Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Power System Simulator based on Physics-Informed Neural Networks

Description du projet

Simulateur révolutionnaire de la dynamique des réseaux électriques basé sur un réseau neuronal

Au cours des dernières décennies, les simulateurs de dynamique des réseaux électriques ont pris une importance croissante, les approximations conventionnelles devenant rapidement inadaptées et nécessitant des délais beaucoup plus longs pour fournir des résultats précis en raison de la complexité et de la sensibilité accrues des circuits. Malheureusement, les failles peuvent accélérer la propagation des phénomènes. La simulation des transitoires électromagnétiques (EMT) permet de les capturer avec précision, mais elle est devenue plus lente et plus gourmande en ressources informatiques ces dernières années, car elle doit fonctionner au milieu de millions de scénarios critiques possibles. Le projet PINNSim, financé par le CER, vise à développer un simulateur de dynamique des réseaux électriques basé sur des réseaux neuronaux, hautement modulaire, évolutif et pouvant être jusqu’à 100 fois plus rapide que les alternatives commerciales actuelles, ce qui réduit considérablement le temps nécessaire aux évaluations de stabilité.

Objectif

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.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

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

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2025-POC

Voir tous les projets financés au titre de cet appel

Institution d’accueil

DANMARKS TEKNISKE UNIVERSITET
Contribution nette de l'UE
€ 134 000,00
Adresse
ANKER ENGELUNDS VEJ 101
2800 Kongens Lyngby
Danemark
Région
Danmark Hovedstaden Københavns omegn
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée

Bénéficiaires (2)