0
| 本文作者： 我在思考中 | 2021-12-27 10:22 |
碳中和和碳達峰已上升為國家戰(zhàn)略，中央文件曾不止一次指出“要狠抓綠色低碳技術(shù)攻關(guān)”。那么作為最吸引人的前沿技術(shù)，AI如何賦能碳達峰？
近日，在GAIR2021大會上，香港中文大學（深圳）校長講座教授，IEEE Fellow黃建偉做了《智能低碳理論探索和關(guān)鍵技術(shù)研究》的報告，他指出：賦能大規(guī)模的分布式計算系統(tǒng)，加速碳中和的進程，要立足三個方面：一是通過人工智能助力低碳經(jīng)濟，構(gòu)建碳交易的生態(tài)；二是通過人工智能助力能源產(chǎn)業(yè)的低碳和降碳；三是通過人工智能助力交通產(chǎn)業(yè)的降低碳排放。
以下是演講原文，AI科技評論做了不改變原意的整理。
2016年，全世界近180個國家共同簽訂《巴黎協(xié)定》，目的在于控制全球平均氣溫上升，手段是控制溫室氣體排放。針對《巴黎協(xié)定》，中央先后多次在各種大會、論壇中宣布：2030年實現(xiàn)碳達峰，2060年實現(xiàn)碳中和。
2021年10月24日，中共中央國務院發(fā)布的《關(guān)于碳達峰、碳中和的工作意見》，標志著“雙碳戰(zhàn)略”已經(jīng)上升為國家戰(zhàn)略。這意味著我國的能源結(jié)構(gòu)和經(jīng)濟發(fā)展模式發(fā)生顛覆性的變革。
在世界范圍內(nèi)，截止到2020年，已有54個國家的碳排放達峰，占全球碳排放總量的約40%。除了中國，墨西哥、新加坡這些國家，預計也要在2030年實現(xiàn)達峰。此外，全球已經(jīng)有29個國家和地區(qū)實現(xiàn)了碳中和的目標，這些國家相對不發(fā)達。
韓國、歐盟這些國家的碳中和和碳達峰走得也比較快，已經(jīng)頒布相關(guān)的法律。而包括中國在內(nèi)的大多數(shù)國家都在政策宣示中。更進一步，從2019年的數(shù)據(jù)看，中國全社會的碳排放105億噸，其中能源產(chǎn)業(yè)碳排放占47%，位列第一位，交通產(chǎn)業(yè)占9%，排第三。因此能源和交通是接下來國家重點工作的兩個方向。
AI可以在雙碳目標中做些什么呢？AIRS主要通過賦能大規(guī)模的分布式計算系統(tǒng)，加速碳中和的進程。立足三個方面：一是通過人工智能助力低碳經(jīng)濟，構(gòu)建碳交易的生態(tài)；二是通過人工智能助力能源產(chǎn)業(yè)的低碳和降碳；三是通過人工智能助力交通產(chǎn)業(yè)的降低碳排放。
具體到AI技術(shù)路線，搭建智能低碳系統(tǒng)，需要對群智感知、能源眾包、機器學習、優(yōu)化控制等等一系列基礎(chǔ)理論有所突破。這個基礎(chǔ)上，從而能夠集成碳交易、能源系統(tǒng)、交通系統(tǒng)發(fā)展中一系列的關(guān)鍵技術(shù)。
基礎(chǔ)研究主要面向知識大規(guī)模低碳系統(tǒng)分布式的智能決策，數(shù)據(jù)層面的技術(shù)有三種：數(shù)據(jù)能不能自由流通、有償流通、流通受限。
數(shù)據(jù)能夠自由流通的情況下重點解決群智眾包決策的問題。例如在大的交通系統(tǒng)中，要想有效地降低碳排放，有效地協(xié)調(diào)交通的狀況，需要眾多參與者之間積極了解交通的相關(guān)情況，了解出行情況，有效的共享。由于不同用戶感知環(huán)境能力高度異質(zhì)化，加上交通信息千變?nèi)f化，真實的交通信息很難得以實時驗證，因此要設(shè)計有效的群體決策。
在個性化激勵機制的基礎(chǔ)上，以鼓勵用戶有效、高效參與為原則，AIRS設(shè)計了群智決策系統(tǒng)。例如針對群智決策的過程中牽涉到數(shù)據(jù)的共享，隱私問題，提出隱私保護下的個性化定價策略，一方面鼓勵大家積極參與交易、參與互動，另一方面也通過個性定價吸引、引導用戶披露相關(guān)的碳排放數(shù)據(jù)。
付費數(shù)據(jù)，且時效性強的數(shù)據(jù)如何交易？為此，AIRS提出實時信息交易系統(tǒng)的概念。例如面向低碳智慧交通信息共享場景，針對交通信息時效性和分散性等關(guān)鍵性挑戰(zhàn)，提出實時信息交易市場框架，以促進實時交通信息的共享。此舉有利于合理地規(guī)劃交通，減少交通擁堵，提高交通流轉(zhuǎn)效率，減少能源消耗，使人享其行，物暢其流。相應的技術(shù)獲得了IEEE WiOpt 2021最佳論文獎。
