مايكروسوفت تطلق GridSFM، نموذج أساس خفيف لتحسين شبكات الطاقة

أصدرت مايكروسوفت GridSFM، وهو نموذج أساسي خفيف الوزن مصمم لحل مشاكل تدفق الطاقة الأمثل المتناوب (AC-OPF) في شبكات نقل الطاقة في أجزاء من الثانية. يعالج النموذج عنق زجاجة حرج في عمليات الشبكة، حيث يمكن أن تستغرق الحلول التقليدية ساعات لحساب التوزيع الأمثل للشبكات الكبيرة، مما يجبر المشغلين على الاعتماد على تقديرات تقريبية تضحي بالدقة.

GridSFM هو شبكة عصبية واحدة تقارب AC-OPF عبر شبكات تتراوح من 500 إلى 80,000 عقدة. يأخذ مدخلات AC-OPF القياسية، طوبولوجيا الشبكة، مواصفات المولدات والأحمال، قيود خطوط النقل، ويخرج نقطة تشغيل إلى جانب حكم حول الجدوى. وفقًا لمايكروسوفت، يمكن للنموذج تقييم أعداد أكبر بكثير من السيناريوهات في الوقت الفعلي، مما يحول عمليات الشبكة من الاستجابة التفاعلية إلى التحسين الاستباقي.

مستويان لمقاييس مختلفة

يتضمن الإصدار مستويين: GridSFM-Open، للشبكات على نطاق البحث حتى 4,000 عقدة، وGridSFM-Premier، للأنظمة على نطاق الإنتاج حتى 80,000 عقدة. GridSFM-Open متاح للاستخدام البحثي بموجب ترخيص مفتوح، إلى جانب الكود والأوزان المصاحبة.

دربت مايكروسوفت النموذج على أكثر من 150 طوبولوجيا شبكة أساسية وحوالي نصف مليون سيناريو، مما أجبره على التعميم بدلاً من الحفظ. على مجموعة اختبار من 54 شبكة، يحقق GridSFM-Open فجوة تكلفة متوسطة تبلغ 2.23% مقارنة بحلول الحل المرجعي، مع 83% من السيناريوهات ضمن فجوة 5%.

الأداء والدقة

يؤدي GridSFM بشكل مماثل لتقريب DC-OPF المعياري في الصناعة من حيث دقة التكلفة، مع توزيع مماثل لفجوة التكلفة لكل سيناريو. ومع ذلك، على عكس DC-OPF، فإنه ينتج نقطة تشغيل متناوبة كاملة بما في ذلك الفولتية والقدرة التفاعلية، مما يمكن المشغلين من تقييم استقرار الشبكة والازدحام مباشرة.

يعمل النموذج أيضًا كبداية دافئة فعالة للحلول العددية التقليدية. تذكر مايكروسوفت أن البدايات الدافئة التي تم زرعها بواسطة GridSFM تفوق البدايات الباردة بعامل متوسط هندسي قدره 1.66× عبر سيناريوهات الاختبار، وتتفوق على البدايات الدافئة لـ DC-OPF بمقدار 1.59×. أكبر تسريع لكل شبكة يتجاوز 7× على شبكات النقل المتشابكة.

فحص الجدوى

يتضمن GridSFM درجة إجهاد لكل سيناريو يمكنها بسرعة تحديد ظروف التشغيل غير المجدية، وهي السيناريوهات التي لا يمكن فيها تلبية الحمل ضمن حدود الفولتية، أو الحدود الحرارية، أو سعات المولدات. تحقق درجة الإجهاد دقة ثنائية تبلغ 94.5% على السيناريوهات المجدية حقًا و96.1% على السيناريوهات غير المجدية حقًا عبر مجموعة الاختبار.

تسمح هذه القدرة للمشغلين بفرز السيناريوهات: تمر الحالات المجدية ذات الثقة العالية إلى التوزيع الإرشادي، وتذهب السيناريوهات المجهدة ذات الثقة العالية إلى المراجعة الهندسية، ويتم إرسال الحزام الأوسط الحدودي إلى حل للتحقق.

التعميم والضبط الدقيق

اختبرت مايكروسوفت GridSFM على شبكة مكونة من 6,470 عقدة لم يرها أثناء التدريب. في إعداد الصفر المطلق، زاد خطأ التكلفة إلى 14%. ومع ذلك، مع 10 سيناريوهات ضبط دقيق فقط، انخفض خطأ التكلفة إلى 1.76% وتجاوز اكتشاف الجدوى 90%. بعد 1,000 سيناريو، انخفض خطأ التكلفة إلى 1.12% ووصل تباين الفولتية إلى 91% من الإشارة الحقيقية.

وفقًا لمايكروسوفت، يلتقط النموذج بالفعل فيزياء AC-OPF أثناء التدريب المسبق. التكيف مع شبكة جديدة هو في الغالب مسألة معايرة بدلاً من إعادة التعلم، مما يجعل نقطة التفتيش التي تم إصدارها نقطة بداية عملية للمستخدمين لضبطها بدقة على طوبولوجياتهم الخاصة.

تأثير أوسع

تعتقد مايكروسوفت أن GridSFM يمكنه معالجة عنق الزجاجة الحسابي الذي أجبر تاريخيًا مشغلي الشبكات على الاختيار بين حل عدد صغير من السيناريوهات بدقة أو تشغيل الآلاف من خلال تقديرات تقريبية أسرع ولكن أقل دقة. تؤثر القرارات التي يحكمها AC-OPF بشكل مباشر على ما يصل إلى 20 مليار دولار سنويًا في تكاليف الازدحام وتقنين الطاقة المتجددة بمقدار عدة تيراواط ساعة.

أصدرت الشركة مجموعة بيانات GridSFM_US_Powergrid_dataset في وقت سابق، وتضيف الآن أول نموذج AC-OPF مفتوح يدعم طوبولوجيات متعددة، مكملة مجموعة من بيانات الطوبولوجيا المفتوحة والكود المفتوح والأوزان المفتوحة لمحاكاة الشبكة والتخطيط المدعومين بالتعلم الآلي. من المتوقع أن تستفيد التطبيقات بما في ذلك فحص الطوارئ، وتخطيط توسيع النقل، وتحليل موقع الطلب، ودراسات المرونة في ظل الظروف الجوية القاسية.

أشارت مايكروسوفت إلى أن إصدارها التالي سيركز على دقة أكثر إحكامًا على الشبكات خارج التوزيع، والتحسينات المستمرة للدقة عبر جميع قنوات التنبؤ، والامتدادات متعددة اللقطات بما في ذلك التزام الوحدة وتوليد السيناريو المشروط بالطقس.