Mejora de la confiabilidad de la red ante eventos extremos

Mejora de la confiabilidad de la red ante eventos extremos

Al modelar con precisión el impacto potencial de los eventos climáticos extremos previstos en la confiabilidad de la red, la plataforma ExaGO de PNNL ayuda a los operadores de la red a mantener las luces encendidas. Crédito: Josemaria Toscano | Shutterstock.com

La red eléctrica nacional sigue siendo vulnerable a las interrupciones eventos extremos, incluidos incendios, tormentas severasy ciberataques. Los recursos de generación variable y la variabilidad de la carga también plantean desafíos operativos para la estabilidad de la red. Para mitigar las interrupciones antes de que se produzcan una avalancha, los planificadores y los operadores de red deben poder detectar los eventos entrantes y comprender su impacto potencial en la confiabilidad de la red.

Sin embargo, las herramientas actuales no pueden modelar con precisión todos los escenarios e interdependencias con la precisión, escala y velocidad necesarias. Se necesita un mejor enfoque que, a su vez, requiere más potencia informática.

Ingrese a ExaGO, la plataforma de modelado y optimización para resolver problemas no lineales a gran escala reja problemas de optimización. Una abreviatura del kit de herramientas de optimización de malla de exaescala, ExaGO to software de código abierto que pueden aprovechar la computación de alto rendimiento y las plataformas de computación heterogéneas emergentes para modelar y pronosticar el impacto de los eventos extremos y la complejidad operativa en la confiabilidad de la red eléctrica.

“El Proyecto de Computación Exascale en DOE buscaba aplicaciones específicas que se adaptaran bien a este enfoque de computación”, dijo Shri Abhyankar, científico senior de optimización para Infraestructura Eléctrica y Edificios en el Laboratorio Nacional del Noroeste del Pacífico (PNNL). “El modelado de malla a exaescala era un candidato ideal, nuestros patrocinadores estuvieron de acuerdo y comenzamos el proyecto ExaGO”.

ExaGO es desarrollado por PNNL bajo el Proyecto ExaSGDque incluye cinco laboratorios nacionales y la Universidad de Stanford y está financiado por el Departamento de Energía de los EE. UU., Oficina de Ciencias, Proyecto de Computación Exascale. ExaSGD se enfoca en desarrollar algoritmos y técnicas para enfrentar estos nuevos desafíos y optimizar la respuesta de la red a muchas perturbaciones potenciales en una variedad de escenarios climáticos.

El software ya está disponible

Después de solo 18 meses de investigación y desarrollo, el equipo de PNNL lanzó recientemente la primera versión estable de ExaGO. ExaGO puede ejecutarse en una variedad de hardware, desde computadoras portátiles hasta supercomputadoras de exaescala, lo que permite la implementación de modelos de red de alta fidelidad en arquitecturas informáticas nuevas y emergentes basadas en aceleradores.

“ExaGO es un importante paso adelante en el modelado de redes eléctricas”, dijo Slaven Peles, científico principal del grupo de Optimización y Control de PNNL e investigador principal del proyecto ExaSGD. “La capacidad de modelar rápidamente escenarios muy complejos a gran escala y evaluar su impacto potencial en la confiabilidad de la red es fundamental para la implementación oportuna de acciones correctivas”.

Arquitecturas heterogéneas

La arquitectura heterogénea se refiere al hardware que tiene aceleradores de hardware además de las unidades de procesamiento tradicionales, como las unidades de procesamiento de gráficos (GPU). Esta arquitectura proporciona potencia de cálculo adicional a la tarea de cálculo intensivo de modelado de la dinámica de red “estocástica” que tiene distribuciones de probabilidad aleatorias o patrones que requieren análisis estadístico. ExaGO consta de aplicaciones diseñadas para resolver optimizaciones estocásticas a gran escala (problemas no lineales), optimización con restricciones de seguridad (planificación de recursos) y problemas de optimización de múltiples períodos (interdependencias de infraestructura de red).

Modelar el impacto de los recursos energéticos de generación variable en la confiabilidad de la red sería un ejemplo de dinámica de red estocástica. La ventaja de esta arquitectura de GPU es la capacidad de procesar múltiples datos simultáneamente, lo que aumenta enormemente el rendimiento computacional para modelar el comportamiento de sistemas complejos. La plataforma ya ha demostrado niveles de rendimiento y escalabilidad sin precedentes.

Durante las pruebas, ExaGO resolvió más de 3.000 casos simultáneamente flujo de potencia óptimo de corriente alterna (ACOPF)—Cálculo crítico de la gestión de la red a nivel del sistema para equilibrar la potencia activa y reactiva, para una red de Texas de 2000 buses simulada en menos de 10 minutos. Este rendimiento supera con creces el rendimiento de las herramientas de planificación de la generación actual y permite a los operadores de red identificar respuestas óptimas a múltiples fallas simultáneas de elementos de red (conocidas como eventos aleatorios Nk), como las que ocurren en condiciones climáticas extremas.

Introduciendo la tecnología al trabajo

Entonces, ¿qué pueden hacer los operadores de red con una plataforma de modelado como ExaGO? Mucho más de lo que podrían hacer con las herramientas de la generación actual, dijo Abhyankar.

ExaGO puede ayudarlo a administrar las incertidumbres operativas que resultan de los recursos energéticos distribuidos interrumpidos. El software también se puede utilizar para evaluar con precisión muchas condiciones de la red para mantener la seguridad y confiabilidad, o para mitigar la desviación de frecuencia durante cortes de energía y otras perturbaciones. ExaGO también se puede utilizar para optimizar las operaciones del mercado energético al día siguiente y en tiempo real.

Debido a que ExaGO proporciona una solución de modelado de red de transmisión completa y portátil, los operadores de sistemas de transmisión pueden optimizar su planificación utilizando estimaciones más precisas del ciclo de vida de los activos de la red que representan miles de millones de dólares en inversiones anuales. Los operadores de red también pueden estar mejor preparados para eventos climáticos extremos, desastres naturales y posibles ataques cibernéticos al predecir con mayor precisión el impacto de estos eventos en la confiabilidad de la red con anticipación. Estos pasos también incluyen la formulación de las opciones de respuesta de emergencia más efectivas y la identificación de los mejores recursos para el control de frecuencia a fin de evitar fallas más amplias y en cascada del sistema de energía.

“Con una plataforma con estas capacidades computacionales y de modelado, las aplicaciones potenciales y los nuevos casos de uso son enormes”, dijo Abhyankar. “Lo más importante es que al poder realizar un modelado de red de alta precisión y un análisis de flujo de energía, de forma rápida y a gran escala, los operadores de red pueden mantener las luces encendidas cuando energía la confiabilidad de la red está comprometida. ”


La hoja de ruta técnica muestra la dirección de la investigación sobre los inversores formadores de red.

Más información:
ExaGO está disponible para uso general a través de licencias de código abierto en GitLab. Para obtener más información sobre ExaGO, comuníquese con Shri Abhyankar en PNNL en shrirang.abhyankar@pnnl.gov.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *