La grille change comme le grand, les fournisseurs centralisés du passé sont remplacés par des fournisseurs distribués. Maintenir la stabilité de ces réseaux complexes nécessite une technologie de capteur haute résolution - l'IA fournit un moyen de faire des prédictions précises et de détecter automatiquement toute perturbation ou anomalie en temps réel. Voici comment les chercheurs de Fraunhofer ont développé les techniques de compression, algorithmes et réseaux de neurones pour rendre une alimentation adaptée à l'avenir.

La façon dont l'énergie est générée est en transition :alors que, avant, toute notre énergie provenait de grandes centrales électriques, de nos jours, il provient également d'une gamme de sources distribuées, y compris les éoliennes, systèmes photovoltaïques et autres installations similaires. Ce changement a un impact important sur notre réseau – avec des défis particuliers pour les opérateurs de réseaux de transport. Comment surveiller le bon fonctionnement des paramètres du réseau tels que l'angle de phase et les fréquences ? Pourrait-il y avoir des écarts ou des anomalies dans le bon fonctionnement du réseau ? Ou y a-t-il des lignes ou des centrales en panne ? La technologie de mesure standard d'aujourd'hui n'est plus en mesure de fournir des réponses fiables à ce genre de questions. De plus en plus d'opérateurs sont, donc, se tourner vers des unités de mesure de phaseur (PMU) supplémentaires et d'autres solutions numériques. Ces systèmes mesurent l'amplitude et la phase du courant et de la tension jusqu'à 50 fois par seconde. Ce processus génère d'énormes volumes de données, facilement plusieurs gigaoctets par jour.

La compression des données permet d'économiser 80 % des données

En réponse, chercheurs de la branche Advanced System Technology (AST) de l'Institut Fraunhofer d'optronique, Technologies système et exploitation d'images IOSB à Ilmenau recherchent des moyens d'optimiser le traitement des données en utilisant l'intelligence artificielle, en vue d'améliorer la fiabilité du réseau et d'établir un système d'approvisionnement en électricité adapté à l'avenir. "Nous pouvons utiliser l'IA pour nous connecter automatiquement, compresser et traiter jusqu'à 4,3 millions de jeux de données par jour, " dit le professeur Peter Bretschneider, chef du département Énergie de la branche AST du Fraunhofer IOSB.

Dans la première phase de leur travail, les chercheurs ont mis au point une technique de compression qui enregistre 80 pour cent des données. Non seulement il est plus facile de stocker les données, mais plus rapide et plus efficace pour le traiter aussi.

Traitement automatisé des données en temps réel

Dans la deuxième phase, les chercheurs ont ensuite utilisé les données de mesure de phaseur qu'ils avaient collectées pour appliquer des réseaux de neurones - l'un des composants clés de l'intelligence artificielle d'aujourd'hui. Plus précisement, ils « alimentent » les réseaux de neurones avec des exemples de pannes de système typiques. Par ici, les algorithmes apprennent progressivement à distinguer – et à catégoriser avec précision – les données de fonctionnement normal des dysfonctionnements définis du système. Après la phase de formation, les chercheurs ont appliqué les réseaux de neurones aux données actuelles générées à partir des mesures de phaseurs - des données qui devaient auparavant être prises et traitées manuellement. C'est là que l'algorithme a fait son premier saut dans l'application en temps réel, prendre des décisions en une fraction de seconde sur l'endroit où il y a une anomalie ou un défaut, ainsi que le type et l'emplacement de cette perturbation. Pour prendre un exemple, si une centrale venait à tomber en panne, une pointe brutale peut être attendue dans la charge placée sur les autres centrales. L'augmentation de la charge ralentit les générateurs, et la fréquence diminue. Cela nécessite des contre-mesures rapides car si la fréquence descend en dessous d'une valeur seuil, l'opérateur peut être contraint de couper des sections du réseau pour des raisons de stabilité du système. Et par rapide, on parle de moins de 500 millisecondes. Étant donné que l'algorithme est capable de prendre une décision en 20 à 50 millisecondes, qui laisse suffisamment de temps pour mettre en œuvre les contre-mesures appropriées entièrement automatisées.

L'algorithme est prêt à être implémenté, alors que les chercheurs continuent de travailler sur le contrôle et la régulation des contre-mesures pertinentes. Le développement intéresse non seulement les grands opérateurs de réseaux de transport d'électricité, mais aussi aux réseaux de distribution régionaux. « Pour faire une analogie avec le réseau routier, quel est l'intérêt d'avoir des autoroutes dégagées lorsque les petites routes régionales sont bloquées en permanence ?", explique Bretschneider.

Pouvoir de prédire les problèmes du futur

Tous les mêmes, les chercheurs ne se limitent pas aux problèmes d'aujourd'hui, mais veulent également prendre en compte des anomalies qui ne se sont même pas produites jusqu'à présent. « Si nous continuons à rechercher les énergies renouvelables, cela peut conduire à des situations que nous ne connaissons même pas encore, " dit Bretschneider. Ici, trop, les chercheurs se sont tournés vers l'intelligence artificielle, où ils travaillent à catégoriser ces types de phénomènes inconnus et à développer les algorithmes appropriés à l'aide de cartes de réseau numériques.