Objectifs de la chaire
Il existe un besoin croissant de méthodes efficaces pour obtenir des valeurs approximatives de conditions de fonctionnement sûres pour les systèmes d’alimentation électrique.
En effet, les changements récents et en cours dans le réseau électrique européen, tels que l’augmentation des sources d’énergie renouvelables interfacées par des dispositifs électroniques de puissance, posent de nouveaux défis en termes de sécurité du réseau électrique et d’évaluation de la stabilité à grande échelle.
Principal investigators
- Victor Magron (CRCN CNRS, LAAS-CNRS)
- Jean-Bernard Lasserre (DR Emerite CNRS)
- Patrick Panciatici (Senior Scientific
Advisor, RTE)
Le problème du flux de puissance optimal (AC-OPF) vise à déterminer un point de fonctionnement optimal en régime permanent pour un système électrique à courant alternatif sur la base d’une fonction objective donnée.
Nous avons récemment proposé des relaxations convexes qui ont permis d’approcher les valeurs optimales de certaines grandes instances AC-OPF avec des milliers de variables et de contraintes. L’objectif de cet ambitieux projet collaboratif entre le partenaire académique POP du LAAS CNRS et le partenaire industriel RTE est de combiner des techniques d’optimisation polynomiale précises offrant des garanties avec des outils d’apprentissage automatique (ML) afin de fournir des outils d’aide à la décision efficaces pour les opérateurs de réseaux de transport d’électricité.
Co-chairs
-
- Didier Henrion (DR1 CNRS)
- Milan Korda (CRCN LAAS CNRS)
- Georg Loho (Assistant Professor University of Twente)
- Manuel Ruiz (Optimization R&D Engineer, RTE)
- Mateusz Skomra (CRCN LAAS-CNRS)
Le premier axe de recherche consiste à développer des algorithmes d’optimisation convexe rapides mélangeant des méthodes classiques de points intérieurs et des schémas d’apprentissage basés sur des données (en fait résultats de simulation), permettant de gagner en efficacité en particulier grâce à des techniques de décompositions/réductions des problèmes de grande taille.
Le deuxième axe de recherche consiste à s’appuyer sur ces algorithmes pour résoudre d’autres classes de problèmes d’optimisation avec des modélisations statiques plus réalistes incluant des variables discrètes et en prenant en compte des comportements dynamiques, par exemple pour garantir l’atteignabilité des solutions d’équilibre optimales.
Ce projet de chaire nous permettra d’aborder ces deux directions en fournissant rapidement des bornes précises pour les problèmes d’optimisation sous-jacents. Il est également organisé de manière équilibrée entre une recherche académique approfondie et une recherche plus appliquée qui répond aux besoins socio-économiques de l’industrie.
- IA certifiable avec des méthodes hybrides entre l’optimisation classique et la ML : résolution efficace de relaxations convexes pour la certification de la robustesse.
- Faire progresser l’approche « opérateur de Koopman » dans le but d’analyser par les données des grands systèmes dynamiques non linéaires complexes incluant des contrôleurs.
- Établir de nouvelles connexions entre les réseaux neuronaux, les matrices creuses et la géométrie tropicale : développer de nouveaux outils de certification pour les réseaux basés sur la géométrie tropicale y compris les réseaux neuronaux sur les graphes.
- Déployer les noyaux de Christoffel-Darboux pour l’analyse, la classification des réseaux.
- Garantir l’atteignabilité des solutions d’équilibre optimales donc l’existence de trajectoires stables et bassins d’attraction approximatifs de grands systèmes électriques incluant des contrôleurs complexes.
- Résoudre les flux de puissance optimale en utilisant toutes les variables de contrôle disponibles en particulier les variables discrètes changeant la connectivité du réseau électrique lui-même ou celle des équipements aux nœuds.
- RTE: Moment-SOS hierarchy as a tool for large scale stability proofs, Cifre PhD thesis of M. Tacchi, supervised by D. Henrion and J.-B. Lasserre, 2018-2021.
- RTE, Fast polynomial optimization techniques for optimal power flow, Funded by RTE and the French Agency for mathematics in interaction with industry and society, led by V.Magron, J.-B. Lasserre, P. Panciatici, M. Ruiz, 2022-2024.
- Advanced optimization and Machine Learning for Power Systems, Institut Montefiore, University of Liège, Belgium, led by L. Wehenkel and P. Panciatici.
- Advanced controls for Power Systems, CNRS Laboratory ”Signals and Systems” and CentraleSupélec, Paris-Saclay University, France, led by S. Olaru and P. Panciatici.
- Small signal stability of Power Systems, School of Electrical Engineering and Computer Science, Washington State University, USA, led by M. VM Venkatasubramanian and P. Panciatici
Online Feedback Optimization for Transmission Grid Operation, Automatic Control Laboratory, ETH Zurich, Switzerland, led by S. Bolognani and P. Panciatici. - Analysis, verification, and optimal control of heterogeneous and complex dynamical models: Applications to Power Systems, Oxford Control & Verification group, Department of Computer Science, University of Oxford, UK, led by A. Abate and P. Panciatici.
- Large-scale monitoring, data analytics and stochastic control for power networks, Stanford Sustainable Systems Lab (S3L), Stanford, USA, led by R. Rajagopal and P. Panciatici.
- Uncertainty and risk management for power systems, Electrical Engineering, Mathematics and Computer Science, Intelligent Electrical Power Grids, Delft University of Technology, Netherlands, led by S. Tindemans and P. Panciatici.
- Publication d’articles de recherche et de bibliothèques logicielles.
- Objectif à moyen terme : dériver un cadre d’optimisation qui sera directement utilisé par les sociétés de transport d’énergie telles que RTE afin d’améliorer l’efficacité de leur réseau d’énergie.
- Objectif à long terme : inclure l’extension de ce cadre à d’autres problèmes industriels clés, tels que les réseaux de chauffage urbain.