<mark id="oztn4"></mark>
0
碳中和和碳達峰已上升為國家戰略，中央文件曾不止一次指出“要狠抓綠色低碳技術攻關”。那么作為最吸引人的前沿技術，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鍵技術研究》的報告，他指出：賦能大規模的分布式計算系統，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濟，構建碳交易的生態；二是通過人工智能助力能源產業的低碳和降碳；三是通過人工智能助力交通產業的降低碳排放。
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《巴黎協定》，中央先后多次在各種大會、論壇中宣布：2030年實現碳達峰，2060年實現碳中和。
2021年10月24日，中共中央國務院發布的《關于碳達峰、碳中和的工作意見》，標志著“雙碳戰略”已經上升為國家戰略。這意味著我國的能源結構和經濟發展模式發生顛覆性的變革。
在世界范圍內，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年實現達峰。此外，全球已經有29個國家和地區實現了碳中和的目標，這些國家相對不發達。
韓國、歐盟這些國家的碳中和和碳達峰走得也比較快，已經頒布相關的法律。而包括中國在內的大多數國家都在政策宣示中。更進一步，從2019年的數據看，中國全社會的碳排放105億噸，其中能源產業碳排放占47%，位列第一位，交通產業占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主要通過賦能大規模的分布式計算系統，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濟，構建碳交易的生態；二是通過人工智能助力能源產業的低碳和降碳；三是通過人工智能助力交通產業的降低碳排放。
具體到AI技術路線，搭建智能低碳系統，需要對群智感知、能源眾包、機器學習、優化控制等等一系列基礎理論有所突破。這個基礎上，從而能夠集成碳交易、能源系統、交通系統發展中一系列的關鍵技術。
基礎研究主要面向知識大規模低碳系統分布式的智能決策，數據層面的技術有三種：數據能不能自由流通、有償流通、流通受限。
數據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中，要想有效地降低碳排放，有效地協調交通的狀況，需要眾多參與者之間積極了解交通的相關情況，了解出行情況，有效的共享。由于不同用戶感知環境能力高度異質化，加上交通信息千變萬化，真實的交通信息很難得以實時驗證，因此要設計有效的群體決策。
在個性化激勵機制的基礎上，以鼓勵用戶有效、高效參與為原則，AIRS設計了群智決策系統。例如針對群智決策的過程中牽涉到數據的共享，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、引導用戶披露相關的碳排放數據。
付費數據，且時效性強的數據如何交易？為此，AIRS提出實時信息交易系統的概念。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鍵性挑戰，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劃交通，減少交通擁堵，提高交通流轉效率，減少能源消耗，使人享其行，物暢其流。相應的技術獲得了IEEE WiOpt 2021最佳論文獎。
有的時候數據的直接交易并不現實，交易本身會產生隱私問題。對此，我們考慮一種模型交易，避免直接交易數據，這里使用的關鍵技術是聯邦學習：在數據不進行互相交易的情況下也可以產生全局的機器學習模型。因此，基于聯邦學習，我們構建了新型的機器學習模型交易市場，通過不同質量的模型、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。相關文章將會發表在明年的頂級會議IEEE INFOCOM 2022上。
但聯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計面向用戶多維隱私信息的最優激勵機制，激防用戶如實、高效地參與聯邦學習模型訓練。
2.聯邦學習的性能如何進行優化？這方面我們做了一系列的工作，包括自適應的方法對聯邦學習的核心控制參數進行優化，另外基于用戶模型的相似性進行聯合的有效優化，如此能夠提升整個聯邦學習的精度和收斂的速度，使得大規模分布式系統決策更加高效。
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據的關鍵挑戰，提出多智能體少樣本學習算法，提升大量智能體聯合學習的性能。
智能低碳助力碳交易生態可以分為幾個方面：碳計量、碳仿真、綠證交易以及電力大數據。
