Rétablir rapidement le courant après une panne majeure peut faire la différence entre la vie et la mort, mais le démarrage à froid de tout un réseau électrique est un processus complexe et délicat. Un modèle informatique hybride de Sandia National Laboratories qui combine optimisation, simulations physiques et modèles cognitifs des opérateurs de réseau promet de proposer un plan rapide et fiable pour rallumer les lumières.
Alors que des pannes de courant sont toujours perturbateurs, ils n’affectent généralement que de plus petites portions du réseau global. Une perte complète de puissance sur l’ensemble du réseau est beaucoup plus grave et oblige les opérateurs à relancer efficacement le grille avec des générateurs dits « black start ». Cela implique un exercice d’équilibre compliqué pour éviter les inadéquations entre la production et la consommation d’énergie, car différentes sections du réseau sont progressivement remises en ligne. Si vous vous trompez, la grille peut s’effondrer à nouveau.
“Vous finissez par devoir vous sentir dans l’obscurité pour vous assurer que” la réalité correspond-elle à ce que toutes mes données me disent? “”
—Kevin Stamber, Laboratoires nationaux Sandia
De tels événements sont heureusement rares, dit Kévin Stamber, qui a dirigé le projet chez Sandia, mais il y a eu quelques appels serrés ces dernières années. Lorsque le système électrique du Texas a connu des perturbations majeures lors des tempêtes hivernales de février dernier, les opérateurs n’étaient que à quelques minutes d’une panne complète du réseau cela aurait pu prendre des mois à résoudre, dit-il. Le changement climatique augmentant la fréquence des conditions météorologiques extrêmes événements et la menace croissante de cyberattaques sur les infrastructures électriques critiques, le danger ne fera que s’accroître.
Cela a incité l’équipe de Stamber à proposer une nouvelle méthode pour créer des plans de démarrage à froid mieux à même de faire face au comportement souvent imprévisible des systèmes électriques du monde réel. Ce n’est pourtant pas chose facile, dit-il. « C’est un processus très, très délicat sur un très grand système », dit-il. “Ils [black starts] sont complexes, stimulants, difficiles à résoudre et nécessitent un engagement informatique substantiel pour pouvoir arriver à une solution.
L’approche de l’étalon-or traite un démarrage noir comme un problème d’optimisation, visant à déterminer le meilleur ordre dans lequel restaurer les différents composants du réseau, tels que les générateurs, les sous-stations et les lignes électriques. Les techniques existantes ont tendance à supposer que l’opérateur a une visibilité et un contrôle complets sur le réseau, ce qui n’est souvent pas le cas.
Que se passe-t-il lorsque le réseau électrique tombe en panne ?
Lors d’une panne de courant, des composants clés peuvent être endommagés, dit Stamber, et les opérateurs peuvent ne pas avoir une image complète de ce qui est à leur disposition. Et bien que les services publics aient probablement une idée approximative de ce que devrait être la charge sur les différentes parties du réseau, il n’y a aucune garantie. “Vous finissez par avoir à tâtonner dans le noir pour vous assurer que ‘la réalité correspond-elle à ce que toutes mes données me disent?'”, déclare Stamber.
Cela a incité l’équipe à associer une approche d’optimisation de pointe créée par des chercheurs du Lawrence Livermore National Laboratory et de l’Université de Californie à Berkeley avec des modules supplémentaires conçus pour simuler comment le réseau pourrait réagir au plan de restauration et comment les opérateurs le mettant en œuvre le feraient. se comporter.
Les chercheurs envisagent quelque chose dans le sens d’un livre Choisissez votre propre aventure, mais pour les opérateurs de réseau.
L’objectif du modèle d’optimisation est de rétablir l’alimentation le plus rapidement possible, tout en s’assurant que la charge sur le réseau est stable et ne provoque pas une autre panne. Il produit un calendrier de restauration décrivant dans quel ordre mettre sous tension différents générateurs et quand connecter différentes parties du réseau. Ceci est également vérifié par rapport à un modèle physique de flux de puissance pour s’assurer que chaque étape est réalisable.
Ce plan de restauration est ensuite alimenté par un modèle cognitif d’un gestionnaire de réseau construit à l’aide de la Cadre ACT-R, qui permet de simuler la prise de décision humaine. Le modèle a été construit en codant des connaissances d’experts sur la façon d’effectuer les étapes clés impliquées dans la restauration du réseau, et est capable de lire le plan de restauration et d’utiliser une console simulée pour le mettre en œuvre.
Cependant, la console est également connectée à une simulation dynamique du réseau basée sur la physique, conçue pour imiter la façon dont le réseau réagit aux actions des opérateurs, parfois de manière difficile à prévoir ou difficile. Le modèle cognitif est présenté avec des informations sur la réponse du réseau via la console simulée et, si les étapes du plan de restauration causent des problèmes de stabilité, il peut prendre des mesures correctives avant de passer à l’étape suivante.
En simulant comment un opérateur pourrait déployer un plan de restauration et réagir au comportement des grilles, Stamber espère créer des plans beaucoup plus tolérants aux comportements inattendus. Il envisage quelque chose dans le sens d’un livre Choisissez votre propre aventure, mais pour les opérateurs de réseau. “Il y a certains points en cours de route où les choses ne se passent pas comme prévu, et vous vous retrouvez dans une partie différente du livre”, dit-il.
L’idée d’intégrer le comportement cognitif de l’opérateur est intéressante, dit Saifur Rahman, professeur de génie électrique à Virginia Tech et président-directeur général de l’IEEE 2023. Mais il souligne que dans un centre de contrôle de système réel, plusieurs opérateurs avec des perspectives différentes interagissent les uns avec les autres. De plus, jusqu’à présent, l’équipe n’a testé l’approche que sur le système de test de fiabilité IEEE (RTS-96), qui est petit par rapport à un système d’alimentation réel, note Rahman. « Pour être crédible en situation réelle, j’aurais aimé le voir testé sur un système de 20 000 ou 30 000 nœuds », précise-t-il.
Une partie de la raison pour laquelle l’équipe ne l’a pas fait, dit Stamber, est qu’elle a simplement manqué de temps et de budget pour le projet. Mais il pense également que leur approche a besoin d’un peu de travail pour la rendre plus traitable sur des systèmes plus grands, peut-être en divisant le problème d’optimisation en sous-problèmes plus petits qui nécessitent moins de calculs. Quoi qu’il en soit, l’équipe recherche maintenant des partenaires de services publics potentiels qui peuvent travailler avec eux pour appliquer leurs techniques à des problèmes plus réalistes.
À partir des articles de votre site
Articles connexes sur le Web
to spectrum.ieee.org
Abonnez-vous à notre page Facebook: https://www.facebook.com/mycamer.net
Pour recevoir l’actualité sur vos téléphones à partir de l’application Telegram cliquez ici: https://t.me/+KMdLTc0qS6ZkMGI0
Nous ecrire par Whatsapp : Whatsapp +44 7476844931