Descrizione del progetto
Eliminare le barriere per le applicazioni di apprendimento automatico nei sistemi di potenza
Gli approcci basati sui dati consentono ai fornitori e alle aziende di energie rinnovabili di gestire meglio la natura variabile delle fonti di tali tipologie di energia e le incertezze legate alle previsioni meteorologiche e ai guasti dei componenti. Rispetto agli approcci tradizionali basati su modelli, questi sono in grado di gestire la pura e semplice complessità computazionale di mantenere la stabilità della rete, pur essendo tra le 250 e le 1 000 volte più veloci. Tuttavia, i sistemi di potenza sono sistemi critici per la sicurezza e gli approcci basati sui dati non possono essere applicati se questi sistemi continuano ad essere una scatola nera. Il progetto VeriPhIED, finanziato dall’UE, introdurrà metodi basati sui dati che sfruttano le proprietà fisiche sottostanti dei sistemi di potenza. In particolare, proporrà lo sviluppo di reti neurali verificabili e consapevoli della fisica, nonché di una procedura di formazione per reti neurali in grado di garantire, attraverso la progettazione, l’accuratezza della previsione delle reti neurali.
Obiettivo
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.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
- scienze naturali informatica e scienze dell'informazione intelligenza artificiale intelligenza computazionale
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Siamo spiacenti… si è verificato un errore inatteso durante l’esecuzione.
È necessario essere autenticati. La sessione potrebbe essere scaduta.
Grazie per il tuo feedback. Riceverai presto un'e-mail di conferma dell'invio. Se hai scelto di ricevere una notifica sullo stato della segnalazione, sarai contattato anche quando lo stato della segnalazione cambierà.
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
ERC-STG - Starting Grant
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) ERC-2020-STG
Vedi tutti i progetti finanziati nell’ambito del bandoIstituzione ospitante
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
2800 KONGENS LYNGBY
Danimarca
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.