È una storia diventata fin troppo familiare: i forti venti interrompono una linea elettrica e una comunità può rimanere senza elettricità per ore o giorni, un inconveniente nella migliore delle ipotesi e una situazione pericolosa nel peggiore. Yu Zhang, professore assistente di ingegneria elettrica e informatica dell’UC Santa Cruz, e il suo laboratorio stanno sfruttando strumenti per migliorare l’efficienza, l’affidabilità e la resilienza dei sistemi energetici e hanno sviluppato un approccio basato sull’intelligenza artificiale (AI) per il controllo intelligente delle microreti per ripristino dell’alimentazione in caso di interruzioni.
Descrivono il loro nuovo modello di intelligenza artificiale e dimostrano che supera le tradizionali tecniche di ripristino dell’energia in un nuovo articolo pubblicato sulla rivista Transazioni IEEE sul controllo dei sistemi di rete, una delle principali riviste nel campo dei sistemi di controllo e della scienza delle reti. Shourya Bose, un dottorato di ricerca. studente del laboratorio di Zhang, è il primo autore dell’articolo.
“Al giorno d’oggi, le microreti sono davvero ciò su cui si stanno concentrando sia gli ambienti industriali che quelli accademici per i futuri sistemi di distribuzione dell’energia”, ha affermato Zhang.
In molte comunità, le infrastrutture e i loro utenti dipendono totalmente da una società locale di produzione di energia elettrica per l’elettricità. Ciò significa che in caso di disastro o evento meteorologico estremo, o anche solo di un albero che cade su una linea, l’elettricità si interrompe finché non è possibile effettuare le riparazioni.
Oggi molti sistemi elettrici sono intelligenti in quanto sono interconnessi con computer e sensori. Spesso incorporano fonti di energia rinnovabile locali come pannelli solari sui tetti o piccole turbine eoliche, e alcune famiglie ed edifici si affidano a generatori di riserva e/o batterie energetiche per la loro domanda di elettricità.
Questo mix di fonti di energia offre l’opportunità di affrontare le interruzioni a livello locale utilizzando fonti energetiche alternative per fornire elettricità prima che venga ripristinata l’energia a monte. Un modo per farlo è con una microrete, che distribuisce elettricità a piccole aree come alcuni edifici o una città, anche se le dimensioni della microrete possono variare.
La microrete può essere collegata alla fonte di alimentazione principale, ma può anche funzionare mentre è disconnessa in “modalità ad isola”, autosupportata da fonti energetiche alternative e non influenzata dai problemi che influiscono sulla rete principale. Il gruppo di ricerca di Zhang si concentra sull’ottimizzazione del modo in cui le microreti attingono a queste varie fonti alternative come energie rinnovabili, generatori e batterie per ripristinare l’energia in modo rapido e corretto.
“In sostanza, vogliamo avvicinare la produzione di energia al lato della domanda per eliminare le lunghe linee di trasmissione”, ha detto Zhang. “Ciò può migliorare la qualità dell’energia e ridurre le perdite di potenza sulle linee. In questo modo, renderemo la rete più piccola, ma più forte e più resiliente.”
Per gestire in modo ottimale le microreti, il laboratorio di Zhang ha sviluppato una tecnica basata sull’intelligenza artificiale chiamata apprendimento per rinforzo profondo, lo stesso concetto su cui si basano i modelli linguistici di grandi dimensioni, per creare un quadro efficiente che includa modelli di molti componenti del sistema energetico. L’apprendimento per rinforzo dipende dalla ricompensa dell’algoritmo per aver risposto con successo all’ambiente in evoluzione, quindi un agente viene ricompensato quando è in grado di ripristinare con successo la potenza richiesta da tutti i componenti della rete. Modellano esplicitamente i vincoli pratici del sistema del mondo reale, come i flussi di derivazione che le linee elettriche possono gestire.
“Stiamo modellando un sacco di cose: solare, eolico, piccoli generatori, batterie, e stiamo anche modellando quando la domanda di elettricità delle persone cambia”, ha detto Bose. “La novità è che questo tipo specifico di apprendimento per rinforzo, che chiamiamo ottimizzazione delle politiche vincolate (CPO), viene utilizzato per la prima volta.”
Il loro approccio CPO tiene conto delle condizioni in tempo reale e utilizza l’apprendimento automatico per trovare modelli a lungo termine che influenzano la produzione di energie rinnovabili, come la variazione della domanda sulla rete in un dato momento e i fattori meteorologici intermittenti che influenzano le fonti rinnovabili. Questo è diverso dai sistemi tradizionali che spesso utilizzano una tecnica chiamata controllo predittivo del modello (MPC) che basa le decisioni semplicemente sulle condizioni disponibili al momento dell’ottimizzazione.
Ad esempio, se il metodo CPO prevede che il sole splenderà intensamente tra un’ora, utilizzerà la sua fornitura di energia solare con la consapevolezza che verrà successivamente reintegrata: una strategia diversa da quella che potrebbe essere adottata se la giornata fosse nuvolosa. . Può anche conoscere il sistema in base a modelli a lungo termine di come la rete utilizza l’energia solare.
I ricercatori hanno scoperto che la loro tecnica CPO supera significativamente i tradizionali metodi MPC quando le previsioni sulle fonti rinnovabili sono inferiori alla realtà grazie alla migliore comprensione di tutti i possibili profili solari durante un dato giorno.
Hanno anche scoperto che il controller dell’apprendimento per rinforzo è in grado di rispondere molto più velocemente rispetto ai metodi di ottimizzazione tradizionali nel momento di un’interruzione di corrente.
Il gruppo di ricerca ha recentemente dimostrato il successo del proprio metodo classificandosi primo in una competizione globale che invitava i partecipanti a utilizzare l’apprendimento per rinforzo o tecniche simili per gestire una rete elettrica. Il concorso, denominato L2RPN Delft 2023, è stato co-sponsorizzato dall’operatore francese del sistema di trasmissione dell’elettricità (Réseau de Transport d’Électricité), che i ricercatori dell’UC Santa Cruz vedono come un indicatore del fatto che ora gli operatori di rete su larga scala potrebbero iniziare a muoversi verso l’intelligenza artificiale e l’intelligenza artificiale. tecniche di energia rinnovabile.
Ora che hanno sviluppato un algoritmo di successo nelle simulazioni, il gruppo di ricerca sta lavorando per testare il modello sulle microreti nel loro laboratorio. Nel lungo termine, i ricercatori sperano di implementare la loro soluzione nel sistema energetico del campus della UC Santa Cruz per affrontare i problemi di interruzione che la comunità del campus residenziale deve affrontare. Sperano anche di vedere ulteriore interesse e collaborazione da parte dell’industria.
Da un’altra testata giornalistica. news de www.sciencedaily.com
