Инженеры Корнельского университета разработали мощный инструмент искусственного интеллекта, который может помочь правительству штата Нью-Йорк и другим правительствам спланировать переход к углеродно-нейтральному энергетическому сектору, используя комбинацию машинного обучения и оптимизационного моделирования для обеспечения почасового анализа империи. потребности государства в энергии.

Штаты, в том числе Нью-Йорк, которые взяли на себя обязательство производить к 2040 году 100% экологически чистую электроэнергию, используют технологические, экологические и экономические данные для определения наилучшей политики и вариантов инвестиций для интеграции большего количества возобновляемых источников энергии в энергосистему. Но с вычислительной точки зрения задача моделирования огромна, сказал Фэнци Ю, профессор Roxanne E. и Michael J. Zak в области инженерии энергетических систем в Cornell Engineering.

«Существуют такие проектные решения, как количество солнечных панелей или ветряных турбин, которые нужно установить, и объем накопителей энергии, — сказал Ю, старший научный сотрудник Центра устойчивого развития Корнелла Аткинсона, — но еще более сложными являются почасовые операции. такие решения, как количество электроэнергии, передаваемой из северной части штата в нижнюю или из центра хранения в район».

Вы сказали, что такое планирование с высоким разрешением может быть достигнуто с помощью моделирования «многомасштабной оптимизации снизу вверх» в сочетании с машинным обучением. Структура подробно описана в печатном выпуске журнала ACS Sustainable Chemistry & Engineering от 7 февраля . Исследование было проведено в соавторстве с аспирантом Нин Чжао.

Исследование основано на исследовании Ю, проведенном в 2019 году, которое показало, как моделирование может помочь в достижении долгосрочных энергетических целей Нью-Йорка. Но моделирование годового предложения и спроса на энергию не учитывает всплески спроса, которые происходят ежечасно. Нестабильная погода в Нью-Йорке приводит к резким колебаниям спроса на электроэнергию и перебоям в подаче энергии из таких источников, как ветер и солнечная энергия.

Чтобы проиллюстрировать свою новую концепцию энергетического перехода, Ю и Чжао подготовили тематические исследования по обезуглероживанию электроэнергии в Нью-Йорке, оптимизировав годовое планирование мощности и почасовую работу систем, включив при этом данные о технологии, мощности и возрасте объектов по производству и хранению электроэнергии со всего мира. штат.

«Мы пытаемся внедрить такие технологии, как машинное обучение, анализ данных, оптимизация и искусственный интеллект, чтобы помочь государству понять, что требуется для работы с возобновляемыми источниками энергии не только каждый год, но и каждый час», — сказал Ю.

В одном тематическом исследовании, в котором предлагалось увеличить емкость для хранения электроэнергии в Нью-Йорке, переходная модель показала, что общая мощность производства электроэнергии была на 39% выше, чем в другом случае без расширенного хранения. Если бы государство решило не расширять хранилище электроэнергии, ему потребовалось бы на 200% больше генерирующих мощностей на основе непрерывной энергии.

Подробное почасовое моделирование показало, что морские ветряные, гидро- и солнечные электростанции являются оптимальными источниками энергии к 2040 году, но если емкость накопителей энергии не может быть увеличена в десять раз, то варианты солнечной энергии должны быть заменены атомной, чтобы создать надежную энергетическая сетка .

«Удивительно смотреть на весь процесс перехода, который мы получили с помощью этих инструментов оптимизации», — сказал Чжао. «Это может дать много информации о том, как может выглядеть наша будущая система и как мы можем продвигать этот переход к декарбонизации экономически эффективным и надежным способом».