随着风能、太阳能等可再生能源的普及，电网管理也变得越来越复杂。弗吉尼亚大学的研究人员开发出了一种创新的解决方案：一种人工智能模型，可以解决可再生能源发电和电动汽车需求的不确定性，使电网更加可靠和高效。
多保真度图神经网络：一种新的人工智能解决方案
新模型基于多保真图神经网络(GNN)，这是一种旨在改善电力流分析的人工智能，电力流分析是确保电力在电网中安全高效地分配的过程。
“多保真度”方法允许 AI 模型利用大量低质量数据(低保真度)，同时仍能从少量高精度数据(高保真度)中获益。这种双层方法可以加快模型训练速度，同时提高系统的整体准确性和可靠性。
增强电网灵活性以实现实时决策
通过应用 GNN，该模型可以适应各种电网配置，并且对电力线故障等变化具有鲁棒性。它有助于解决长期存在的“最佳电力流”问题，确定应从不同来源产生多少电力。
由于可再生能源给发电和分布式发电系统引入了不确定性，加上电气化(例如电动汽车)，增加了需求的不确定性，传统的电网管理方法难以有效地处理这些实时变化。
新的人工智能模型集成了详细和简化的模拟，可以在几秒钟内优化解决方案，即使在不可预测的条件下也能提高电网性能。
“随着可再生能源和电动汽车改变格局，我们需要更智能的解决方案来管理电网，”土木与环境工程助理教授、该项目首席研究员 Negin Alemazkoor 表示。“我们的模型有助于做出快速、可靠的决策，即使发生意外变化也是如此。”
