美高梅赌场开户送金-澳门美高梅赌场彩赢网-大发888娱乐城电脑版下载

近日，香港中文大學(xué)（深圳）理工學(xué)院的吳辰曄教授團(tuán)隊(duì)在《IEEE Systems Journal》發(fā)表題為“Learning-Aided Framework for Storage Control Facing Renewable Energy”的文章。

點(diǎn)擊圖片，閱讀文章

?

01. 期刊簡(jiǎn)介

IEEE Systems Journal 為涉及復(fù)雜的和具有重要意義的系統(tǒng)的研究提供了一個(gè)論壇，它旨在鼓勵(lì)和促進(jìn)具有系統(tǒng)級(jí)和系統(tǒng)工程興趣的 IEEE 學(xué)會(huì)之間的合作和互動(dòng)，并吸引來(lái)自全球的非 IEEE 貢獻(xiàn)者和讀者。IEEE Systems委員會(huì)的工作是以新的方式解決現(xiàn)有 IEEE 或其他協(xié)會(huì)或全球組織領(lǐng)域無(wú)法解決的問(wèn)題。

?

02.?研究背景

物聯(lián)網(wǎng) (IoT) 使智能城市、智能電網(wǎng)、智能家居、智能健康和智能移動(dòng)成為可能。對(duì)于具有智能家電和分布式可再生能源的智能電網(wǎng)，物聯(lián)網(wǎng)為每個(gè)對(duì)象分配一個(gè)唯一的IP地址，可以更新和下載控制命令，同時(shí)還保證通過(guò)互聯(lián)網(wǎng)快速準(zhǔn)確地收集和傳輸數(shù)據(jù)。在這種能力的推動(dòng)下，我們采用大數(shù)據(jù)和人工智能 (AI) 驅(qū)動(dòng)的方法來(lái)進(jìn)行集成實(shí)時(shí)網(wǎng)格管理。

人工智能通過(guò)使用無(wú)處不在的智能設(shè)備來(lái)感知環(huán)境，然后生成最佳控制動(dòng)作，這影響了我們?nèi)粘Ｉ畹脑S多方面。受此啟發(fā)，我們研究了在電力行業(yè)利用先進(jìn)人工智能技術(shù)的潛力。電力行業(yè)關(guān)于人工智能技術(shù)最初的嘗試是在 1980 年代，盡管傳統(tǒng)的電力系統(tǒng)控制遵循傳統(tǒng)的控制范式，但可再生能源在電網(wǎng)中的日益普及對(duì)人工智能驅(qū)動(dòng)的解決方案提出了挑戰(zhàn)。

?

03. 研究?jī)?nèi)容

在這項(xiàng)工作中，我們的目標(biāo)是提供一種考慮動(dòng)態(tài)價(jià)格并涉及可再生能源的電力儲(chǔ)能控制設(shè)置的深度學(xué)習(xí)策略。在這樣的系統(tǒng)中，由于動(dòng)態(tài)價(jià)格的波動(dòng)和可再生能源發(fā)電的隨機(jī)性，儲(chǔ)能控制可能具有挑戰(zhàn)性。如圖1所示，我們采用深度學(xué)習(xí)框架提出了基于模型和無(wú)模型的儲(chǔ)能控制框架來(lái)識(shí)別信息的價(jià)值并刻畫(huà)了信息的價(jià)值。

圖1 研究框架

對(duì)于第一個(gè)框架，與電力部門(mén)大多數(shù)面向深度學(xué)習(xí)的研究相反，我們使用單次負(fù)載分解技術(shù)將結(jié)構(gòu)信息編碼到學(xué)習(xí)框架中。結(jié)構(gòu)信息是指一次性負(fù)載分解保持控制解策略空間的事實(shí)。基于這些結(jié)構(gòu)信息，我們利用深度學(xué)習(xí)框架來(lái)開(kāi)發(fā)儲(chǔ)能控制策略以進(jìn)行價(jià)格和可再生能源預(yù)測(cè)，這是我們進(jìn)行深度學(xué)習(xí)的存儲(chǔ)控制的基礎(chǔ)。圖 2 描述了所提出的支持 LSTM 的儲(chǔ)能控制框架的整個(gè)過(guò)程。在實(shí)施支持深度學(xué)習(xí)的存儲(chǔ)控制時(shí)，我們以不同的方式處理這兩個(gè)預(yù)測(cè)變量。我們使用凈負(fù)載預(yù)測(cè)來(lái)進(jìn)行單次負(fù)載分解。因此，在選定的窗口大小內(nèi)，我們進(jìn)行凈負(fù)載預(yù)測(cè)，然后應(yīng)用一次性負(fù)載分解。然后我們使用價(jià)格預(yù)測(cè)來(lái)計(jì)算每個(gè)分解的一次性負(fù)載服務(wù)問(wèn)題的閾值。對(duì)于每一次分解，我們計(jì)算相應(yīng)的閾值和存儲(chǔ)控制動(dòng)作。