有的時候數(shù)據(jù)的直接交易并不現(xiàn)實，交易本身會產(chǎn)生隱私問題。對此，我們考慮一種模型交易，避免直接交易數(shù)據(jù)，這里使用的關(guān)鍵技術(shù)是聯(lián)邦學習：在數(shù)據(jù)不進行互相交易的情況下也可以產(chǎn)生全局的機器學習模型。因此，基于聯(lián)邦學習，我們構(gòu)建了新型的機器學習模型交易市場，通過不同質(zhì)量的模型、不同情況的隱私保護，能夠采取不同定價，滿足不同用戶對不同模型精度的需求。相關(guān)文章將會發(fā)表在明年的頂級會議IEEE INFOCOM 2022上。
但聯(lián)邦學習有幾個核心的問題：
1.如何激勵大量的個體積極參與？我們基于契約理論設(shè)計面向用戶多維隱私信息的最優(yōu)激勵機制，激防用戶如實、高效地參與聯(lián)邦學習模型訓練。
2.聯(lián)邦學習的性能如何進行優(yōu)化？這方面我們做了一系列的工作，包括自適應的方法對聯(lián)邦學習的核心控制參數(shù)進行優(yōu)化，另外基于用戶模型的相似性進行聯(lián)合的有效優(yōu)化，如此能夠提升整個聯(lián)邦學習的精度和收斂的速度，使得大規(guī)模分布式系統(tǒng)決策更加高效。
3.當每個用戶樣本比較小的時候如何進行有效的決策？為此，而向低碳機器學習場景，針對目前機器學習及深度學習需要大量訓練數(shù)據(jù)的關(guān)鍵挑戰(zhàn)，提出多智能體少樣本學習算法，提升大量智能體聯(lián)合學習的性能。
智能低碳助力碳交易生態(tài)可以分為幾個方面：碳計量、碳仿真、綠證交易以及電力大數(shù)據(jù)。
碳計量是非常復雜的情況，我們針對電力的數(shù)據(jù)，結(jié)合企業(yè)的實時電力的使用情況推測出碳排放的情況，對相關(guān)的情況進行碳計量和碳審計提供方案。例如面向火電廠碳排場景，針對火電廠碳排與電力大數(shù)據(jù)之間的關(guān)系，提出結(jié)合碳衛(wèi)星數(shù)據(jù)的碳計計算方法，解決火電廠碳排監(jiān)測等計置與預測問題。
面對全國的碳市場交易，我們需要有效高精度的動態(tài)仿真，如此才能設(shè)計有效的交易策略。
綠證是國家對發(fā)電企業(yè)每兆瓦時非水可再生能源上網(wǎng)電量頒發(fā)的具有獨特標識代碼的電子證書，是非水可再生能源發(fā)電量的確認和屬性證明以及消費綠色電力的唯一憑證。通過交易綠色證書可以有效將可再生能源的配額在市場中有效地分配，使得可再生能源能夠得到有效的使用。
針對可再生能源激機設(shè)計關(guān)鍵挑戰(zhàn)，我們提出基于可再生能源配額和綠證交易制度的分布式新能源容量優(yōu)化算法，提升分布式新能源投資積極性問題。因此，希望越多的新能源投資，越好地達到減碳的目的。
人工智能助力能源系統(tǒng)減排，需要電網(wǎng)的優(yōu)化調(diào)度、電力用戶側(cè)的建模、電動車充電調(diào)度規(guī)劃、低碳能源管理系統(tǒng)等幾個方面的參與。
1.電網(wǎng)的優(yōu)化調(diào)度，現(xiàn)代電網(wǎng)區(qū)別于“舊”電網(wǎng)，核心的特點是可再生能源比例比較高，其中包括風能、太陽能。它的碳排放比較低或是沒有碳排放，因此能夠有效的降低整個能源行業(yè)的碳排放。但可再生能源“并網(wǎng)”時有很多的挑戰(zhàn)，其具有不確定性，和天氣非常相關(guān)。因此，面向低碳電網(wǎng)優(yōu)化場景，針對可再生能源高效并網(wǎng)的關(guān)鍵挑戰(zhàn)，提出數(shù)據(jù)驅(qū)動的分布式多階段隨機優(yōu)化模型與算法，解決天氣不確定性下分布式電網(wǎng)優(yōu)化的問題。
2.想要在電網(wǎng)里、能源行業(yè)里進行有效的減碳，首先要非常準確地了解電力的使用情況，即用戶側(cè)有效的建模。但用戶電力的使用包含私有信息，會對建模帶來非常大的挑戰(zhàn)。因此，面向低碳全景式建模場景，針對電力用戶側(cè)海量數(shù)據(jù)的存儲及知識挖掘的關(guān)鍵技術(shù)挑戰(zhàn)，提出非侵入式負荷識別、超分辨率感知等算法，解決用戶側(cè)用電行為識別、海量數(shù)據(jù)空間時間尺度上知識存儲與提取的問題。
