5分钟部署百台云上计算机,22支参赛队伍快速接入南网电力调度AI应用大赛

简介: 事实上,这不是无影第一次被应用于电力调度场景。此前,无影已经被用于南网多部门的安全办公,也被南网用于解决业务国产化过程中,应用生态体验不足的问题。

计算时间从分钟级提升到秒级、清洁能耗提高到99%、前三名AI调度员在计算时间、危险断面控制、清洁能源消纳、系统运行成本等多维度超过了人工.......这是第四届电力调度AI应用大赛收获的成果。


近日,由南方电网总调和电机工程学会电力系统自动化专委会主办的AI应用大赛在广州闭幕,赛事期间聚合了22支参赛队伍,并通过阿里云无影云电脑部署了可用于远程调用的虚拟开发环境,让选手们在9天内开发、训练和部署了数组AI在线调度员。


南方电网从2019年初开始就启动电力调度AI应用大赛,并在2022年实现行业内首次将AI真正运用于电网生产调度,今年更是引入了强化学习等技术,来解决新型电力系统调度面临的大规模实时决策问题。


在今年的AI应用大赛中,南网总调共提供了五省区1000多个机组、4000多拓扑节点规模、为期半年的实施电网数据,并与阿里云共同搭建了云化DSP电网仿真系统+强化学习算法+集群化封装的训练平台。


由于调度员需要接入南网内部系统,并实时操控电网,同时满足危险断面控制、清洁能源消纳、10秒出结果等要求,大赛需要提供给参赛团队一个算力强劲、稳定且安全的虚拟开发环境,南网想到了采用阿里云的无影方案。


大赛背后的保障:算力强劲、安全稳定的云上开发环境


图片 1.png


2022年9月初赛开赛前,部署工作已经开始。只用了几分钟,阿里云无影技术团队就在云上完成了20几支参赛队伍、上百台的云上计算机部署。而到了大赛决赛阶段,经过近半年时间,云电脑所提供的虚拟开发环境一直得以持续,让AI大赛的长赛程摆脱了地域、时间和各种突发状况的限制。


一些参赛团队也通过无影进行了远程开发。每一位不在比赛现场的成员都配备了一张卡片大小的无影云电脑终端,通过指纹身份识别,安全接入系统。即使使用自己的笔记本电脑,也不会遇到兼容性问题,从而影响比赛状态,也不会因为比赛过程中安装其他插件遇到系统崩溃而导致数据丢失。


事实上,这不是无影第一次应用于电力调度场景。在此之前,无影已经被用于南网多部门的安全办公场景,在保障数据安全的同时也解决了传统PC办公时故障多、运维成本高等难题。


南网的云上创新,无影云电脑的深度使用

云电脑的深度使用,离不开南方电网业务应用场景的“倒逼”。


阿里云在2020年云栖大会上推出的无影云电脑让南网的调度部门眼前一亮。他们认为这个产品能够满足他们对业务未来的设想。


图片 2.png


南方电网内部的许多子公司调度部门需要配备非常多工作台,并配置好相应的特殊业务系统,此前他们多采用采购PC硬件的方式来配置工作台。但传统PC的办公方式逐渐跟不上业务发展的步伐,暴露出了诸多问题。工作台升级时,所有PC都需要通过手动方式一台台升级,配置非常耗时。而多次升级后,笔记本的性能已经跟不上系统的性能需求,只能更换硬件。耗时耗力,且配置繁琐,运维的经济成本和人力成本都很高。


无影云电脑数据都在云上,全链路数据不落地,且支持丰富的安全策略配置,能够满足南网容错率极低、对安全极度关注的业务属性。使用云电脑后,通过云上统一部署、统一运维的方式,有效提升了运维和管理的效率。


无影也被南网用于解决业务国产化应用生态体验不足。在南网建立自主可控的底层技术架构和核心系统应用国产化替代的探索之路上,无影的跨终端、跨操作系统也提供了助力。无影架构跨终端、跨操作系统的一致体验,让南网在国产化终端上实现了“一机双系统”,有效弥补了国产化应用生态体验不足的问题。

相关文章
|
存储 机器学习/深度学习 算法
​​LLM推理效率的范式转移:FlashAttention与PagedAttention正在重塑AI部署的未来​
本文深度解析FlashAttention与PagedAttention两大LLM推理优化技术:前者通过分块计算提升注意力效率,后者借助分页管理降低KV Cache内存开销。二者分别从计算与内存维度突破性能瓶颈,显著提升大模型推理速度与吞吐量,是当前高效LLM系统的核心基石。建议收藏细读。
2153 125
|
人工智能 物联网 调度
边缘大型AI模型:协作部署与物联网应用——论文阅读
论文《边缘大型AI模型:协作部署与物联网应用》系统探讨了将大模型(LAM)部署于边缘网络以赋能物联网的前沿框架。针对传统云端部署高延迟、隐私差的问题,提出“边缘LAM”新范式,通过联邦微调、专家混合与思维链推理等技术,实现低延迟、高隐私的分布式智能。
1591 6
边缘大型AI模型:协作部署与物联网应用——论文阅读
|
人工智能 测试技术 API
构建AI智能体:二、DeepSeek的Ollama部署FastAPI封装调用
本文介绍如何通过Ollama本地部署DeepSeek大模型,结合FastAPI实现API接口调用。涵盖Ollama安装、路径迁移、模型下载运行及REST API封装全过程,助力快速构建可扩展的AI应用服务。
3034 8
|
人工智能 Ubuntu 前端开发
Dify部署全栈指南:AI从Ubuntu配置到HTTPS自动化的10倍秘籍
本文档介绍如何部署Dify后端服务及前端界面,涵盖系统环境要求、依赖安装、代码拉取、环境变量配置、服务启动、数据库管理及常见问题解决方案,适用于开发与生产环境部署。
2019 1
|
机器学习/深度学习 人工智能 算法
一个大学生AI大赛题目
科研团队已经收集了一批货物的视觉图像数据,这些数据包含了货物的二维图像以及对应的真实形状标签。本体数据集包含2 个文件:gallery.csv 和queries.csv,以及对应的2个文件夹
1633 23
|
人工智能 弹性计算 自然语言处理
云速搭 AI 助理发布:对话式生成可部署的阿里云架构图
阿里云云速搭 CADT(Cloud Architect Design Tools)推出智能化升级——云小搭,一款基于大模型的 AI 云架构助手,致力于让每一位用户都能“动动嘴”就完成专业级云架构设计。
1409 31
|
人工智能
【千问海报大赛·地方风物】创意征集令!用AI解锁家乡新名片,万元奖金等你来战!
用Qwen-Image打破常规!将家乡的地标、方言、美食或热梗,通过错位混搭(赛博山水×古风建筑?霓虹城市×传统小吃?)或风格化创作(复古卡通、漫画方言…)焕发全新视觉冲击力!
642 10
|
机器学习/深度学习 人工智能 监控
Java与AI模型部署:构建企业级模型服务与生命周期管理平台
随着企业AI模型数量的快速增长,模型部署与生命周期管理成为确保AI应用稳定运行的关键。本文深入探讨如何使用Java生态构建一个企业级的模型服务平台,实现模型的版本控制、A/B测试、灰度发布、监控与回滚。通过集成Spring Boot、Kubernetes、MLflow和监控工具,我们将展示如何构建一个高可用、可扩展的模型服务架构,为大规模AI应用提供坚实的运维基础。
802 0

热门文章

最新文章