GridSFM de Microsoft prédit le flux du réseau électrique en millisecondes, visant 20 milliards de dollars d'économies de congestion

Microsoft a publié un petit modèle de fondation appelé GridSFM qui résout les problèmes de flux de puissance optimal en courant alternatif (AC-OPF) dans les réseaux de transport en millisecondes. Entraîné sur plus de 150 topologies de réseau de base et environ un demi-million de scénarios, il s'attaque à un problème de longue date pour les opérateurs de réseau : le compromis entre vitesse et précision.

L'AC-OPF est un problème d'optimisation notoirement complexe et non convexe. Il détermine la manière la moins coûteuse de dispatcher les générateurs tout en respectant les lois physiques du flux de puissance, les limites de tension, les contraintes thermiques et les exigences de stabilité. Les enjeux sont énormes : jusqu'à 20 milliards de dollars par an en coûts de congestion et des multi-térawattheures de délestage d'énergie renouvelable. Les solveurs traditionnels peuvent prendre des heures pour les réseaux à l'échelle des services publics, ce qui pousse les opérateurs à utiliser des approximations comme le DC-OPF, qui ignorent des aspects physiques critiques.

« GridSFM est conçu comme une alternative plug-and-play à l'approximation DC dans ce créneau d'approximation rapide », a déclaré Microsoft dans son annonce. Contrairement à la plupart des neurones de substitution pour l'AC-OPF, qui doivent être réentraînés pour chaque nouvelle topologie de réseau, GridSFM généralise à travers différents réseaux dans sa plage de taille prise en charge sans nécessiter un nouvel entraînement pour chaque nouvelle configuration.

Microsoft propose deux versions. GridSFM-Open couvre les réseaux à l'échelle de la recherche jusqu'à 4 000 nœuds. GridSFM-Premier gère les systèmes à l'échelle de la production jusqu'à 80 000 nœuds. Dans des tests sur 54 scénarios, GridSFM-Open a atteint un écart de coût médian de 2,23 % par rapport à la vérité terrain du solveur. La moyenne était de 3,41 %, et dans 83 % des scénarios, l'écart est resté inférieur à 5 %.

Lorsqu'il est utilisé comme amorce à chaud pour les solveurs numériques traditionnels, les solveurs amorcés par GridSFM se sont avérés 1,66 fois plus rapides que les démarrages à froid et 1,59 fois plus rapides que les amorces à chaud par DC-OPF, mesurés par moyenne géométrique. Le modèle s'adapte également à de nouveaux réseaux avec un ajustement limité. Seulement 10 scénarios ont réduit l'erreur de coût à 1,76 % sur un réseau inédit de 6 470 nœuds.

GridSFM-Open est disponible aujourd'hui pour la recherche, avec le code, les poids du modèle et l'ensemble de données GridSFM_US_Powergrid_dataset sous une licence ouverte. Microsoft s'attend à ce que le plus grand impact se produise dans le criblage de contingence, la planification de l'extension du réseau de transport, l'analyse de l'emplacement de la demande et les études de résilience lors d'événements météorologiques extrêmes.