Des chercheurs conçoivent des algorithmes d’IA open source pour protéger le réseau électrique des fluctuations causées par les énergies renouvelables et les véhicules électriques
Afin de prévenir les pannes du réseau électrique dans une société où l'électrification est de plus en plus fournie par des sources variables comme le solaire et l'éolien, des chercheurs suédois rapportent le développement d'algorithmes d'intelligence artificielle destinés à réagir rapidement lorsque l'équilibre de tension du réseau est menacé.
Ils sont peut-être meilleurs pour la planète, mais lorsqu'ils sont combinés, les énergies renouvelables et les véhicules électriques peuvent également déstabiliser les réseaux électriques, déclenchant toute une série de problèmes allant du dysfonctionnement des ordinateurs portables aux pannes d'électricité régionales. En effet, les variations aléatoires de l'offre et de la demande exercent une pression sur la capacité du réseau à maintenir un niveau de tension constant.
C'est pour répondre à cette pression qu'une solution d'IA open source a été développée, explique Qianwen Xu, chercheur au KTH Royal Institute of Technology de Stockholm.
« L'énergie éolienne et le rayonnement solaire ne sont pas constants d'heure en heure », explique Xu. « Et la demande de recharge des véhicules électriques est basée sur les besoins et les habitudes personnels des gens. Vous avez donc un niveau élevé de stochastiques et d'incertitudes. Leur intégration entraînera des fluctuations de tension, des écarts et même des problèmes de violation de la sécurité de tension. »
Les nouveaux algorithmes open source d'apprentissage renforcé (DRL) sont conçus pour résoudre ce défi en fournissant des informations intelligentes aux convertisseurs de puissance situés en profondeur dans le réseau, où ils optimisent la coordination à grande échelle des sources d'énergie en toute sécurité dans des fluctuations rapides sans communication en temps réel, a-t-elle déclaré. dit. Le DRL fournit une nouvelle stratégie de synchronisation des données pour gérer le retard de communication pour les algorithmes basés sur les données.
« Un contrôle centralisé n'est ni rentable ni rapide face aux fluctuations continues des énergies renouvelables et des véhicules électriques », dit-elle. « Notre objectif est un autocontrôle basé sur l'IA pour chaque source d'énergie distribuée, interfacée par des convertisseurs de puissance. »
Les chercheurs l’ont démontré dans une plate-forme matérielle de micro-réseau intelligent du monde réel au KTH. Le progiciel open source est publié sur GitHub et le document de recherche est rapporté dans la revue Transactions IEEE sur l'énergie durable.
L'approche de gestion décentralisée de la solution maintiendrait les niveaux de tension dans certaines limites requises. Au-delà de cette marge, les fluctuations de tension risqueraient d'avoir un effet néfaste sur les performances des équipements électriques ainsi que sur la stabilité globale du réseau, explique Xu.
Les écarts de tension peuvent entraîner un fonctionnement inefficace des appareils électriques, réduire leur durée de vie et, dans des cas extrêmes, endommager l'infrastructure du réseau. Plus alarmant encore, les violations de la sécurité de tension peuvent entraîner des pannes de courant ou la nécessité d'interventions d'urgence, telles que le délestage ou l'utilisation de générateurs de réserve, pour maintenir la stabilité du réseau, dit-elle.
« Notre objectif est d'améliorer les stratégies de contrôle des convertisseurs de puissance, en les rendant plus adaptatifs et intelligents afin de stabiliser les réseaux électriques complexes et changeants », explique Xu.
Ce travail fait partie de Digital Futures, un centre de recherche basé à KTH qui explore et développe des technologies numériques, en collaboration avec des chercheurs de l'Université de Californie, de Berkeley et de l'Université de Stockholm.
