研究人員使用AI加速電網仿真

大多數現代電話和汽車都經過編程，可以從周圍的環境中“學習”聲音，面部特征，甚至是常見的行駛路線。識別模式使這些系統可以在眨眼之間準確預測并建議首選選項。

現在想象一個可以為關鍵的國家挑戰(例如疾病診斷，天氣預報和電網可靠性)提供相同精度和響應能力的系統。

一種稱為智能電網模擬器(Smart-PGSim)的新軟件應用程序使用一種神經網絡(一種人工智能(AI))來有效解決對規劃和優化電力輸送至關重要的電網模擬。初步測試結果表明，Smart-PGSim解決了潮流計算，其速度比傳統數值模型快了三倍，而且沒有損失精度。

Smart-PGSim背后的方法是由西北太平洋國家實驗室(PNNL)的計算機科學家Gokcen Kestor和加州大學默塞德分校的合作者共同開發的，其背后的方法使用了一種稱為多任務學習建模的新型神經網絡方法。研究人員認為，這是人工智能在電網中的首次此類應用。

PNNL高級計算，數學和數據部門的研究員Kestor說：“人工智能和高性能計算的最新發展使我們得以探索這種方法。” “我們不可能在五到十年前開發出這種方法。”

Kestor將在11月的Supercomputing 2020上虛擬地展示該團隊的研究成果，Supercomputing 2020是高性能計算，網絡，存儲和分析領域全球最大的年度專業人員聚會。

與當前的潮流仿真工具相比，Smart-PGSim的工作速度快了將近三倍，迭代次數更少，精度幾乎相同。(由Cortland Johnson制作的動畫|西北太平洋國家實驗室)