Fiabilitat de la xarxa elèctrica.

La xarxa elèctrica de qualsevol país, continua sent vulnerable a la qualitat de servei, prioncipalment com a conserqüencia de greus fenòmens naturals com serien: incendis forestals, tempestes severes i també, els ciberatacs. Els recursos de generació variable i la volatilitat de la càrrega també presenten reptes operatius a l'estabilitat de la xarxa. Per mitigar les interrupcions abans que es produeixin afectacions en cascada, els planificadors de xarxes i els operadors han de ser capaços de veure venir aquests esdeveniments i comprendre els seus possibles impactes sobre la fiabilitat de la xarxa.

Tot i això, les actuals eines no estan a l’alçada de modelar amb precisió tots els escenaris i interdependències amb la precisió, l’escala i la velocitat necessàries. Es necessita un enfocament millor que al seu torn requereix de més potència informàtica.

ExaGO, és una plataforma de modelització i optimització per resoldre problemes d’optimització de la xarxa elèctrica a gran escala i de forma no lineal. És un programari de codi obert que pot aprofitar la computació d’altes prestacions i les plataformes de computació heterogènies emergents per modelar i predir l’impacte d’esdeveniments extrems i complexitats operatives sobre la fiabilitat de la xarxa elèctrica.

El Projecte d'Informàtica Exascale del DOE buscava aplicacions específiques que fossin adequades per a aquest enfocament de la informàtica.  ExaGO està sent desenvolupat per la Pacific Northwest National Laboratory (PNNL) en el marc del projecte ExaSGD, el qual,  involucra cinc laboratoris nacionals i la Universitat de Stanford. Està finançat pel Projecte de Computació Exascale del Departament d’Energia dels EUA. ExaSGD se centra en el desenvolupament d’algoritmes i tècniques per abordar aquests nous reptes i optimitzar la resposta de la xarxa devant molts incidents potencialment greus i disruptius en diferents condicons o escenaris meteorològics.

El programari ja està disponible

Després de només 18 mesos d'investigació i desenvolupament, l'equip PNNL va llançar la primera versió estable del programari ExaGO de maenra què, pot funcionar en un maquinari que va des d'ordinadors portàtils fins a supercomputadors com l'Exascale, cosa que permet desplegar models de xarxa d'alta fidelitat en arquitectures informàtiques basades en nous acceleradors.

ExaGO és un salt significatiu en el modelatge de xarxes elèctriques. La capacitat de modelar ràpidament escenaris molt complexos a escala i avaluar el seu potencial impacte sobre la fiabilitat de la xarxa elèctrica és fonamental per implementar mesures correctores de manera oportuna. 

Arquitectures heterogènies

L’arquitectura heterogènia fa referència al maquinari que, a més de les unitats de processament tradicionals, també té acceleradors de maquinari, com ara les unitats de processament gràfic (GPU). Aquesta arquitectura proporciona una potència de càlcul addicional per a la  intensiva tasca en computació necessària per modelar dinàmiques de xarxa "estocàstiques", que tenen distribucions o patrons de probabilitat aleatoris que cal analitzar estadísticament. ExaGO consisteix en aplicacions dissenyades per resoldre l'optimització estocàstica a gran escala (problemes no lineals), l'optimització de la limitada seguretat (programació de recursos) i els problemes d'optimització de diversos períodes (interdependències de la infraestructura de xarxa).

Modelar l’impacte dels recursos energètics de la generació variable sobre la fiabilitat de la xarxa, seria un exemple de dinàmica estocàstica d'una xarxa. Aquesta arquitectura de GPU, té l'avantatge de poder processar moltes dades simultàniament, augmentant significativament el rendiment informàtic per modelar el comportament de sistemes complexos. La plataforma ja ha demostrat els nivells sense precedents de rendiment i escalabilitat. 

Durant le proves, ExaGO va resoldre simultàniament més de 3.000 casos de flux de potència òptima de corrent altern (ACOPF) —un càlcul crític de gestió de xarxa a nivell de sistema per equilibrar la potència activa i reactiva— per a una xarxa de Texas simulada de 2.000 bussos en menys de 10 minuts. Aquest rendiment, supera significativament el de les eines de planificació de la generació actual i permet als operadors de xarxa identificar respostes òptimes a múltiples fallades simultànies dels components de la xarxa (conegudes com a contingències Nk), com les que es produeixen en condicions meteorològiques extremes.

Posar en funcionament la tecnologia

Llavors, què poden fer els operadors de xarxa amb una plataforma de modelatge com ExaGO? Molt més del que podrien fer amb les eines de generació actual.

ExaGO es pot utilitzar per ajudar a gestionar les incerteses operatives des dels recursos distribuïts i amb propietats intermitents d’energia. El programari també es pot utilitzar per avaluar amb precisió multitud de condicions de funcionament de la xarxa per mantenir la seguretat i la fiabilitat o per mitigar la desviació de freqüència durant incidències elèctricques i altres esdeveniments  inesperats de gran abast. ExaGO també es pot aplicar per optimitzar les operacions del mercat elèctric en temps real i en els dies previs.

Com que ExaGO proporciona una solució completa de modelatge de xarxa de transport, els operadors de sistemes de transport poden optimitzar la seva planificació mitjançant estimacions del cicle de vida dels seus actius més precises, que representen milers de milions de diners d’inversió anual. Els operadors de xarxes també es poden preparar millor per a fenòmens meteorològics extrems, desastres naturals i possibles ciberatacs, pronosticant amb més precisió els impactes d’aquestes incidències sobre la fiabilitat de la xarxa. Aquests passos també inclouen la formulació de les opcions de resposta d'emergència més efectives i la identificació dels millors recursos per al control de la freqüència per evitar fallades més àmplies i en cascada del sistema elèctric.

Amb una plataforma amb aquestes funcions de càlcul i funcions de modelatge, les possibles aplicacions i els nous casos d'ús són extensos. El més important, la capacitat d'executar  modelatge de la xarxa  i anàlisi de flux de potència, de manera ràpida i a escala. 

Font: Divisió d'Infraestructures i Edificis Elèctrics del Pacific Northwest National Laboratory