無需人工干預AI驅動的「自我修復電網」比傳統方法快數百倍，大幅減少停電期間能源損失

在這個AI掌控步伐的快速發展的世界中，創新者似乎已經提出了另一種由AI驅動的新模型，以防止停電為目標。

德克薩斯大學達拉斯分校 (UT Dallas) 與紐約州立大學水牛城分校的工程師合作進行的一個項目開發了這種 AI 系統，該系統可以在幾毫秒內自動重新分配電力。

根據該大學的一份聲明，這種 AI 模型的目的是為了自主檢測和修復電網中的問題，而無需人工干預。

「自我修復電網」

技術研究人員稱這是「自我修復電網」技術的早期例證，並聲稱即使暴風雨損壞電力線，也可能不需要人工干預。

艾里克·瓊森（Erik Jonsson）工程與計算機科學學院機械工程副教授張傑（Jie Zhang）博士表示：「我們的目標是找到最佳路徑，盡快將電力輸送到大多數用戶。但在該系統實施之前，還需要更多的研究。」

這個人工智慧驅動系統的應用主要針對北美電網系統。

該系統被歸類為自我修復智慧型電網，其特點是具有快速反應、智慧控製機制，可以在停電期間將電力中斷降到最低。

研究人員採用了一種稱為圖強化學習的機器學習技術。然後，由AI 分析和管理複雜的電網網路。

根據大學的說法，圖形機器學習涉及描述網路的拓撲結構、各種組件的排列方式以及電力的傳輸方式。

在不同的網路設置下進行測試，該系統展現了近乎最佳的即時性能，在停電期間顯著減少了能量損失，並且在各種場景下都能有效工作。

該聲明指出，AI 模型顯著減少了停電期間的能量損失，13 和 34 匯流排網路的改進分別為 607.45 kWs 和 596.52 kWs。它在各種停電場景下也能很好地工作。

該技術在三種不同的網路設置（13、34 和 123 匯流排系統）上進行了檢查，發現它幾乎可以即時最佳地運行。

測試還表明，AI系統可以在幾毫秒內重新分配電力——與當前可能需要幾分鐘到幾小時的人工控制系統相比要快得多。

該研究的合著者、自然科學與數學學院數學科學教授尤利亞·蓋爾（Yulia Gel）博士也強調了網路拓撲結構的作用，他說這可能發揮關鍵作用。

這是指應用AI來解決其他複雜系統中的問題，例如關鍵基礎設施和生態系統。

「在這個跨學科項目中，我們利用團隊在電力系統、數學和機器學習方面的專業知識，探索瞭如何使用圖抽象來系統地描述配電系統中的各種相互依賴關係，」蓋爾說。

「然後，我們研究了如何將底層網路拓撲整合到強化學習框架中，以用於配電系統中更有效的停電管理。」

UTD 電氣工程博士生、該論文的共同第一作者蘿希妮·安娜·雅各布（Roshni Anna Jacob）指出，如果電力因線路故障而受阻，該系統可以使用開關進行重新配置，並從附近的可用電源汲取電力。

她說：「你可以利用這些發電機在特定地區供電。」

在下一階段，研究人員希望設計類似的技術來在電力中斷後修復和恢復電網。