加速器：揭示AI加速的分布式和去中心化电力调度模型的能源与排放负担
系统与控制
2024-08-27 v1 系统与控制
摘要
随着现代电网向分布式系统的转变，对快速决策工具的需求日益增加。人工智能（AI）和机器学习（ML）技术正在通过提高电力调度操作的效率，有效地克服了传统优化求解器长计算时间的限制。然而，这种提高效率伴随着高昂的环境代价，不断增加来自计算密集型AI/ML模型的能源消耗和碳排放。尽管这些技术有潜力变革电力系统管理，但其环境影响往往被忽视。本文介绍了首次比较集中式、分布式和去中心化ML驱动电力调度模型能源需求的工作。我们对在IEEE 33母线系统上持续运行所需的能源和碳足迹进行了详细分析，突出了 operational efficiency 与环境可持续性之间的关键权衡。该研究旨在指导未来在能源系统中的AI实施，确保不仅提高效率，还优先考虑生态完整性。
引用
@article{arxiv.2408.13968,
title = {Speeding Ticket: Unveiling the Energy and Emission Burden of AI-Accelerated Distributed and Decentralized Power Dispatch Models},
author = {Meiyi Li and Javad Mohammadi},
journal= {arXiv preprint arXiv:2408.13968},
year = {2024}
}