1月2日，國家能源集團(tuán)數(shù)智科技下屬大數(shù)據(jù)公司研究團(tuán)隊(duì)在水文水資源領(lǐng)域國際頂級(jí)期刊《Journal of Hydrology》成功發(fā)表題為《A deep reinforcement learning approach for joint scheduling of cascade reservoir system》（梯級(jí)水庫系統(tǒng)聯(lián)合調(diào)度的深度強(qiáng)化學(xué)習(xí)方法）的論文科技成果，提出一種基于人工智能的水庫群自適應(yīng)調(diào)度新算法。

圖為該項(xiàng)成果主要內(nèi)容

該項(xiàng)成果能夠有效應(yīng)對(duì)水電復(fù)雜多變調(diào)度工況、克服現(xiàn)有技術(shù)在高維狀態(tài)空間求解局限的難題，實(shí)現(xiàn)多目標(biāo)動(dòng)態(tài)跟蹤以及梯級(jí)水庫多級(jí)聯(lián)動(dòng)實(shí)時(shí)反饋智能控制。目前，該成果已上線大數(shù)據(jù)公司的云上水電平臺(tái)模型云，所建立的水電聯(lián)調(diào)水庫模型在多目標(biāo)調(diào)度任務(wù)下，水位控制成功率達(dá)到99.8%，模型仿真速度提升42%，顯著提高了梯級(jí)水庫群調(diào)度的效率和穩(wěn)定性。該算法的成功研制，為水庫群實(shí)現(xiàn)復(fù)雜條件下自適應(yīng)“無人調(diào)度”在技術(shù)上邁進(jìn)了一大步。

圖為云上水電模型云平臺(tái)

據(jù)悉，水文科學(xué)期刊《Journal of Hydrology》是水文水資源領(lǐng)域歷史最悠久，最具影響力的國際頂級(jí)學(xué)術(shù)期刊之一，在中國科學(xué)院分區(qū)為一區(qū)Top期刊。本次成果錄用，表明大數(shù)據(jù)公司在水電調(diào)度領(lǐng)域的創(chuàng)新能力受到國際學(xué)術(shù)權(quán)威認(rèn)可，為解決行業(yè)痛點(diǎn)、提升生產(chǎn)效率與安全保障能力，助推水電智能化發(fā)展進(jìn)程起到了積極示范參考意義。（張峰）