Améliorer la fiabilité du réseau face aux événements extrêmes

Améliorer la fiabilité du réseau face aux événements extrêmes

En modélisant avec précision l’impact potentiel des événements météorologiques extrêmes prévus sur la fiabilité du réseau, la plate-forme ExaGO développée par PNNL aide les opérateurs de réseau à garder les lumières allumées. Crédit: Josemaria Toscano | Shutterstock.com

Le réseau électrique du pays reste vulnérable aux perturbations causées par des événements extrêmes, notamment des incendies de forêt, de violentes tempêtes et des cyberattaques. Les ressources de production variables et la volatilité de la charge présentent également des défis opérationnels pour la stabilité du réseau. Afin d’atténuer les perturbations avant qu’elles n’entraînent une boule de neige, les planificateurs et les exploitants du réseau doivent être en mesure de voir ces événements se produire et de comprendre leurs impacts potentiels sur la fiabilité du réseau.

Cependant, les outils actuels ne sont pas à la hauteur de la tâche de modéliser avec précision tous les scénarios et interdépendances avec la précision, l’échelle et la vitesse nécessaires. Une meilleure approche qui à son tour nécessite plus de puissance de calcul est nécessaire.

Entrez ExaGO, une plate-forme de modélisation et d’optimisation pour résoudre des problèmes d’optimisation de réseau électrique non linéaire à grande échelle. Abréviation de boîte à outils d’optimisation de réseau exascale, ExaGO est un logiciel open source qui peut tirer parti du calcul haute performance et des plates-formes informatiques hétérogènes émergentes pour modéliser et prévoir l’impact des événements extrêmes et des complexités opérationnelles sur la fiabilité du réseau électrique.

«Le projet de calcul Exascale du DOE recherchait des applications spécifiques qui seraient bien adaptées à cette approche de l’informatique», a déclaré Shri Abhyankar, chercheur principal en optimisation dans la division des infrastructures électriques et des bâtiments du Pacific Northwest National Laboratory (PNNL). « La modélisation de grille Exascale était une application candidate idéale, nos sponsors ont convenu, et nous avons commencé avec le projet ExaGO. »

ExaGO est développé par PNNL dans le cadre du projet ExaSGD, qui implique cinq laboratoires nationaux et l’Université de Stanford et est financé par le US Department of Energy Office of Science Exascale Computing Project. ExaSGD se concentre sur le développement d’algorithmes et de techniques pour relever ces nouveaux défis et optimiser la réponse du réseau à de nombreux événements perturbateurs potentiels dans différents scénarios météorologiques.

Logiciel maintenant disponible

Après seulement 18 mois de recherche et développement, l’équipe PNNL a récemment publié la première version stable du logiciel ExaGO. ExaGO peut fonctionner sur du matériel allant des ordinateurs portables aux supercalculateurs exascale, ce qui permet de déployer des modèles de grille haute fidélité sur des architectures informatiques nouvelles et émergentes basées sur des accélérateurs.

«ExaGO est un bond en avant important dans la modélisation des réseaux électriques», a déclaré Slaven Peles, scientifique en chef du groupe Optimisation et contrôle de PNNL et chercheur principal pour le projet ExaSGD. « La capacité de modéliser rapidement des scénarios très complexes à grande échelle et d’évaluer leur impact potentiel sur la fiabilité du réseau électrique est essentielle pour mettre en œuvre des mesures correctives en temps opportun. »

Architectures hétérogènes

L’architecture hétérogène fait référence au matériel qui, en plus des unités de traitement traditionnelles, possède également des accélérateurs matériels tels que des unités de traitement graphique (GPU). Cette architecture fournit une puissance de calcul supplémentaire pour la tâche de calcul intensif de modélisation de la dynamique de grille «stochastique», qui a des distributions ou des modèles de probabilité aléatoires qui doivent être analysés statistiquement. ExaGO se compose d’applications conçues pour résoudre des problèmes d’optimisation stochastique à grande échelle (problèmes non linéaires), d’optimisation sous contrainte de sécurité (planification des ressources) et de problèmes d’optimisation sur plusieurs périodes (interdépendances d’infrastructure de grille).

La modélisation de l’impact des ressources énergétiques de production variables sur la fiabilité du réseau serait un exemple de dynamique de réseau stochastique. Cette architecture GPU présente l’avantage de pouvoir traiter de nombreuses données simultanément, augmentant considérablement les performances de calcul pour modéliser le comportement de systèmes complexes. La plateforme a déjà démontré des niveaux de performances et d’évolutivité sans précédent.

Lors des tests, ExaGO a simultanément résolu plus de 3 000 instances de flux de puissance optimal en courant alternatif (ACOPF) – un calcul de gestion de réseau critique au niveau du système pour équilibrer la puissance réelle et réactive – pour un réseau Texas simulé de 2 000 bus en moins de 10 minutes. Ces performances dépassent largement celles des outils de planification de la production actuels et permettent aux opérateurs de réseau d’identifier des réponses optimales à de multiples pannes simultanées de composants du réseau (appelées contingences Nk), telles que celles qui se produisent lors de conditions météorologiques extrêmes.

Mettre la technologie au travail

Alors, que peuvent faire les gestionnaires de réseau avec une plateforme de modélisation comme ExaGO? Beaucoup plus que ce qu’ils pourraient faire avec les outils de la génération actuelle, a déclaré Abhyankar.

ExaGO peut être utilisé pour aider à gérer les incertitudes opérationnelles liées aux ressources énergétiques intermittentes et distribuées. Le logiciel peut également être utilisé pour évaluer avec précision une multitude de conditions de fonctionnement du réseau pour maintenir la sécurité et la fiabilité ou pour atténuer les écarts de fréquence pendant les pannes de courant et autres événements perturbateurs. ExaGO peut également être appliqué pour optimiser les opérations du marché de l’électricité à la journée et en temps réel.

Parce qu’ExaGO fournit une solution complète et portable de modélisation du réseau de transport, les gestionnaires de réseau de transport peuvent optimiser leur planification en utilisant des estimations plus précises du cycle de vie des actifs du réseau, qui représentent des milliards de dollars d’investissement annuel. Les opérateurs de réseau peuvent également mieux se préparer aux événements météorologiques extrêmes, aux catastrophes naturelles et aux cyberattaques potentielles en prévoyant plus précisément à l’avance les impacts de ces événements sur la fiabilité du réseau. Ces étapes comprennent également la formulation des options d’intervention d’urgence les plus efficaces et l’identification des meilleurs atouts pour le contrôle de fréquence afin d’éviter des pannes plus larges et en cascade du système d’alimentation.

«Avec une plate-forme avec ces capacités de calcul et ces fonctionnalités de modélisation en place, les applications potentielles et les nouveaux cas d’utilisation sont vastes», a déclaré Abhyankar. «Plus important encore, avec la possibilité d’exécuter une modélisation de réseau haute fidélité et une analyse des flux d’énergie – rapidement et à grande échelle – les opérateurs de réseau sont mieux en mesure de garder les lumières allumées lorsque la fiabilité du réseau électrique est menacée.


La feuille de route technique guide la direction de la recherche pour les onduleurs formant grille


Plus d’information:
ExaGO est disponible pour une utilisation générale via des licences open source sur GitLab. Pour plus d’informations sur ExaGO, contactez Shri Abhyankar au PNNL à shrirang.abhyankar@pnnl.gov.

Fourni par le Pacific Northwest National Laboratory

Citation: Améliorer la fiabilité du réseau face aux événements extrêmes (2021, 7 mai) récupéré le 7 mai 2021 sur https://techxplore.com/news/2021-05-grid-reliability-extreme-events.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.