源来源，但如果电力储存能力不能扩大十倍，那么太阳能选项将不得不由核能取代，以建立一个可靠的能源网。
“看着我们从这些优化工具中获得的整个过渡过程令人激动，”赵说。“这可以为我们未来的系统提供很多见解，以及我们如何以经济高效和可靠的方式推进这种脱碳过渡。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
