Des chercheurs de l’Université de Buffalo ont développé un modèle d’intelligence artificielle conçu pour aider les réseaux électriques à prévenir les pannes de courant en redirigeant automatiquement l’électricité en quelques millisecondes.
Les chercheurs de l’UB, qui ont collaboré avec des ingénieurs de l’Université du Texas à Dallas, ont démontré le système automatisé dans un article de recherche publié en ligne le 4 juin dans Nature Communications.
Cette approche est l’un des premiers exemples de technologie de « réseau d’auto-réparation », qui utilise l’IA pour détecter et réparer des problèmes tels que des pannes de manière autonome et sans intervention humaine lorsque des problèmes surviennent, comme des lignes électriques endommagées par une tempête.
Bien que des recherches supplémentaires soient nécessaires avant que le système puisse être mis en œuvre et adapté aux réseaux électriques du monde réel, il s’agit néanmoins d’un développement passionnant pour le réseau électrique assiégé du pays, affirment les chercheurs.
« Les réseaux électriques du monde entier sont confrontés au nombre croissant d’événements météorologiques extrêmes, à la probabilité de cyberattaques et à l’augmentation prévue de la demande », déclare Souma Chowdhury, PhD, professeure associée au département de mécanique et d’aérospatiale de l’UB. Ingénierie. « Par conséquent, il est impératif que nous développions des outils qui modernisent le système et le rendent plus résilient face aux futures pannes de courant. »
Chowdhury est codirecteur du Centre UB pour l’autonomie incarnée et la robotique (CEAR).
Le réseau nord-américain est un réseau étendu et complexe de lignes de transport et de distribution, d’installations de production et de transformateurs qui distribuent l’électricité provenant de sources d’énergie aux consommateurs.
À l’aide de divers scénarios sur des réseaux de test, l’équipe de recherche a démontré que sa solution peut identifier automatiquement des voies alternatives pour transférer l’électricité aux utilisateurs avant qu’une panne ne survienne. Une fois entraînée, l’IA a l’avantage de la vitesse : le système peut automatiquement réacheminer le flux électrique en quelques microsecondes, tandis que les processus actuels impliquant des techniques d’ingénierie classiques (ou une intervention humaine) pour déterminer des chemins alternatifs pourraient prendre de quelques minutes à plusieurs heures.
« Notre objectif est de trouver le chemin optimal pour envoyer de l’énergie à la majorité des utilisateurs le plus rapidement possible », déclare l’auteur co-correspondant Jie Zhang, PhD, professeur agrégé de génie mécanique à l’École d’ingénierie et d’informatique Erik Jonsson de l’UT. Dallas.
Pour cartographier les relations complexes entre les entités qui composent un réseau de distribution d’énergie, l’équipe de recherche a utilisé des algorithmes qui appliquent l’apprentissage automatique aux graphiques. Dans ce contexte, l’apprentissage automatique des graphes implique la description de la topologie d’un réseau, de la manière dont les différents composants sont disposés les uns par rapport aux autres ou en connexion les uns avec les autres et de la manière dont l’électricité circule dans le système.
L’équipe s’est également appuyée sur l’apprentissage par renforcement – dans lequel un agent virtuel est généralement déployé dans un environnement de simulation du problème réel – pour jouer systématiquement des scénarios et apprendre progressivement de cette expérience. Un exemple de connaissance acquise grâce à une telle expérience serait le cas où l’électricité serait bloquée en raison de défauts de ligne. Le système serait alors capable de se reconfigurer à l’aide de commutateurs et de tirer son énergie de sources disponibles à proximité immédiate, telles que des panneaux solaires ou des batteries à grande échelle sur un campus universitaire ou une entreprise.
« Ce sont des décisions que le modèle peut prendre presque instantanément, ce qui à son tour a le potentiel d’éliminer ou de réduire considérablement la gravité des pannes de courant », explique le co-premier auteur Steve Paul, qui a travaillé sur le projet tout en obtenant un doctorat à l’UB. cette année. Paul est maintenant chercheur postdoctoral à l’Université du Connecticut.
Parmi les autres co-auteurs figurent Roshni Anna Jacob, doctorante en génie électrique à l’UT Dallas, et Yulia Gel, PhD, professeur de sciences mathématiques à l’École des sciences naturelles et des mathématiques de l’UT Dallas.
Après s’être concentrés sur la prévention des pannes, les chercheurs visent désormais à développer une technologie similaire pour réparer et restaurer le réseau suite à une panne de courant, provoquée par exemple par un risque naturel.
Voir l’étude
