- · 《理论探索》投稿方式[04/29]
- · 《理论探索》数据库收录[04/29]
- · 《理论探索》期刊栏目设[04/29]
- · 理论探索版面费是多少[04/29]
IEEE Fellow黄建伟:智能低碳理论探索和关键技术研
作者:网站采编关键词:
摘要:但联邦学习有几个核心的问题: 2021年10月24日,中共中央国务院发布的《关于碳达峰、碳中和的工作意见》,标志着“双碳战略”已经上升为国家战略。这意味着我国的能源结构和经济
但联邦学习有几个核心的问题:
2021年10月24日,中共中央国务院发布的《关于碳达峰、碳中和的工作意见》,标志着“双碳战略”已经上升为国家战略。这意味着我国的能源结构和经济发展模式发生颠覆性的变革。
绿证是国家对发电企业每兆瓦时非水可再生能源上网电量颁发的具有独特标识代码的电子证书,是非水可再生能源发电量的确认和属性证明以及消费绿色电力的唯一凭证。通过交易绿色证书可以有效将可再生能源的配额在市场中有效地分配,使得可再生能源能够得到有效的使用。
人工智能助力能源系统减排,需要电网的优化调度、电力用户侧的建模、电动车充电调度规划、低碳能源管理系统等几个方面的参与。
2016年,全世界近180个国家共同签订《巴黎协定》,目的在于控制全球平均气温上升,手段是控制温室气体排放。针对《巴黎协定》,中央先后多次在各种大会、论坛中宣布:2030年实现碳达峰,2060年实现碳中和。
在个性化激励机制的基础上,以鼓励用户有效、高效参与为原则,AIRS设计了群智决策系统。例如针对群智决策的过程中牵涉到数据的共享,隐私问题,提出隐私保护下的个性化定价策略,一方面鼓励大家积极参与交易、参与互动,另一方面也通过个性定价吸引、引导用户披露相关的碳排放数据。
数据能够自由流通的情况下重点解决群智众包决策的问题。例如在大的交通系统中,要想有效地降低碳排放,有效地协调交通的状况,需要众多参与者之间积极了解交通的相关情况,了解出行情况,有效的共享。由于不同用户感知环境能力高度异质化,加上交通信息千变万化,真实的交通信息很难得以实时验证,因此要设计有效的群体决策。
智能低碳助力碳交易生态可以分为几个方面:碳计量、碳仿真、绿证交易以及电力大数据。
完成基于交通互联的低碳交通原型系统(一期),已开展UC-V2X通信、交通互联网技术框架、一键招车、信号协同、超视距感知等功能验证。
智能低碳如何助力交通系统?在车联网系统层面,而向车联网场景,针对低时延等挑战,我们提出基于Uu接口的C-V2X框架,解决通信性能瓶颈,提升交通效率。
在世界范围内,截止到2020年,已有54个国家的碳排放达峰,占全球碳排放总量的约40%。除了中国,墨西哥、新加坡这些国家,预计也要在2030年实现达峰。此外,全球已经有29个国家和地区实现了碳中和的目标,这些国家相对不发达。
我们还提出了交通互联网的想法。目前传统交通控制的方法是一种垂直的烟囱架构。例如在智能灯柱上有很多的传感器、摄像头、监视器,但红绿灯、传感器是由不同的部门监管,其数据并不互通。因此,需要将这些数据水平的融合,构建“交通路由器”。在此基础上,我们构建了软件定义的交通系统,要求控制面和运输面相分离。然后形成交通互联网系统:上面是公有的交通服务云平台;中间是边缘控制器、中心控制器;最底层是不同来源的传感器、控制器。通过交通互联网系统可以更加高效地利用不同来源的数据,从而进行多模态的融合,使得控制更加有效。
有的时候数据的直接交易并不现实,交易本身会产生隐私问题。对此,我们考虑一种模型交易,避免直接交易数据,这里使用的关键技术是联邦学习:在数据不进行互相交易的情况下也可以产生全局的机器学习模型。因此,基于联邦学习,我们构建了新型的机器学习模型交易市场,通过不同质量的模型、不同情况的隐私保护,能够采取不同定价,满足不同用户对不同模型精度的需求。相关文章将会发表在明年的顶级会议IEEE INFOCOM 2022上。
2.联邦学习的性能如何进行优化?这方面我们做了一系列的工作,包括自适应的方法对联邦学习的核心控制参数进行优化,另外基于用户模型的相似性进行联合的有效优化,如此能够提升整个联邦学习的精度和收敛的速度,使得大规模分布式系统决策更加高效。
总结下来,AIRS通过人工智能加速碳中和的技术路径,主要聚焦在群体智能、机器学习、隐私保护、经济学前沿的交叉基础理论创新。另一方面基于电力大数据,探索高效、实时的碳计量、碳仿真碳交易的技术;能源网络方面AIRS希望构建多维度的高效源网荷储协同方案;交通方面积极探索低碳的交通控制平台和网联自动驾驶创新降碳的交通方案。
文章来源:《理论探索》 网址: http://www.lltszzs.cn/zonghexinwen/2022/0519/757.html