圖2?基于模型的儲(chǔ)能控制方法

對(duì)于無(wú)模型框架，我們將歷史價(jià)格和需求數(shù)據(jù)作為輸入，直接輸出控制動(dòng)作。在設(shè)置前瞻窗口大小和回溯窗口大小后，存儲(chǔ)控制模型取歷史價(jià)格和可再生能源發(fā)電量為輸入和輸出的控制動(dòng)作。然后投影函數(shù)將控制動(dòng)作作為輸入并輸出投影控制動(dòng)作以及相應(yīng)的損失。最后，我們反向傳播損失并更新存儲(chǔ)控制模型。

對(duì)于每個(gè)模型，我們進(jìn)一步建立了關(guān)于價(jià)格和可再生能源的不確定性如何影響成本的理論分析。

數(shù)值評(píng)估說(shuō)明了我們提出的框架的卓越性能并揭示了信息的價(jià)值。我們將幾個(gè)框架與生成價(jià)格數(shù)據(jù)進(jìn)行比較，即使用 DETA、SPTA、VPTA、PPTA、THB 和 MPC 的無(wú)可再生能源的最優(yōu)控制。我們假設(shè)在這個(gè)具體的案例研究中可以準(zhǔn)確預(yù)測(cè)可再生能源的發(fā)電量。圖 3 顯示 DETA、SPTA、VPTA 和 PPTA 具有相似的性能，而 MPC 和 THB 的性能較差，這

強(qiáng)調(diào)了這樣一個(gè)事實(shí)，即如果價(jià)格確實(shí)遵循某種特定的分布，那么這種分布的知識(shí)對(duì)于框架性能至關(guān)重要。在這個(gè)案例研究中，由于對(duì)分布的了解，DETA 優(yōu)于其他方案。不幸的是，實(shí)時(shí)價(jià)格很難預(yù)測(cè)，還有更多的時(shí)間特征可以利用。因此，我們對(duì)現(xiàn)場(chǎng)實(shí)時(shí)價(jià)格數(shù)據(jù)進(jìn)行以下案例研究。基于 LSTM 的框架，即 SPTA、VPTA 和 PPTA 比 DETA、THB 和 MPC 具有更好的性能。

圖3 有效性評(píng)估

我們還在圖 4 中可視化了不同窗口大小下不同框架的性能。它表明窗口大小對(duì)不同框架的性能影響相對(duì)較小。隨著窗口大小的增加，所有框架的性能都變得更好，但不同的框架保持相同的順序?？傊谏疃葘W(xué)習(xí)的框架在所有窗口大小上都優(yōu)于 DETA、THB、MPC 和 NOS。DETA、THB、MPC和NOS之間的差距相對(duì)較小，窗口大小不同，這表明經(jīng)典方法對(duì)窗口大小的敏感程度相似。EETA 與三種基于 LSTM 的方法之間的差距隨著窗口大小的增加而減小，這意味著 EETA 對(duì)窗口大小非常敏感，而三種基于 LSTM 的方法不太可能受窗口大小的影響。在三種基于 LSTM 的方法中，我們發(fā)現(xiàn) PPTA 優(yōu)于 SPTA 和 VPTA，這表明 PPTA 在存儲(chǔ)控制任務(wù)中更可取。

圖4 不同窗口大小下算法框架的有效性

?

