Description du projet
Éliminer les obstacles aux applications d’apprentissage automatique dans les réseaux électriques
Les approches fondées sur les données permettent aux entreprises et aux services publics de mieux gérer la nature fluctuante des sources d’énergie renouvelables, ainsi que les incertitudes liées aux prévisions météorologiques et aux défaillances des composants. En comparaison avec les approches traditionnelles basées sur des modèles, celles-ci sont capables de gérer la complexité de calcul du maintien de la stabilité du réseau tout en étant 250 à 1 000 fois plus rapides. Cependant, les systèmes électriques sont des systèmes critiques pour la sécurité, et les approches fondées sur les données s’avèrent inapplicables si ces systèmes demeurent une boîte noire. Le projet VeriPhIED, financé par l’UE, présentera des méthodes fondées sur les données qui exploitent les propriétés physiques sous-jacentes des systèmes électriques. Il comprendra en particulier le développement de réseaux neuronaux vérifiables adaptés à la physique, ainsi qu’une procédure de formation des réseaux neuronaux permettant de garantir, par conception, la précision de leurs prévisions.
Objectif
Measures against global warming require disruptive changes in the electricity sector. Drastically reducing CO2 emissions involves replacing bulk generation units with millions of renewable energy sources, along with a rapid increase of electricity demand. Maintaining the stability of the system with current approaches becomes not only computationally intractable, but also extremely costly. Recently proposed data-driven methods have been shown to handle the sheer complexity and have an impressive performance, achieving higher accuracy while being 250-1000 times faster than traditional methods. However, power systems are safety-critical systems, where data-driven methods will never be applied if they remain a black-box.
This proposal removes the barriers for the application of data-driven approaches in power system problems, proposing methods that exploit the underlying physical properties of power systems. We propose the development of physics-aware verifiable neural networks and a neural network training procedure that can supply by-design guarantees of the neural network prediction accuracy. Accuracy does no longer need to be a statistical metric. Instead, our methods can supply a provable upper bound of the prediction error over the whole input space, that the power system operators can trust. We further show how neural networks can capture non-linear constraints impossible to capture before, and can reduce any non-linear optimization problem to a tractable mixed-integer linear program with verified accuracy, potentially boosting computation speed and tractability. From a power systems context, this enables us to treat power system dynamics and optimization in a unified framework that accurately captures the true feasible region, removes various approximations, and eliminates redispatching costs, saving billions of euros per year. The proposed methods naturally extend beyond power systems, finding application to a wide range of physical safety-critical systems.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles informatique et science de l'information intelligence artificielle intelligence de calcul
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
ERC-STG - Starting Grant
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2020-STG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
2800 KONGENS LYNGBY
Danemark
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.