碳計量是非常復雜的情況，我們針對電力的數據，結合企業的實時電力的使用情況推測出碳排放的情況，對相關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據之間的關系，提出結合碳衛星數據的碳計計算方法，解決火電廠碳排監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仿真，如此才能設計有效的交易策略。
綠證是國家對發電企業每兆瓦時非水可再生能源上網電量頒發的具有獨特標識代碼的電子證書，是非水可再生能源發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計關鍵挑戰，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減排，需要電網的優化調度、電力用戶側的建模、電動車充電調度規劃、低碳能源管理系統等幾個方面的參與。
1.電網的優化調度，現代電網區別于“舊”電網，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的碳排放。但可再生能源“并網”時有很多的挑戰，其具有不確定性，和天氣非常相關。因此，面向低碳電網優化場景，針對可再生能源高效并網的關鍵挑戰，提出數據驅動的分布式多階段隨機優化模型與算法，解決天氣不確定性下分布式電網優化的問題。
2.想要在電網里、能源行業里進行有效的減碳，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。因此，面向低碳全景式建模場景，針對電力用戶側海量數據的存儲及知識挖掘的關鍵技術挑戰，提出非侵入式負荷識別、超分辨率感知等算法，解決用戶側用電行為識別、海量數據空間時間尺度上知識存儲與提取的問題。
3.電動車充電調度規劃。綠色充電的調度對交通出行有非常大影響，因此有很多工作幫助社會經濟有效的降低碳排放。例如智慧城市充電站最優選址的問題，如果一個城市的電動車剛剛發展，如何能有效的選取地址構建充電站，使得用戶充電最方便？當電動車不斷發展、數量不斷增加，如何能夠不斷的推動電動站的建設，配合城市的發展？我們基于城市的人口、城市的出行數據，共同構建優化電動車充電站的選址，使得最大化的優化用戶的滿意程度，并且激發用戶購買電動車的意愿。
智能低碳如何助力交通系統？在車聯網系統層面，而向車聯網場景，針對低時延等挑戰，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情況下沒有中央控制，因此我們構建多路口的協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，可以有效根據車流量調節紅綠燈的節奏，使得交通的出行效率大幅度提高。
我們還提出了交通互聯網的想法。目前傳統交通控制的方法是一種垂直的煙囪架構。例如在智能燈柱上有很多的傳感器、攝像頭、監視器，但紅綠燈、傳感器是由不同的部門監管，其數據并不互通。因此，需要將這些數據水平的融合，構建“交通路由器”。在此基礎上，我們構建了軟件定義的交通系統，要求控制面和運輸面相分離。然后形成交通互聯網系統：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。通過交通互聯網系統可以更加高效地利用不同來源的數據，從而進行多模態的融合，使得控制更加有效。
上述工作不僅形成了學術文章，同時也構建了相關的低碳交通的原型系統。目前通過與香港中文大學（深圳）、華為、中國移動合作構建了基于5G和邊緣計算的網聯自動駕駛測試床。已經在香港中文大學（深圳）校園建設5G車聯網基礎網絡，覆蓋了大概2.5萬平方米的校園區域，其中設備包括11套，5臺智能網聯車輛和6臺智能路側設備，這套系統也驗證了UC-V2X車聯網、交通互聯網控制架構等一系列算法。該系統在2019年獲得了中國信通院2019年英諾（Innovation）雙推優秀案例獎。
完成基于交通互聯的低碳交通原型系統（一期），已開展UC-V2X通信、交通互聯網技術框架、一鍵招車、信號協同、超視距感知等功能驗證。
智能低碳助力交通系統的另一個應用是：車聯網高精度地圖。這是自動駕駛非常重要的技術，因為車聯網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據采集構建高精度的靜態層。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，形成動態的地圖。靜態數據和動態數據結合構成的車聯網高精度地圖可以充分有效的保證自動駕駛的安全。
總結下來，AIRS通過人工智能加速碳中和的技術路徑，主要聚焦在群體智能、機器學習、隱私保護、經濟學前沿的交叉基礎理論創新。另一方面基于電力大數據，探索高效、實時的碳計量、碳仿真碳交易的技術；能源網絡方面AIRS希望構建多維度的高效源網荷儲協同方案；交通方面積極探索低碳的交通控制平臺和網聯自動駕駛創新降碳的交通方案。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
