AI4OPT Seminar: Fast algorithms for large-scale optimization in renewable-rich power systems

Ce séminaire présente les travaux de Rabab Haider sur le développement d’algorithmes d’optimisation et d’apprentissage automatique pour la planification et l’exploitation des réseaux électriques intégrant une forte proportion d’énergies renouvelables. L’intervenante commence par contextualiser les défis posés par la transition énergétique : l’intermittence de la production solaire et éolienne, l’émergence de nouvelles charges comme les véhicules électriques et les centres de données, et la nécessité de garantir la fiabilité du réseau. Elle propose une approche en trois axes : l’optimisation et l’IA pour améliorer les facteurs de flexibilité, l’intelligence distribuée pour coordonner les décisions à travers les frontières de propriété, et l’intégration des aspects sociaux et de marché. La majeure partie de l’exposé se concentre sur l’optimisation distribuée, avec la présentation d’un algorithme de coordination proximal (proximal atomic coordination) qui permet à des agents locaux (bâtiments, véhicules électriques, etc.) de prendre des décisions tout en échangeant des informations minimales via des variables duales. Cet algorithme est appliqué à des cas concrets : le contrôle de tension dans un réseau de distribution, l’agrégation de ressources distribuées pour fournir des services au réseau, et la coordination de micro-réseaux combinant chaleur et électricité. Pour ce dernier cas, une version accélérée du dual ascent utilisant des informations de second ordre est présentée, avec une démonstration sur le micro-réseau de l’Université de Gênes. Les résultats montrent une convergence plus rapide et des économies de coûts. L’intervenante conclut en ouvrant des perspectives sur l’intégration de l’équité énergétique et des considérations sociales.