Foundation Twins: A New Generation of Power Systems Digital Twins using Foundation AI Models

Résumé technique : Jumeaux Fondation : Une nouvelle génération de jumeaux numériques pour les systèmes électriques utilisant des modèles d'IA fondation

Énoncé du problème
Les systèmes électriques sont intrinsèquement des systèmes multi-échelles temporelles, englobant des phénomènes physiques et des processus de prise de décision qui s'étendent de la microseconde (par exemple, le contrôle de fréquence, les protections) à plusieurs décennies (par exemple, la planification de l'expansion). Les concepts actuels de jumeaux numériques (DN) pour les systèmes électriques restent éloignés de la mise en œuvre pratique car ils manquent de la capacité à fournir une prise de décision unifiée à travers ces échelles temporelles, horizons et périmètres géographiques disparates. Les approches traditionnelles reposent souvent sur la division des variables du système en sous-vecteurs séparés (dynamiques lentes, rapides et intermédiaires) pour gérer la complexité, ce qui aboutit à des modèles fragmentés incapables de transférer efficacement l'information, l'incertitude et les décisions entre les échelles temporelles. Par conséquent, il existe un fossé critique entre les cadres d'exploitation et de planification des systèmes électriques, limitant la résilience du système. L'article soutient que la recherche existante n'a pas encore livré un DN capable de combler ce fossé sans recourir à des modèles distincts basés sur la physique exploitant la séparation des dynamiques.

Méthodologie : L'architecture des Jumeaux Fondation
L'article propose un nouveau concept appelé Jumeaux Fondation, qui exploite les récents progrès de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML), en particulier les modèles fondation et l'apprentissage par renforcement (RL). Plutôt qu'un modèle monolithique unique, l'architecture proposée consiste en plusieurs modèles d'IA fondation spécialisés orchestrés par un Gestionnaire central, complétés par un cadre RL pour la prise de décision. L'architecture comprend les composants principaux suivants :

1. Module Gestionnaire : Agit comme coordinateur, recevant des tâches d'optimisation des opérateurs et configurant les paramètres des autres modèles. Il fait l'interface avec l'infrastructure physique pour les mesures et les actions de contrôle.
2. Modèle fondation de séries temporelles : Responsable de la génération de données de séries temporelles à diverses résolutions requises. Il comble les lacunes dans les données temporelles ou géographiques, fournit des prévisions pour les variables exogènes (par exemple, la production renouvelable, la demande) et s'assure que les données suivent les phénomènes physiques tout en gérant les valeurs extrêmes et les contraintes de conditionnement.
3. Modèle fondation d'estimation d'état : Estime l'état actuel du système électrique à l'échelle temporelle appropriée définie par le Gestionnaire. Il utilise les données de séries temporelles pour fournir des estimations d'état synchronisées à travers différentes vitesses opérationnelles.
4. Modèle fondation de système électrique : Sert de simulateur haute fidélité du système électrique physique. Son rôle principal est de prédire les états futurs du système et les récompenses à travers plusieurs échelles temporelles et horizons, pilotés par les actions proposées. Il vise à représenter plusieurs phénomènes physiques (transitoires, régime permanent) et incertitudes au sein d'un seul modèle.
5. Module Optimiseur (Architecture RL) : Implémente une structure Acteur-Critique. L'Acteur propose des actions basées sur l'état actuel, tandis que le Critique estime les récompenses cumulées futures basées sur les transitions d'état prédites par le Modèle fondation de système électrique. Ce module est conçu pour apprendre des politiques de prise de décision multi-échelles, potentiellement en utilisant un RL hiérarchique pour décomposer les objectifs à long terme en sous-objectifs.
6. Module Mémoire : Stocke les transitions état-action-récompense pour une référence future par l'Acteur et le Critique.

Contributions clés
Cet article est explicitement présenté comme un article de position plutôt que comme un article de recherche standard présentant des résultats expérimentaux. Ses contributions principales sont conceptuelles et visionnaires :

• Introduction des « Jumeaux Fondation » : Un nouveau paradigme pour les DN des systèmes électriques qui combine les caractéristiques de généralisation des modèles fondation avec les capacités de prise de décision du RL.
• Proposition architecturale : Un plan détaillé (Fig. 2) décrivant comment plusieurs modèles fondation spécialisés (Séries temporelles, Estimation d'état, Système électrique) peuvent être intégrés avec un optimiseur RL pour réaliser une prise de décision multi-échelles dans un écosystème unique.
• Identification des lacunes de recherche critiques : L'article identifie systématiquement les défis techniques spécifiques nécessaires pour réaliser cette vision, notamment :
  • Développer des architectures génératives unifiées pour les données de séries temporelles qui respectent la physique, gèrent plusieurs régimes énergétiques et modélisent les valeurs extrêmes sans effondrement du modèle.
  • Informer les modèles ML de la physique multi-échelles (par exemple, via des représentations continues ou des solveurs différentiables) pour assurer la généralisation et la convergence.
  • Créer des représentations d'état efficaces (par exemple, modèles hybrides séquence-graphe) qui sont invariantes aux changements de configuration du système électrique.
  • Résoudre les défis du RL hiérarchique, tels que la conception d'espaces latents réalisables pour l'optimisation des systèmes électriques et la répartition des objectifs à long terme en sous-objectifs sans perdre l'explicabilité.

Résultats et affirmations
En tant qu'article de position, l'ouvrage ne présente pas de résultats expérimentaux, de simulations ou de références de performance. Il affirme plutôt que l'architecture proposée répond aux limitations des DN actuels en :

• Éliminant le besoin de modèles distincts basés sur la physique pour différentes échelles temporelles.
• Permettant le transfert de connaissances (dynamiques, incertitudes, décisions) à travers tout le spectre des processus des systèmes électriques.
• Offrant une voie vers des systèmes électriques plus résilients en tenant compte simultanément des dynamiques rapides et lentes (par exemple, coordonnant la dispatch des DER avec les contraintes de stabilité).

L'auteur note que, bien que certains composants (comme les modules Gestionnaire et Mémoire) soient considérés comme moins complexes, la réalisation des Jumeaux Fondation dépend fortement de la surmontation de défis scientifiques majeurs dans le domaine du ML informé par la physique, de la représentation d'état et de la prise de décision hiérarchique.

Signification
L'article positionne les « Jumeaux Fondation » comme une évolution nécessaire pour la numérisation des systèmes électriques. Il soutient que les concepts actuels de DN sont à l'arrêt car ils ne peuvent pas gérer la nature multi-échelles des systèmes électriques. En exploitant les modèles fondation pour la simulation et la généralisation, combinés au RL pour la prise de décision, cette approche vise à offrir la capacité longtemps envisagée d'un jumeau numérique unifié et haute fidélité. L'article sert de feuille de route pour la recherche future, exhortant la communauté à se concentrer sur les obstacles techniques spécifiques identifiés (tels que la modélisation multi-échelles informée par la physique et la coordination du RL hiérarchique) pour faire passer les DN des systèmes électriques d'un concept lointain à une réalité déployable. L'auteur reconnaît que, bien que la proposition actuelle suive une perspective d'opérateur centralisé, le concept pourrait être étendu à des approches de prise de décision distribuée.