3.電動車充電調(diào)度規(guī)劃。綠色充電的調(diào)度對交通出行有非常大影響，因此有很多工作幫助社會經(jīng)濟有效的降低碳排放。例如智慧城市充電站最優(yōu)選址的問題，如果一個城市的電動車剛剛發(fā)展，如何能有效的選取地址構(gòu)建充電站，使得用戶充電最方便？當電動車不斷發(fā)展、數(shù)量不斷增加，如何能夠不斷的推動電動站的建設(shè)，配合城市的發(fā)展？我們基于城市的人口、城市的出行數(shù)據(jù)，共同構(gòu)建優(yōu)化電動車充電站的選址，使得最大化的優(yōu)化用戶的滿意程度，并且激發(fā)用戶購買電動車的意愿。
智能低碳如何助力交通系統(tǒng)？在車聯(lián)網(wǎng)系統(tǒng)層面，而向車聯(lián)網(wǎng)場景，針對低時延等挑戰(zhàn)，我們提出基于Uu接口的C-V2X框架，解決通信性能瓶頸，提升交通效率。
在多路口交通燈分布式控制層面，智能系統(tǒng)需要解決等待時間過長、實時交互等痛點。由于紅綠燈在大多數(shù)情況下沒有中央控制，因此我們構(gòu)建多路口的協(xié)作訓練交通燈的控制模型，提出去中心化的分布式強化學習，沒有中央控制的情況下，可以有效根據(jù)車流量調(diào)節(jié)紅綠燈的節(jié)奏，使得交通的出行效率大幅度提高。
我們還提出了交通互聯(lián)網(wǎng)的想法。目前傳統(tǒng)交通控制的方法是一種垂直的煙囪架構(gòu)。例如在智能燈柱上有很多的傳感器、攝像頭、監(jiān)視器，但紅綠燈、傳感器是由不同的部門監(jiān)管，其數(shù)據(jù)并不互通。因此，需要將這些數(shù)據(jù)水平的融合，構(gòu)建“交通路由器”。在此基礎(chǔ)上，我們構(gòu)建了軟件定義的交通系統(tǒng)，要求控制面和運輸面相分離。然后形成交通互聯(lián)網(wǎng)系統(tǒng)：上面是公有的交通服務云平臺；中間是邊緣控制器、中心控制器；最底層是不同來源的傳感器、控制器。通過交通互聯(lián)網(wǎng)系統(tǒng)可以更加高效地利用不同來源的數(shù)據(jù)，從而進行多模態(tài)的融合，使得控制更加有效。
上述工作不僅形成了學術(shù)文章，同時也構(gòu)建了相關(guān)的低碳交通的原型系統(tǒng)。目前通過與香港中文大學（深圳）、華為、中國移動合作構(gòu)建了基于5G和邊緣計算的網(wǎng)聯(lián)自動駕駛測試床。已經(jīng)在香港中文大學（深圳）校園建設(shè)5G車聯(lián)網(wǎng)基礎(chǔ)網(wǎng)絡，覆蓋了大概2.5萬平方米的校園區(qū)域，其中設(shè)備包括11套，5臺智能網(wǎng)聯(lián)車輛和6臺智能路側(cè)設(shè)備，這套系統(tǒng)也驗證了UC-V2X車聯(lián)網(wǎng)、交通互聯(lián)網(wǎng)控制架構(gòu)等一系列算法。該系統(tǒng)在2019年獲得了中國信通院2019年英諾（Innovation）雙推優(yōu)秀案例獎。
完成基于交通互聯(lián)的低碳交通原型系統(tǒng)（一期），已開展UC-V2X通信、交通互聯(lián)網(wǎng)技術(shù)框架、一鍵招車、信號協(xié)同、超視距感知等功能驗證。
智能低碳助力交通系統(tǒng)的另一個應用是：車聯(lián)網(wǎng)高精度地圖。這是自動駕駛非常重要的技術(shù)，因為車聯(lián)網(wǎng)依賴的地圖其精確度要求高于人類駕駛汽車依賴的地圖。因此，我們一方面通過車的多元數(shù)據(jù)采集構(gòu)建高精度的靜態(tài)層。另一方面通過路邊的攝像頭、路邊的雷達，車本身的攝像頭雷達共同融合，形成動態(tài)的地圖。靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)結(jié)合構(gòu)成的車聯(lián)網(wǎng)高精度地圖可以充分有效的保證自動駕駛的安全。
總結(jié)下來，AIRS通過人工智能加速碳中和的技術(shù)路徑，主要聚焦在群體智能、機器學習、隱私保護、經(jīng)濟學前沿的交叉基礎(chǔ)理論創(chuàng)新。另一方面基于電力大數(shù)據(jù)，探索高效、實時的碳計量、碳仿真碳交易的技術(shù)；能源網(wǎng)絡方面AIRS希望構(gòu)建多維度的高效源網(wǎng)荷儲協(xié)同方案；交通方面積極探索低碳的交通控制平臺和網(wǎng)聯(lián)自動駕駛創(chuàng)新降碳的交通方案。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
