隨著風能、太陽能等可再生能源的普及，電網管理也變得越來越復雜。弗吉尼亞大學的研究人員開發出了一種創新的解決方案：一種人工智能模型，可以解決可再生能源發電和電動汽車需求的不確定性，使電網更加可靠和高效。

多保真度圖神經網絡：一種新的人工智能解決方案

新模型基于多保真圖神經網絡(GNN)，這是一種旨在改善電力流分析的人工智能，電力流分析是確保電力在電網中安全高效地分配的過程。

“多保真度”方法允許 AI 模型利用大量低質量數據(低保真度)，同時仍能從少量高精度數據(高保真度)中獲益。這種雙層方法可以加快模型訓練速度，同時提高系統的整體準確性和可靠性。

增強電網靈活性以實現實時決策

通過應用 GNN，該模型可以適應各種電網配置，并且對電力線故障等變化具有魯棒性。它有助于解決長期存在的“最佳電力流”問題，確定應從不同來源產生多少電力。

由于可再生能源給發電和分布式發電系統引入了不確定性，加上電氣化(例如電動汽車)，增加了需求的不確定性，傳統的電網管理方法難以有效地處理這些實時變化。

新的人工智能模型集成了詳細和簡化的模擬，可以在幾秒鐘內優化解決方案，即使在不可預測的條件下也能提高電網性能。

“隨著可再生能源和電動汽車改變格局，我們需要更智能的解決方案來管理電網，”土木與環境工程助理教授、該項目首席研究員 Negin Alemazkoor 表示。“我們的模型有助于做出快速、可靠的決策，即使發生意外變化也是如此。”