人工智能时代的健康导向电力网优化

电力部门是全球温室气体排放的主要贡献者之一。近年来，受所谓的人工智能（AI）革命的推动，电力需求出现了空前的增长。尽管AI已并将继续产生变革性影响，但其环境和健康影响往往被忽视。传统的电力网优化方法旨在最小化CO$_2$排放。本文提出一种新的整体方法论，其优化目标直接针对在能源效率和排放约束下，最小化对公众健康不利影响的平均数。我们展示了第一个以最小化暴露于危险空气污染物（HAP）所致不利健康效果平均数为目标的燃料混合分配问题，并在平均与边际排放约束下求解。我们认为，这种健康导向的电力网优化对于推动真正可持续的技术进步至关重要，这些进步既符合全球气候目标，也契合公共卫生优先事项。