Un nou model neuronal de xarxa artificial creat per Argonne, gestiona les característiques estàtiques i dinàmiques d’un sistema elèctric amb un alt grau de precisió.
El sistemes elèctrics, no només són grans, sinó que també dinàmics, cosa que fa que sigui especialment difícil la seva gestió. Els operadors dels centres de control, saben mantenir els sistemes elèctric quan les condicions són estàtiques. Però, quan les condicions canvien ràpidament, per exemple a causa de falles sobtades, els operadors no tenen una manera clara d’anticipar-se per fer que el sistema s’adapti de la millor manera per complir els requisits de seguretat del sistema.
Un equip de recerca, ha desenvolupat un nou enfocament per ajudar als operadors del sistema elèctric a comprendre com es pot controlar millor les seves xarxes elèctriques amb l'ajut de la intel·ligència artificial. Aquest nou enfocament, podria ajudar els operadors a controlar els sistemes elèctrics d’una manera més eficaç, cosa que podria millorar la capacitat de resiliència de la xarxa elèctrica.
Càlculs dinàmics i estàtics
Aquest nou enfocament, permet als operadors prendre decisions tenint en compte les característiques estàtiques i dinàmiques d’un sistema d’alimentació en un únic model per la presa de decisions amb una precisió millor, fet que a esta històricament un repte complex.
La decisió d'apagar o posar en servei un generador i determinar el seu nivell de potencia de sortida, és un exemple de decisió estàtica, una acció que no canvia fins un temps determinat. Tot i això, la freqüència elèctrica està relacionada amb la velocitat d'un generador: és un exemple de característica dinàmica, perquè podria fluctuar amb el pas del temps en cas d'una interrupció (per exemple, per un canvi sobtat de càrrega) o d'una operació (per exemple, un canvi d'estat d'un interruptor d'alta tensió). Si es combinen les formulacions dinàmiques i estàtiques en el mateix model, és impossible resoldre.
En els sistemes elèctrics, els operadors han de mantenir la freqüència dins d’un determinat rang de valors per assolir treballar dins dels límits de seguretat. Les condicions estàtiques, com el nombre de generadors connectat en una línia, afecten la capacitat del sistema per mantenir la freqüència i altres funcions dinàmiques.
La majoria dels analistes calculen les funcions estàtiques i dinàmiques per separat, mentrestant, d’altres han intentat desenvolupar models senzills que puguin posar en comú tots dos tipus de càlculs, però aquests models són limitats en la seva escalabilitat i precisió, sobretot quan els sistemes es tornen més complexos.
Les xarxes neuronals artificials uneixen característiques estàtiques i dinàmiques
En lloc d’intentar encaixar les fórmules estàtiques i dinàmiques existents, s'ha desenvolupat un enfocament per crear noves fórmules que puguin gestionar les dues solucions. El principi se centra en utilitzar una eina d’intel·ligència artificial coneguda com a xarxa neuronal ja que aquesta, pot crear un mapa entre una entrada específica i una sortida específica. Si es coneixen les condicions amb les que es comença i amb les que acabem, es possible utilitzar xarxes neuronals per esbrinar com es corresponen aquestes condicions.
Aquest plantejament de xarxa neuronal es pot aplicar als sistemes elèctrics molt petits, com són les microgrids, que disposa de recursos energètics distribuïts en una xarxa controlable, com ara generadors dièsel i panells fotovoltaics solars.
Es va utilitzar la xarxa neuronal per fer un seguiment de com un conjunt de condicions estàtiques dins de la microgrid es corresponia amb un conjunt de condicions o valors dinàmics. Més concretament, es va utilitzar per optimitzar els recursos estàtics dins de la microgrid per tal que la freqüència elèctrica es mantingués dins d’un rang segur.
Les dades de simulació servien com a entrades i sortides per entrenar la seva xarxa neuronal. Les entrades eren dades estàtiques i les sortides eren respostes dinàmiques, concretament el rang de freqüències que són segures. Quan es van passar tots dos conjunts de dades a la xarxa neuronal, es va haver de mapejar les respostes dinàmiques estimades per a un conjunt de condicions estàtiques.
La xarxa neuronal va transformar les complexes equacions dinàmiques que normalment no podem combinar amb equacions estàtiques en una nova forma que es pot resoldre conjuntament.
Nous tipus d’anàlisis
Investigadors, analistes i operadors poden utilitzar aquest plantejament com a punt de partida. Per exemple, els operadors podrien utilitzar-lo per preveure quan poden activar i desactivar els recursos de generació, alhora que s’asseguren que tots els recursos que es troben en línia són capaços de suportar algunes pertorbacions.
Aquest és el tipus d'escenari que sempre els operadors dels sistemes elèctrics han volgut analitzar, però abans no eren possible a causa dels reptes que plantejava calcular conjuntament les característiques estàtiques i dinàmiques.
Font: Laboratori Nacional Argonne del Departament d'Energia (DOE) dels Estats Units.
Cap comentari:
Publica un comentari a l'entrada