太阳能发电很大程度上取决于天气状况。当发电量偏离计划产量时，电力市场会征收罚款，称为“失衡罚款（imbalance penalties）”。据外媒报道，筑波大学（University of Tsukuba）的研究人员开发出基于人工智能（AI）的方法，可以优化太阳能发电和电池储能系统的运行，与传统方法相比，可将不平衡罚款降低高达47%。

图片来源： 筑波大学

分布式可再生能源的日益普及需要比目前更智能、更具适应性的能源管理策略。在电力市场中，交易基于发电商提交的第二天计划发电量。然而，太阳能发电极易受到天气条件的影响。

计划供电量与实际供电量之间的差异会扰乱整体市场供需平衡，导致被称为“失衡罚款”的惩罚性费用。尽管计算方法可以在一定程度上控制这种平衡，但它们无法充分反映现实世界的不确定性，例如突发的天气变化和复杂的市场动态。

筑波大学的研究人员开发了一种方法，可以在符合市场规则的情况下优化太阳能发电和电池储能系统的运行。该方法发表在期刊《IEEE Access》上，依赖于基于深度强化学习的人工智能，可以处理涉及不确定性的问题。

在实际市场数据的仿真结果中，与传统控制方法和其他深度强化学习模型相比，该方法分别将不平衡惩罚降低了约47%和26%。此外，该方法在一年四季中都保持了稳定的利润。

这项研究将有助于建立一种机制，提高盈利能力，避免不平衡惩罚，并向市场提供稳定的可再生能源供应。此外，它还可能为将蓄电池和电动汽车等聚合家庭电源作为新型电源的系统奠定基础，从而带来稳定电价和降低停电风险等社会效益。