Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Power System Simulator based on Physics-Informed Neural Networks

Projektbeschreibung

Revolutionärer, auf neuronalen Netzen basierender Simulator für Energie-System-Dynamics

In den letzten Jahrzehnten haben Simulatoren für Energie-System-Dynamics immer mehr an Bedeutung gewonnen. Bei herkömmlichen Näherungen verringert sich für diese Aufgabe schnell der Nutzen und sie benötigen aufgrund der komplexeren und empfindlicheren Schaltkreise wesentlich mehr Zeit, um genaue Ergebnisse zu liefern. Leider können Fehler aber dazu führen, dass sich Phänomene schneller ausbreiten. Elektromagnetische Transientensimulationen können diese genau erfassen, sind aber in den letzten Jahren träger und rechenintensiver geworden, da sie inmitten von Millionen möglicher kritischer Szenarien arbeiten müssen. Das ERC-finanzierte Projekt PINNSim zielt darauf ab, einen auf neuronalen Netzen basierenden Simulator für Energie-System-Dynamics zu entwickeln, der hochgradig modular und skalierbar ist und bis zu 100-mal schneller als derzeitige kommerzielle Alternativen sein kann, wodurch der Zeitaufwand für Stabilitätsbewertungen drastisch reduziert wird.

Ziel

This proposal puts forward a first-of-its-kind power system dynamics simulator based on neural networks: PINNSim. PINNSim aims to deliver a highly modular and scalable tool that can be up to 100x faster than any commercial power system simulator. This means that PINNSim can perform a power system stability assessment in 30 minutes instead of 2 days.

We witness a dramatic shift from few large scale generators to millions of converter-based resources, such as solar, wind, batteries, and electric vehicles. Capturing the dynamic behavior of such a system is no longer possible with the conventional approximations. In case of fault, phenomena propagate much faster and an ElectroMagnetic Transient (EMT) simulation is necessary to accurately capture them. However, EMT is slow and computationally intensive. Uncertainty from solar and wind and the increased number of components requires the assessment of millions of critical scenarios so that power system operators eliminate blackout risk, and manufacturers design appropriate controllers for the safe operation of their equipment.

PINNSim leverages physics-informed machine learning and GPU acceleration to model power system components. Its key novelty lies in the method it interconnects individual neural networks to form a “system of neural networks” that performs simulations at much higher speeds. Through this funding, we aim to scale PINNSim to handle larger, more complex power systems and incorporate a user interface, creating a user-friendly simulator capable of addressing a wide range of power system operation challenges.

Our goal is to create a tool that will disrupt the power system simulation software landscape. We envision a library of component models based on neural networks, which can then be used in a plug’n’play fashion in PINNSim, similar to conventional simulators. If successful, PINNSim can naturally extend to almost any non-linear dynamic system such as robotics and biological systems.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) ERC-2025-POC

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

DANMARKS TEKNISKE UNIVERSITET
Netto-EU-Beitrag
€ 134 000,00
Adresse
ANKER ENGELUNDS VEJ 101
2800 Kongens Lyngby
Dänemark
Region
Danmark Hovedstaden Københavns omegn
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Begünstigte (2)