ldquo武大美研院rdquo [复制链接]

近日，经过三个月的激烈角逐，我院智能电网研究院与国家电网美国研究院联合团队（下文简称“武大-美研院”联合团队），在NeurIPS国际电网调度竞赛（LearntoRunaPowerNetworkCompetiton，L2RPN）两个赛道中均荣获第四名。武大智能电网研究院指导教授包括张俊、董旭柱、孙元章，队员有许沛东、陈思远、白昱阳、裴洋舟、谌立坤。国网美研院方团队成员包括段嘉俊、郑文卿、史迪、王之伟。两个赛道最终得分如图所示，参赛用户名为djmax。

鲁棒能力赛道

泛化能力赛道

NeurIPS电网调度大赛主要是由RTE（法国电网公司）、EPRI（美国电力研究协会）和TenneT（德国-荷兰电网公司）等能源企业联合INRIA（法国国家信息与自动化研究所）、谷歌研究、UCL和卡塞尔大学等人工智能研究机构共同举办，吸引了全球的上百支队伍参加。今年的电网调度竞赛相比前两届在电网规模与动作空间方面都更为复杂，大大增加了挑战难度。本次比赛共包含两个赛道：鲁棒能力赛道（RobustnessTrack）以及泛化能力赛道（AdaptabilityTrack），竞赛的主旨是探究强化学习在电网调度控制中的应用潜力，以综合提升电网应对突发故障或高比例新能源接入下的稳定性。

#赛道一：采用中型电网（36节点，相当于三分之一的美国中西部电网），离散动作空间数量有6万多个。该赛道中，每天电网的不同线路会因随机的攻击而断开，以此模拟现实生活中电网系统受到不可预期的事故（N-1）。

Track1电网拓扑图

#赛道二：采用大型电网（节点，相当于整个美国中西部电网），离散动作空间数量高达7万多个。该赛道中，发电厂的可再生能源比例是动态变化的，随着可再生能源接入比例的不断提高，保持整个电网的供需平衡的难度也在逐步提升。

Track2电网拓扑图

在为期数月的参赛过程中，“武大-美研院”联合团队经过多次线上会议研讨技术路线，线下尝试多种方案组合后，确定了结合蒙特卡洛树搜索、图注意力网络、深度强化学习方法以及分布式强化学习架构的技术路线，最终的结果凝结了学校、电气与自动化学院、美国研究院与参赛同学们的不懈努力与付出。通过本次竞赛，队员们在人工智能与电力系统的融合与应用方向均获得了更深入的理解与能力的提升，竞赛结果表明了联合团队在人工智能技术与电气的融合方向的实力，也为我校在相关领域做出了一定的探索与贡献。