Opis projektu
Eliminowanie barier stojących przed uczeniem maszynowym w zastosowaniach związanych z energetyką
Dzięki podejściu opartemu na danych firmy i podmioty zajmujące się generowaniem i dostarczaniem energii odnawialnej mogą skuteczniej zarządzać jej źródłami zależnymi od zmiennych warunków naturalnych oraz niepewnościami związanymi z prognozami pogody czy awarią sprzętu. Nowe rozwiązania, w porównaniu z tradycyjnym podejściem opartym na modelu. umożliwiają przyspieszenie wykonywania złożonych zadań obliczeniowych związanych z zapewnieniem stabilności sieci 250–1 000 razy. Ponieważ jednak systemy energetyczne mają kluczowe znaczenie dla bezpieczeństwa, nie możemy stosować w nich podejścia opartego na danych, jak długo pozostaje ono czarną skrzynką. Finansowany ze środków UE projekt VeriPhIED posłuży wprowadzeniu metod bazujących na danych, które będą korzystać podstawowych fizycznych właściwości sieci energetycznych. W szczególności w ramach projektu powstanie propozycja rozwoju świadomych istnienia fizyki, weryfikowalnych sieci neuronowych i procedur ich szkolenia, które pozwolą uzyskać gwarancje projektowe w zakresie dokładności przewidywań sieci neuronowej.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Przepraszamy… podczas wykonywania operacji wystąpił nieoczekiwany błąd.
Wymagane uwierzytelnienie. Powodem może być wygaśnięcie sesji.
Dziękujemy za przesłanie opinii. Wkrótce otrzymasz wiadomość e-mail z potwierdzeniem zgłoszenia. W przypadku wybrania opcji otrzymywania powiadomień o statusie zgłoszenia, skontaktujemy się również gdy status ulegnie zmianie.
Program(-y)
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
GŁÓWNY PROGRAM
Wyświetl wszystkie projekty finansowane w ramach tego programu
Temat(-y)
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.
System finansowania
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.
ERC-STG - Starting Grant
Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania
Zaproszenie do składania wniosków
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.
(odnośnik otworzy się w nowym oknie) ERC-2020-STG
Wyświetl wszystkie projekty finansowane w ramach tego zaproszeniaInstytucja przyjmująca
Kwota netto dofinansowania ze środków Unii Europejskiej. Suma środków otrzymanych przez uczestnika, pomniejszona o kwotę unijnego dofinansowania przekazanego powiązanym podmiotom zewnętrznym. Uwzględnia podział unijnego dofinansowania pomiędzy bezpośrednich beneficjentów projektu i pozostałych uczestników, w tym podmioty zewnętrzne.
2800 KONGENS LYNGBY
Dania
Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.