Equipe LLNL desenvolve novo software para responder a uma variedade de falhas de rede

É de extrema importância garantir que nossa rede de energia elétrica possa funcionar sem problemas, mesmo durante desastres naturais, condições climáticas severas e ataques. Este é um desafio crucial de segurança nacional que precisa ser enfrentado de forma proativa. No entanto, manter a rede funcionando de forma eficaz pode ser ainda mais desafiador com a quantidade crescente de fontes de energia renováveis, como solar e eólica, sendo adicionadas à rede.

Para desenvolver estratégias de controle de rede mais eficientes em cenários de emergência, uma equipe de especialistas de várias instituições desenvolveu um software capaz de otimizar a resposta da rede a possíveis eventos de interrupção em diferentes cenários climáticos no supercomputador Frontier exascale do Oak Ridge National Laboratory (ORNL). A Frontier alcançou recentemente um marco de execução em velocidades exascale de mais de um quintilhão de cálculos por segundo.

A equipe, incluindo pesquisadores do LLNL, ORNL, do National Renewable Energy Laboratory (NREL) e do Pacific Northwest National Laboratory, foi reunida no LLNL em Livermore, Califórnia, para o projeto ExaSGD do Exascale Computing Project.

O software, chamado HiOp, executou a maior simulação do gênero até hoje para otimizar a resposta da rede elétrica a possíveis eventos de interrupção em diferentes cenários climáticos. Para testar sua capacidade, os pesquisadores executaram o HiOp em 9.000 nós da máquina Frontier. Em um processo de 20 minutos, ele foi capaz de ajudar os pesquisadores a determinar pontos de ajuste de rede elétrica seguros e com ótimo custo-benefício em mais de 100.000 possíveis falhas de rede e cenários climáticos.

O projeto enfatizou o fluxo de energia ideal com restrições de segurança, um reflexo das restrições de tensão e frequência do mundo real dentro das quais a rede deve operar para permanecer segura e confiável.

“Como a lista de possíveis falhas na rede elétrica é grande, esse problema é muito exigente computacionalmente,” dito matemático computacional e investigador principal para LLNL Cosmin Petra. “O objetivo deste projeto foi mostrar que os computadores exascale são capazes de resolver exaustivamente este problema de maneira consistente com as práticas atuais que os operadores da rede elétrica possuem.”

Atualmente, é necessário um operador humano para responder a falhas na rede. Ele pode ou não ser capaz de determinar como manter a rede funcionando de forma ideal sob diferentes previsões de energia renovável.

Para comparação, os operadores de sistema que usam hardware de computação comum normalmente consideram apenas cerca de 50 a 100 contingências escolhidas a dedo e 5 a 10 cenários climáticos.

“Esse problema computacional pode se tornar ainda mais relevante no futuro, no contexto de eventos climáticos extremos”, Petra disse no comunicado de imprensa. “Poderíamos usar a pilha de software executada no Frontier para minimizar as interrupções causadas por furacões ou incêndios florestais ou para projetar a rede para ser mais resiliente a longo prazo em tais cenários, apenas para dar um exemplo.”

A versão mais recente do HiOp contém várias melhorias de desempenho e novas técnicas de compressão de álgebra linear que ajudaram a melhorar a velocidade do software de código aberto por um fator de 100 nas GPUs da máquina exascale ao longo do projeto.

A equipe foi capaz de utilizar essas GPUs cada vez melhor, superando as CPUs em muitos casos, e isso foi uma conquista e tanto devido à natureza esparsa e semelhante a gráficos de seus cálculos. As execuções da Frontier foram validadas por colegas do PNNL usando ferramentas padrão do setor. Isso mostrou que os pontos de ajuste de energia pré-contingência computados reduzem drasticamente as interrupções pós-contingência com aumento mínimo no custo de operação.

Como a pilha de software de otimização é de código aberto e leve, os operadores do sistema de grade podem reduzir o tamanho da tecnologia e incorporá-la em suas práticas atuais em sistemas HPC de commodities de maneira econômica.