Adéquation Algorithme Architecture pour la gestion des réseaux électriques

Hardware-software codesign for the electrical grid management

• Auteur / Autrice : Béatrice Thomas
• Direction : Abdelhafid El ouardi
• Type : Projet de thèse
• Discipline(s) : Robotique
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Systèmes et Applications des Technologies de l'Information et de l'Energie
• Partenaire(s) de recherche : Equipe de recherche : MOSS - Méthodes et outils pour les Signaux et Systèmes
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-....)
• Jury : Examinateurs / Examinatrices : Abdessamad Ait el cadi, Zacharie De greve, Zita Valé, Steven Derrien, François Pacaud
• Jury : Rapporteur / Rapporteuse : Abdessamad Ait el cadi, Zacharie De greve

Mots clés

Mots clés libres

Adéquation Algorithme-Architecture

Calcul parallèle

Gestion de réseaux électriques

Complexité algorithmique

Electrical networks management

Hardware/software codesign

Parallel processing

Algorithmic complexity

Résumé

L'augmentation de la production renouvelable décentralisée nécessaire à la transition énergétique complexifiera la gestion du réseau électrique. Une riche littérature propose de décentraliser la gestion pour éviter la surcharge de l'opérateur central pendant la gestion réelle. Cependant la décentralisation exacerbe les problèmes de passage à l'échelle lors des simulations préliminaires permettant de valider les performances, la robustesse de la gestion ou le dimensionnement du futur réseau. Une démarche Adéquation Algorithme Architecture a été suivie dans cette thèse pour un marché pair à pair pour résoudre le problème de passage à l'échelle lors de la simulation sur une architecture matérielle de calcul unique. L'influence des agents sur le réseau en grande dimension ne pouvant plus être négligée, l'étude a porté sur un marché endogène pair à pair. Nous avons étudié la complexité calculatoire de différents algorithmes. Des méthodes d'optimisation de temps de traitements sur des architectures type GPU ont été développées. L'évaluation des performances, en termes de temps de traitement et de convergence, a été réalisée. Ainsi, un modèle de calcul parallèle sur une architecture GPU a apporté une accélération substantielle lorsque la précision n'est pas critique. Une implémentation optimisée sur une architecture GPU a permis de réduire de plus de 98% les temps de simulation d'un marché sans contraintes réseau. Comparé à un modèle de calcul sur une architecture conventionnelle type PC, la démarche d'adéquation algorithme-architecture a permis de définir un modèle de calcul sur GPU 1000 fois plus rapide lors de la simulation d'un DC-marché endogène et 10 fois plus rapide sur un marché AC-endogène sur un réseau radial. Les résultats de cette thèse ont permis de consolider l'étude menée sur les aspects algorithmiques comme sur les aspects d'architectures matérielles pour l'accélération des simulations de réseaux électriques sur des architectures parallèles.

The growth of distributed energy resources raises the challenge of scaling up network management algorithms. This difficulty may be overcome in operating conditions with the help of a rich literature that frequently calls upon the distribution of computations. However, this issue persists during preliminary simulations validating the performances, the operation's safety, and the infrastructure's sizing. A hardware-software co-design approach is conducted here for a Peer-to-Peer market to address this scaling issue while computing simulations on a single machine. With the increasing number of distributed agents, the impact on the grid cannot be neglected anymore. Thus, this work will focus on an endogenous market. The mapping between several algorithms and different partitioning models on Central and Graphic Processing Units (CPU-GPU) has been conducted. The complexity and performance of these algorithms have been analyzed on CPU and GPU. The implementations have shown that the GPU is more numerically unstable than the CPU. Nevertheless, when precision is not critical, GPU gives substantial speedup. Thus, markets without grid constraints are 98% faster on GPU. Even with the grid constraints, the GPU is 1000 times faster with the DC hypothesis and ten times faster on the AC radial grid. This dimension-dependent acceleration increases with the grid size and the agent's count.