04. 主要貢獻(xiàn)

在物聯(lián)網(wǎng)技術(shù)的支持下，我們?cè)O(shè)計(jì)了一個(gè)用于儲(chǔ)能控制的深度學(xué)習(xí)框架，同時(shí)還提出了一個(gè)不基于模型的學(xué)習(xí)框架以便進(jìn)行比較。我們工作的貢獻(xiàn)可以總結(jié)如下：

1. 不確定性管理：我們首先提出了基于預(yù)測(cè)可再生能源發(fā)電的凈負(fù)荷分解方案，并設(shè)計(jì)了基于模型的控制策略，只需要對(duì)未來(lái)價(jià)格和可再生能源發(fā)電的短期預(yù)測(cè)即可完成控制。然后我們提出了一個(gè)無(wú)模型控制策略進(jìn)行比較。為了解決價(jià)格和可再生能源發(fā)電的隨機(jī)性，我們充分利用可用數(shù)據(jù)并采用深度學(xué)習(xí)方法。

2. 理論見(jiàn)解：在我們的解決方案中，我們分析了由可再生能源發(fā)電中的預(yù)測(cè)誤差導(dǎo)致的單次負(fù)載分解方案中的近似性能損失。此外，我們證明對(duì)于基于模型和無(wú)模型的控制框架，損失函數(shù)對(duì)于預(yù)測(cè)都是 Lipschitz 連續(xù)的。

3. 信息的價(jià)值：我們通過(guò)使用真實(shí)世界數(shù)據(jù)比較提出的無(wú)模型框架和基于模型的框架，確定了信息對(duì)于儲(chǔ)能控制是關(guān)鍵的。具體來(lái)說(shuō)，我們分析了信息的不確定性，即未知的可再生能源發(fā)電和價(jià)格，如何影響所提出框架的有效性。

?

05. 作者簡(jiǎn)介

本文通訊作者為香港中文大學(xué)（深圳）助理教授吳辰曄。

吳辰曄，香港中文大學(xué)（深圳）理工學(xué)院助理教授。吳教授主要從事電力市場(chǎng)設(shè)計(jì)、電網(wǎng)安全及風(fēng)險(xiǎn)評(píng)估、電力系統(tǒng)控制等研究，特別專(zhuān)注于新型電力市場(chǎng)商業(yè)模式設(shè)計(jì)、電力市場(chǎng)中市場(chǎng)力分析、人工智能與數(shù)據(jù)驅(qū)動(dòng)技術(shù)在電力系統(tǒng)控制與優(yōu)化的研究。目前，吳教授已發(fā)表高水平期刊/國(guó)際頂級(jí)會(huì)議論文（如IEEE Transactions on Power Systems, IEEE Transactions on Smart Grid, IEEE Transactions on Sustainable Energy, IEEE PES General Meeting, IEEE SmartGridComm等）70余篇，是中國(guó)工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會(huì)金融科技與算法專(zhuān)委會(huì)委員，中國(guó)計(jì)算機(jī)學(xué)會(huì)計(jì)算經(jīng)濟(jì)專(zhuān)業(yè)組執(zhí)行委員，自2022年2月起擔(dān)任IEEE系統(tǒng)科學(xué)匯刊（IEEE Systems Journal）編委（Editorial Board Member, Associate Editor），2022年IEEE智能電網(wǎng)通訊會(huì)議（IEEE SmartGridComm）數(shù)據(jù)與計(jì)算分會(huì)共同主席，2022年ACM未來(lái)能源大會(huì)（ACM e-Energy）數(shù)字會(huì)議共同主席，前后三次獲得能源領(lǐng)域旗艦會(huì)議的最佳論文獎(jiǎng)。

吳佳蔓：現(xiàn)在正在加州大學(xué)伯克利分校土木與環(huán)境工程系攻讀博士學(xué)位,師從Prof. Marta C. Gonzalez。在此之前，她在武漢大學(xué)遙感與信息工程學(xué)院獲得學(xué)士學(xué)位，在清華大學(xué)交叉信息科學(xué)研究所（IIIS）獲得碩士學(xué)位。她的研究興趣包括電力系統(tǒng)和交通系統(tǒng)規(guī)劃。

盧晨貝：現(xiàn)在正在攻讀博士學(xué)位。清華大學(xué)交叉信息科學(xué)研究所（IIIS）計(jì)算機(jī)科學(xué)與工程學(xué)位，師從吳晨曄教授。在此之前，他獲得了華中科技大學(xué)軟件工程學(xué)院的學(xué)士學(xué)位。2017年獲得國(guó)家獎(jiǎng)學(xué)金，目前從事電力系統(tǒng)運(yùn)行及經(jīng)濟(jì)分析研究。

?

文章轉(zhuǎn)自理工學(xué)院微信公眾平臺(tái)，鏈接為https://mp.weixin.qq.com/s/xK-iDxFm0_L0FqLUy2uftQ