广告

让电网智能化

2021-10-12 Sally Ward-Foxton 阅读:
鼓励消费者将太阳能电池板安装在屋顶上,或者用电动汽车储存能量,这些都表明电网正从单向变为去中心化、数字化的电网和消费者之间双向流动。

全球电网都面临相似的挑战,其中最大的挑战是各种可再生能源的兴起。太阳能和风能虽然对环保有益,但它们和天气一样难以预测。鼓励消费者将太阳能电池板安装在屋顶上,或者用电动汽车储存能量,这些都表明电网正从单向变为双向(图1)。公用事业公司现在需要非常准确地实时预测供应和需求,而不仅仅是预测需求。7W9ednc

7W9ednc

图1:过去的电网是单向的,但今天的能源需要在去中心化、数字化的电网和消费者之间双向流动。(图片来源:Veritone)7W9ednc

“能够在电网中使用人工智能并在边缘进行实时分析,对于增加可用的分布式能源至关重要,”英伟达能源部全球业务开发与技术主管Marc Spieler(图2)在接受笔者采访时说。他还指出,人类在风能、太阳能和电动汽车领域已经成绩显著,但如果电网不具备支持这些应用的能力,所有努力都将白费。7W9ednc

7W9ednc

图2:英伟达能源部全球业务开发与技术主管Marc Spieler。7W9ednc

需求预测涉及许多复杂的因素。除了天气,实时预测可能涵盖一些很复杂的任务,例如预测有多少电动卡车将到达哪个充电站,以及需要在哪个确切的时间为电池充电。“有时候每小时甚至每分钟都需要做出决定,”Marc Spieler说,“而人工智能是唯一能使之高效的技术。”7W9ednc

大规模预测

如今,公用事业公司通常会订阅详细的天气预报服务,并将这些数据输入到复杂的模型中,以尝试预测能源需求。7W9ednc

“在这方面做得最好的应属金融服务公司,”Spieler说,“他们利用买卖能源的对冲基金在人工智能方面进行大量投资,并获得了不错的收益。”不过,Spieler说,公用事业公司也在加大力度。“我们看到了公用事业中数据科学的崛起,”他说,“我们合作的一些公用事业公司正在逐步强化他们的数据科学社区,我们也开始向公用事业公司销售硬件DGX系统(英伟达的数据中心级AI加速器)。”7W9ednc

对公用事业公司来说,一种可用于大规模AI的技术是联合学习(federated learning),这种技术利用多个来源的数据训练中央模型,而不必将数据集中或共享。该技术通常用于医疗保健领域的医疗AI模型,因为读取更多的训练数据可以使模型更加准确,但医疗数据不能流出医院。从本质上来说,模型的本地版本在边缘被重新训练,然后更新的模型参数被集中起来,以改善整体模型。英伟达就提供了一个名为Clara的联合学习平台。7W9ednc

Spieler指出,电网的大规模供需预测模型将是Clara平台上一个引人关注的用例。“公用事业公司之间不能共享数据,但他们也不是竞争对手,因为只会有一组电源线连接到每个家庭,”他说,“我们相信,采用联合学习技术,通过训练其模型并与可以整合这些模型的更大的机构共享模型权重,就可以实现整个行业的协同合作。”7W9ednc

采用这种技术可以得到更准确的模型来预测电网对异常天气条件的反应。例如,部署在沙漠中的模型可以部分地使用来自更北部的数据进行训练,其中包含这些特定条件下的更多实例。7W9ednc

电网边缘

未来的电网也将在边缘使用人工智能。7W9ednc

十年前的“智能电表”将变得更加智能。智能电表的作用已经从摆脱人工抄表的束缚,到通过具备AI能力的太阳能板和电动汽车来预测消费者的供需情况。7W9ednc

Spieler表示,今天的智能电表只利用了很少一部分得到的数据。一个典型的电表可能有8个通道的数据可用,智能恒温器等下游设备则可能收集多达20或30个通道的数据。7W9ednc

“现在的每个智能电表中都有一个芯片——问题是它是否有足够的能力处理大量数据?”Spieler说,“我们设想智能电表可以像iPhone一样捕获大量数据,然后公用事业公司、消费者或其他人可以在其上加载应用,以便优化能源效率。”7W9ednc

如果变电站出现故障,智能电表可以提供必要的数据在相邻的社区创建一个微电网,以便与邻居共享太阳能或电动汽车电池的能量。在极端天气情况下,可以实施智能减载方案,通过AI智能电表关断非必要负载的电源。Spieler举例说,在最近发生的德州大断电中,对休斯顿泳池泵的供电本来是可以关断的,而把电留给使用救生医疗设备的家庭。7W9ednc

