Prévision de la demande - Transition énergétique, IA et données massives - Association de l'industrie électrique du ...
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Association de l’industrie électrique du Québec
La transformation numérique des réseaux mondiaux
Jalon essentiel de la transition énergétique
Montréal – 15 & 16 février 2022
Prévision de la demande
Transition énergétique, IA et données massives
Stéphane Dellacherie
Hydro-Québec
TransÉnergie
Direction contrôle des mouvements d’énergie
Prévisions de contrôle du réseau
16 février 2022
1
La transformation numérique des réseaux mondiaux – Montréal, 16 février 2022
Prévision de la demande: transition énergétique, données massives et IA
Plan
1. Prévision de la demande : but et réalité opérationnelle
2. Transition énergétique : impact
3. Transition technologique :
Intelligence artificielle, un puissant aimant à information
Données massives, un levier d’amélioration à opérationnaliser
4. Prévision de la demande : nouveaux paradigmes
2
1. Prévision de la demande : but et réalité opérationnelle
Qui doit connaître la demande court terme
et pour quelles raisons?
Marché de gros
Hydro-Québec TransÉnergie
Planification des ventes sur les
marchés courts termes
Planification du transport de l’électricité
(aiguillage des lignes haute-tension)
Hydro-Québec Distribution
Hydro-Québec Production
Planification des approvisionnements et achats
Planification de la production des centrales sur les marchés courts termes
incluant les moyens de gestion
3
1. Prévision de la demande : but et réalité opérationnelle
Industrie électro-intensive (MW)
Demande (MW)
Météorologie
Habitudes sociales
4
https://www.hydroquebec.com/transenergie/fr/
1. Prévision de la demande : but et réalité opérationnelle
Demande en hiver Demande en été
Sensibilité aux données météo en hiver
+600 MW
-600 MW
+200 MW
Hiver (chauffage)
-200 MW
+300 MW
-600 MW Été (air conditionné)
5
2. Transition énergétique : impact
• Nouveaux équipements : • Nouveaux comportements : • Changements dans l’industrie
• isolation, air conditionné • économie d’énergie • baisse de certains secteurs
• domotique, … • télétravail, étalement urbain, … • nouveaux secteurs
Conséquence court terme : réactivité différente => plus grande volatilité => baisse progressive des performances
Les modèles historiques de prévision de la demande doivent être retravaillés … MAIS :
Vieux langages + perte de compétence + intrants et bases de données limités en taille
Obsolescence => RISQUE ! (pérennité + COÛT)
Conséquence moyen-long terme : réactivité totalement différente !
5-10 ans ?
• Changements profonds court-moyen-long terme :
• électrification de la société, exportations en hausse Changements RAPIDES (< 5-10 ans) ! Quels chgts exactement ?
• tarification dynamique, moyens de gestion baisse des performances à techno cste !
• auto-production, charge bidirectionnelle meilleur gestion de l’énergie => il faut augmenter les performances !
6
2. Transition énergétique : impact
• Nouveaux équipements : • Nouveaux comportements : • Changements dans l’industrie
• isolation, air conditionné • économie d’énergie • baisse de certains secteurs
• domotique, … • télétravail, étalement urbain, … • bouveaux secteurs
Conséquence court terme : réactivité différente => plus grande volatilité => baisse progressive des performances
Les modèles historiques de prévision de la demande doivent être retravaillés … MAIS :
Vieux langages + perte de compétence + intrants et bases de données limités en taille
Obsolescence => RISQUE ! (pérennité + COÛT)
Conséquence moyen-long terme : réactivité totalement différente !
5-10 ans ?
• Changements profonds court-moyen-long terme :
• électrification de la société, exportations en hausse Changements RAPIDES (< 5-10 ans) ! Quels chgts exactement ?
• tarification dynamique, moyens de gestion baisse des performances à techno cste !
• auto-production, batteries bidirectionnelles meilleur gestion de l’énergie => il faut augmenter les performances !
7
3. Transition technologique : IA, un puissant aimant à information
1er modèle IA de prévision de la demande (prototype hérité de la finance, été 2018) :
Tps de dvt : qqes semaines (hors opérationnalisation) !
Nbre de lignes de codes : 300
Tps de construction : 5 mns => « PLASTICITÉ » (modèle IA « basique » ici)
Réel
Modèle IA « basique » ici
Phases d’apprentissage (5 mns)
Changement de concavité => air conditionné
capturé trés rapidement par le réseau neuronal
SANS AUCUN TRAVAIL DE MODÉLISATION !
