面向未来能源与碳中和的强化学习：一项挑战赛设计
人工智能
2022-07-22 v1
摘要
当前气候的快速变化增加了改变能源生产与消费管理、以减少碳及其他温室气体排放的紧迫性。在此背景下，法国电网管理公司 RTE（Réseau de Transport d'Électricité）最近发布了一项广泛研究的结果，概述了未来法国电力管理的多种情景。我们提出一项挑战赛以检验此类情景的可行性。目标是控制电网中的电力传输，同时追求多个目标：平衡生产与消费、最小化能量损耗、保障人员与设备安全并特别避免灾难性故障。尽管应用的重要性本身即提供目标，该挑战也旨在推进称为强化学习（RL）的人工智能（AI）分支的技术前沿，其为解决控制问题提供了新可能。特别是，深度学习与 RL 结合的多个方面（称为深度强化学习）在该应用领域仍有待利用。本挑战赛属于 2019 年启动的“学习运行电网”（L2RPN）系列。在新一届中，我们引入 RTE 提出的到 2050 年实现碳中和的更真实情景：淘汰化石燃料发电、提高可再生与核能比例并引入电池。此外，我们提供使用最先进强化学习算法的基线以激励未来参与者。
引用
@article{arxiv.2207.10330,
title = {Reinforcement learning for Energies of the future and carbon neutrality: a Challenge Design},
author = {Gaëtan Serré and Eva Boguslawski and Benjamin Donnot and Adrien Pavão and Isabelle Guyon and Antoine Marot},
journal= {arXiv preprint arXiv:2207.10330},
year = {2022}
}