“我们能够像外科手术那样精确地将一些能耗从电网中剔除,”他说,“现在我们只能简单地打开或关断整个城市的电网,但将来可以根据某个人家里的温度来做出决策。”7W9ednc

如果寒流来袭,智能电表可以显示哪些家庭的温度低于4℃,电网将优先为他们供电,避免其管道冻结。“AI能够对这样的情况进行判断,”Spieler说,“数据已经存在,通过Nest恒温器和电表背后的其他设备,我们可以读到这些数据。但这些数据却没有返回给公用事业公司来帮助其做出更好的决策。”7W9ednc

电网AI算法

Veritone是致力于为电网管理提供AI解决方案的一家公司。该公司的CDI(合作分布式推理)技术可以确保整个电网的能量分配可预测及可恢复。该系统使用预测数据和规则来构建并不断更新设备状态模型,并将之应用于智能控制边缘设备。7W9ednc

“人类无法精确地控制电网,”Veritone能源高级副总裁Sean McEvoy在接受笔者采访时说。他指出,要持续监控电网上每个发电和储电设备的状态,同时监控能源需求、天气状况、传输流量和能源价格,需要对海量数据进行分析。7W9ednc

只有AI才有能力完成这项任务。7W9ednc

“通过对海量数据进行持续的实时建模,系统就可以了解每个电网用户到底需要多少能源,以及在某个时刻或不久的将来,可以提供多少能源。”McEvoy说,“不仅人类做不到这一点,仅靠功能强大的计算机也做不到。这需要边缘计算能力与智能强化学习和自适应学习相结合。”7W9ednc

强化学习是一种训练AI代理(采取某种动作的AI算法)来最大化某种奖励的技术。它使代理能够有效地从其动作结果中学习,而不是专门被教导。Veritone算法具有自适应性,会随着不断变化的状况来实时更新系统模型。7W9ednc

McEvoy进一步解释说,Veritone为电网创建的AI模型采用了“受约束的分布式哈密顿量”方法,这里的分布式意味着在边缘进行推理来减小延迟。模型可以由规则进行约束,比如设备保修规则,或者由北美电力可靠度公司(NERC)或联邦能源监管委员会(FERC)提出的规则。平均场算法用于模型同步,而线性代数模型则用于预测。Veritone的仿真器采用蒙特卡罗技术对不同结果的概率进行建模。7W9ednc

Veritone的电网AI解决方案如图3所示。域规则信息由规则转换器转换为参数;探测器学习并更新受控设备的模型;优化器不断创建满足操作和行为目标的策略;平均场通过将整个网络的状态传送到本地代理来同步CDI代理;边缘控制器控制边缘设备,黑板则提供信息流;预测器利用过去和当前的传感器数据来预测未来的能源情况,其中包括需求。7W9ednc

7W9ednc

图3:可以实时监控电网的Veritone AI方案。(图片来源:Veritone)7W9ednc

Veritone的目标客户是公用事业公司和独立电力生产商(IPP),例如微电网开发商和运营商。同时他们也与设备供应商合作,开发并部署用于诸如太阳能逆变器和电池系统的AI模型和预测控制器。7W9ednc

“这套软件可以集中部署在变电站、数据中心或边缘,用以控制边缘设备并提供边缘推理,”McEvoy说,“通过对多个电网边缘设备的实时同步,可以了解工厂状态和容量的整体模型视图。”7W9ednc

那么,这些AI技术一开始将在多大的范围内使用?如果从相对较小的规模开始,例如微电网,是否有意义?或者这样做有什么缺点?7W9ednc

“通常,Veritone会建议从控制单个站点的能源逐步开始。”McEvoy说。先在较小的站点(可以是25至50兆瓦的可再生能源发电机和储能器)推广AI技术可以让电网运营商更有信心。“一旦该站点使用AI得以优化,就可以推广到更多的站点,而且AI还可以在站点间进行同步,”他说,“该技术可以管理和控制纳米电网、微电网和其他公用电网,但随着规模的扩大,其复杂性也将呈指数级增长。”7W9ednc

(原文刊登于EDN姐妹网站EETimes美国版,参考链接:Adding Intelligence to the Grid,由Jenny Liao编译。)7W9ednc