IA
Modèles historiques (1980-2010) actuellement en production 24/7 :
Tps de dvt : 10-20 ans
Nbre de lignes de codes : 100 000 + vieux langages + limitations intrinsèques
8
Tps de construction : inclus dans le temps de dvt => « RIGIDITÉ »
3. Transition technologique : IA, un puissant aimant à information
Application 1 : Pondération de nombreux modèles IA
Possibilité de construire en parallèle autant de modèles neuronaux que l’on veut ! => 2 applications immédiates
Application 2 :
?
Entraînement en parallèle de centaines de modèles IA :
- pour chacun des 400 postes satellites et leurs composants
(frontière HQT / HQD)
- pour plusieurs unités de mesure (MW, A, MVar) 9
3. Transition technologique : IA, un puissant aimant à information
Application 1 : Pondération de nombreux modèles IA
Possibilité de construire en parallèle autant de modèles neuronaux que l’on veut ! => 2 applications immédiates
Application 2 :
?
Entraînement en parallèle de centaines de modèles IA :
- pour chacun des 400 postes satellites et leurs composants
(frontière HQT / HQD)
- pour plusieurs unités de mesure (MW, A, MVar) 103. Transition technologique : Données massives, un levier d’amélioration à opérationnaliser
✓ Nouveaux satellites météo
Données sur la ressource solaire
disponibles pour le Canada ✓ Nouvelles stations météo
✓ Nouvelles variables météo
✓ Nouvelles bases de données météo
15 mai 2020
Amélioration et augmentation exponentielle
de l’information météo
disponible aisément pour la prévision du MW
Amélioration potentielle des performances des prévisions du MW à condition :
1. d’avoir des modèles s’adaptant aisément à l’arrivée de données nouvelles et massives en météo => L’IA répond à ce critère!
2. d’être prêt à gérer en opérationnel ces données massives => nvelles BdD, nouveaux algo de compression, nouveaux11langages !4. Prévision de la demande: nouveaux paradigmes De nombreux défis ! ☺
✓ Données massives (météo en particulier)
✓ « Modélisation » automatique via l’IA => nouveaux paradigmes, nouvelles compétences
✓ Nouveaux langages : Python, Julia, etc
✓ Calculs HPC (CPUs, GPUs)
✓ Nouveaux métiers : ingénieur IA, scientifique des données
✓ Transition techno profonde sous contrainte d’exploitation 24/7 en zone critique
et en maintenant la meilleure qualité de service qu’il est humainement possible d’assurer !
Utilisation du nuagique Projet CASTOR IntelligenCe Artificielle
=> TESTER / VALIDER SANS RISQUE CAR HORS ZONE CRITIQUE ! en appui au développement d'une préviSion de charge
adaptée à la TransitiOn éneRgétique
✓ accéder / tester / dimensionner du nouveau hardware hors zone critique
(ex : dimensionnement des besoins HPC sans prise de risque) Démarrage du projet chez HQT : 2018 en partenariat avec l’IREQ
✓ développer / tester de nouveaux algorithmes / outils hors zone critique Plusieurs étudiants (UQAM, UdeM, McGill, MILA + écoles en France)
(langages, IA, bases de données, soft, nouveaux processus qualité, etc)
Août 2020 : 1er modèle neuronal en zone critique (poids nul)
✓ évaluer la robustesse 24/7 de nouveaux réseaux neuronaux hors zone critique
Sept 2021 : Livraison du Lab CASTOR nuagique (CPUs, GPU, etc)
Travailler main dans la main avec le milieu de la recherche !
2022-… : 3 échelles de temps !
✓ R&D + opérationnalisation EN ZONE CRITIQUE (réservé à HQ – TransÉnergie) - court terme: démocratisation outils IA 2018-20 au sein du Lab
- moyen terme: opérationnalisation + accélération R&D appliquée
12
✓ transparence de nos outils, expertise externe, futurs recrutements (MSc + PhD) - long terme: recherche => démarrage PhDs IA + RO (McGill + UdeM)Prévision de la demande: transition énergétique, données massives et IA
Conclusion
Explosion de la donnée => 3 dimensions impactées !
=> nouveaux paradigmes !
Merci pour votre attention ☺ 13Vous pouvez aussi lire
