Компания Guangdong Power Grid предложила новую гибридную систему управления энергопотреблением, обеспечивающую значительное снижение эксплуатационных расходов и снижение интенсивности выбросов углерода. В ходе моделирования, охватывающего период эксплуатации в один год, система объединила солнечную и ядерную энергию, что позволило почти вдвое повысить надежность электроснабжения при критической нагрузке во всех предложенных сценариях. Исследователи смоделировали микросеть мощностью 100 МВт, которая обеспечивала потребности промышленности и жилого сектора. В первом случае средняя нагрузка составляла 85 МВт, а ежедневные пиковые колебания достигали 25 %, во втором — 15 МВт с отношением пиковой и средней мощностей 1,6.
Оборудование для генерации энергии включало солнечные панели мощностью 40 МВт и малый модульный ядерный реактор с минимальной стабильной мощностью 10 МВт и ограничением скорости нарастания мощности 5 МВт в час. Для устранения энергетического дисбаланса инфраструктура включала литийионный аккумулятор емкостью 20 МВт ч с эффективностью заряда — разряда 92 %, а также водородный блок максимальной емкостью 15 тонн. Сезонные и суточные колебания погоды исследователи смоделировали при помощи нормального распределения со средним значением 80 % номинальной освещенности и стандартным отклонением 12 %. Модель продемонстрировала снижение эксплуатационных расходов примерно на 18,7 % и снижение интенсивности выбросов углерода почти на 37,1 %. Надежность электроснабжения при критической нагрузке выросла во всех протестированных сценариях на 98 %.
Основная инновация проекта — метод управления разными источниками энергии. В его разработке был использован фреймворк планирования, который объединяет многокритериальную робастную стохастическую оптимизацию (DRO) с механизмом обучения с подкреплением в реальном времени (RL). Система управления энергопотреблением выступает в роли «мозга» процесса. DRO генерирует базовые стратегии планирования, которые остаются устойчивыми даже в условиях неопределенности прогнозов погоды. Модули RL корректируют управляющие сигналы в реальном времени, позволяя системе динамически адаптироваться к текущим изменениям окружающей среды. Модель оптимизации была написана на Python с использованием Pyomo для математического программирования, а для решения задач смешанного целочисленного программирования использовался Gurobi 10.0, сообщает IE.