本文为《电子技术设计》2021年10月刊杂志文章,版权所有,禁止转载。免费杂志订阅申请点击这里7W9ednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • Ignion选用AWS云服务来变革物联网设计流程 Ignion宣布推出天线设计智能云服务Antenna Intelligence Cloud,该服务将云计算和人工智能功能引入到天线领域。
  • Microchip模拟嵌入式SuperFlash技术助力存算一体创新 SuperFlash memBrain存储器解决方案使知存科技片上系统(SoC)能够满足最苛刻的神经处理成本、功耗和性能要求
  • 用TinyML开始设计——开发评估套件 本文中展示的开发套件和评估板得到一些流行的机器学习库和用于 TinyML 工作流程资源的支持,包括用于微控制器的 Google TensorFlow Lite 和 Edge Impulse,因而它们能够成为您第一个项目的理想起点。
  • “中国IC设计成就奖”提名产品简介:高性能GPU芯片及解 沐曦致力于提供国际顶尖的高性能通用GPU芯片及解决方案,结合我国人工智能等领域对GPU芯片的强烈市场需求,对标当前国际领先的GPU芯片产品立项开展技术研发。
  • “中国IC设计成就奖”提名产品简介:全志科技高性能智能 高性能三重异构智能语音应用处理器R329芯片,采用业界先进的半导体工艺,首款集成Arm中国周易语音处理器。集成DSP、NPU、64位CPU及丰富的外设接口,创新突破了低功耗、边缘语音AI超级算力、多重异构通讯、多核调度等关键技术,处于国内领先水平。
  • “中国IC设计成就奖”提名产品简介:追萤3D AI芯片Ai310 埃瓦科技自主研发的追萤 3D AI芯片创新的采用了异构架构 SOC 设计和微内核架构设计,包含 NPU 神经网络加速核、3D 立体匹配加速核、ISP 核等功能性处理核心;其中 NPU 神经网络加速核基于可重构以及片上多级存储和缓存设计,使数据可高效送达加速核心,使该芯片拥有领先的高效智能处理能力、分析以及低功耗管理的能力;其设计架构的资源复用性使硬件计算单位可灵活分配,适应于不同场景的计算需求;在 3D 视觉算法加速方面创新的采用了自研立体匹配算法的 3D 加速微内核架构设计,可有效加速双目立体视觉、结构光等多种 3D 视觉算法。
  • “中国IC设计成就奖”提名产品简介:ada200优势 1.九天睿芯,感存算一体芯片,可以在功耗和性能满足”低功耗AI场景“的同时,成本也大幅度下降。2.采用模数混合的存内计算架构,ADA200相比传统数字芯片,1/3成本,1/10功耗。
  • “中国IC设计成就奖”提名产品简介:面向边缘视觉分析的 面向边缘视觉分析的数据流AI芯片CAISA是鲲云科技自主研发的专为人工智能图像提供高性能计算加速的AI芯片产品,是全球首个量产的数据流AI芯片。
  • “中国IC设计成就奖”提名产品简介:人工智能语音芯片CI 1、人工神经网络硬件引擎架构:具备高计算性能,进行神经网络计算时相当于数十个CPU并行计算的能力;低访问带宽和低功耗,通过并行计算和共用神经元权重参数,大幅降低访问带宽及功耗;高可配置性,支持神经元层数和节点数、神经网络结构的配置。 2、单、双、及麦克风阵列降噪增强技术:支持各种平稳、非平稳环境噪声抑制;可支持线阵、圆阵结构等常用麦阵结构;采用定向波束形成与自适应信号处理技术相结合;拾取方向动态可调;支持单声道、立体声等回声抑制;采用独立研发的空间预测技术,支持强回声情况下回声抑制;与降噪处理技术相结合;自动增益调节、高通、带通滤波等。 3、低功耗和可靠性设计技术:具备低功耗集成电路设计技术,包括基于活动语音检测的低功耗控制技术和时钟门控技术。 4、逻辑设计技术:掌握了语音信号处理IP的设计方法,包括算法硬件化、定点、浮点运算处理等。同时积累了整套SoC设计所需的控制类IP,并成功通过流片验证。
  • “中国IC设计成就奖”提名产品简介:智能安防AI SoC芯片 亿智SV826是2021年推出的高性能的安防AI SoC芯片,主要面向视频编解码AI摄像机产品。
  • “中国IC设计成就奖”提名产品简介:低功耗视觉AIoT SoC 亿智SH516芯片是亿智电子2021年推出的一款低功耗的智能视觉AIoT SoC芯片。
  • “中国IC设计成就奖”提名产品简介:高性能大算力全场景 - AI性能跑分更强,超越Nvidia Orin - 应用当前先进的安全技术和研发流程 - 国内唯一可获得、支持快速量产的整车智能计算平台芯片
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了