虛擬電廠有助于推動能源結構綠色轉型，在雙碳目標下備受關注，但其調度是一大難題。記者8月10日獲悉，阿里達摩院研究團隊在GECCO 2022國際競賽中獲得第一名，憑借自研求解器MindOpt的黑盒優化能力，成功破解虛擬電廠調度難題，將成本降低29%，風險降低39%。

所謂“虛擬電廠”，是將光伏等分布式發電裝置、儲能設備、可控負荷等主體通過調度算法聚合起來，它雖然不是實體電廠，但能發揮實體電廠的作用，而且更經濟。據國家電網測算，要滿足5%的峰值負荷，我國需要投資4000億元建設火電廠和配套電網來削峰填谷，而采用虛擬電廠只需500-600億元。

虛擬電廠示意

由于虛擬電廠聚合的主體眾多，其調度異常復雜，需要通過優化計算來確定發電機組的啟停與出力、儲能設備及電動汽車的充電或放電、系統與外部電力市場的交易電量……如果調度不當，可能會導致棄風棄光、運行成本增高，嚴重情況下甚至會引發系統崩潰。

專家介紹，虛擬電網的智能調度本質上是一個大規模不確定性混合整數非線性規劃問題，由于高維離散且隨機性強，其求解難度非常大。全球進化計算領域頂會GECCO（遺傳與進化計算國際會議）等聯合舉辦了專項競賽“Risk-based Energy Scheduling 2022”，鼓勵全球研究人員共同攻克這一難題。

競賽設定的虛擬電廠包括光伏機組、風電機組、電動汽車、儲能設備等500多個主體，集成在一個加密仿真器中。參賽團隊無法一窺仿真器內部邏輯和數據，需要設計黑盒優化（也稱仿真優化）算法來對接仿真器，基于仿真器這一“黑盒”的輸入輸出數據來推斷更優的調度方案，以最大程度降低虛擬電廠的運行成本，同時有效控制極端天氣等帶來的風險。

阿里達摩院團隊獲得比賽冠軍

阿里達摩院決策智能實驗室參賽團隊研發出新的黑盒優化算法，綜合應用了維度聚類、信賴域、近似梯度代理等技術，以識別關鍵維度，并及早跳出局部極值和不穩定點。相比基于經驗規則和經典進化算法的基準調度方案，達摩院團隊將虛擬電廠的總運行成本降低29%，風險指標降低39%，獲得競賽冠軍。

達摩院算法原理示意圖

研究團隊介紹，獲獎算法已集成在達摩院求解器MindOpt的黑盒優化功能中，除了可應用于虛擬電廠，還可用于交通、物流、供應鏈、制造、醫療、醫藥等領域的仿真優化、拓撲優化、設計優化、超參調優、參數標定等場景。除了黑盒優化外，達摩院MindOpt求解器還提供線性規劃、凸二次規劃等能力，多次登頂國際權威的Mittelmann榜單，目前已向社會免費開放。

據了解，達摩院決策智能實驗室旨在用數學解決真實世界的復雜問題。基于自研求解器、安全強化學習、時序預測等底層技術，實驗室打造出綠色能源AI，已逐步落地全國多家電網和發電企業，促進綠色能源消納和電網安全運行。