Inspirés par le modèle AI génératif populaire ChatGPT, le Pacific Northwest National Laboratory a développé un outil pour récupérer les données du réseau électrique et fournir des résumés textuels ainsi que des cartes interactives aux opérateurs de réseau.
Les opérateurs de réseau se réfèrent souvent aux données sur les dynamiques d’interconnexion régionale et l’infrastructure lorsqu’ils gèrent le flux d’électricité, l’offre, la demande et d’autres fonctions critiques. ChatGrid, un outil inspiré du chatbot d’intelligence artificielle (AI) populaire ChatGPT, accélère ce processus grâce à un format de questions-réponses simple : un utilisateur pose une question et ChatGrid présente la réponse avec une visualisation du réseau géospatial.
En utilisant un modèle Transformer pré-entraîné génératif (GPT) du créateur de ChatGPT, OpenAI, le Pacific Northwest National Laboratory (PNNL) a conçu un outil de requête en langage naturel pour répondre aux questions sur la capacité et l’emplacement de production, le flux d’électricité, la tension et d’autres données basées sur les résultats d’un modèle d’optimisation du réseau à grande échelle.
Une représentation artistique du concept ChatGrid. Image utilisée avec l’aimable autorisation de PNNL/par Cortland Johnson
Par exemple, un opérateur pourrait demander la capacité de production des principales éoliennes dans la partie californienne du réseau synchrone d’interconnexion de l’Ouest, qui s’étend du nord-ouest du Canada à la Basse-Californie au Mexique. ChatGrid fournit instantanément une liste statewide des générateurs et une visualisation interactive. Grâce à ces données, les opérateurs peuvent rapidement faire face aux pannes liées aux conditions météorologiques, aux défaillances d’équipement et à d’autres perturbations.
La visualisation du réseau de ChatGrid en action. Image utilisée avec l’aimable autorisation de PNNL (convertie d’une vidéo en GIF)
ChatGrid fait partie du nouveau Centre d’IA, qui centralise les projets d’IA de l’ensemble du laboratoire du PNNL.
Comment fonctionne ChatGrid
ChatGrid est alimenté par GPT-3.5-Turbo d’OpenAI, un modèle AI génératif permettant aux développeurs de créer des chatbots et d’accepter plusieurs messages en tant qu’entrées. PNNL a également utilisé LangChain, un cadre d’intégration pour les applications prenant en charge les grands modèles de langage.
Les modèles GPT sont formés sur des sites web, des livres, des articles et d’autres sources en ligne. Pour affiner leur version du modèle AI, PNNL a pris en compte la sensibilité de l’infrastructure nationale du réseau. Comme mesure de sécurité, l’équipe a compilé une base de données interne comprenant des colonnes pour la capacité des centrales électriques et leurs emplacements. Ils ont ensuite utilisé un langage de requête structuré (SQL) pour permettre à ChatGrid de rechercher les colonnes et les étiquettes de la base de données plutôt que d’accéder directement aux données.
Outre la sécurité, PNNL a constaté d’autres avantages à utiliser la méthode SQL. Des expériences ont comparé les performances de l’analyse basée sur du texte – stockant les données sous forme de texte – et des bases de données SQL. Après avoir testé différentes requêtes sur chaque type de données, ils ont constaté que la base de données SQL fournissait des réponses plus précises que l’agent basé sur du texte, qui avait tendance à générer uniquement un sous-ensemble de la réponse correcte pour un grand ensemble de données en raison de la taille limitée de la sortie de tokens autorisée par GPT-3, avec un maximum de 4 096 tokens.
La conception architecturale de ChatGrid. Image utilisée avec l’aimable autorisation de ExaGO
Voici comment cela fonctionne : un utilisateur peut demander : « Montre-moi les générateurs au Nevada avec au moins 600 MW. » Le modèle de projet GPT-3 fait référence aux étiquettes de la base de données pour répertorier les générateurs pertinents à travers le réseau régional. À partir de là, l’utilisateur peut demander : « Montre-moi les unités de génération avec la capacité restante la plus élevée. » ChatGrid exécute la requête SQL et renvoie davantage de données de sortie visualisant les unités de génération. Les utilisateurs peuvent également filtrer les données des lignes de transmission telles que la tension et le flux.
ChatGrid comprend cinq couches interactives : un réseau géographique avec des postes électriques et des lignes de transmission, une animation du flux d’électricité, une couche 3D avec des informations sur les générateurs et deux couches au niveau du comté montrant la tension et les données de charge.
Basé sur un modèle de supercalculateur exascale
Pour des raisons de sécurité, les visualisations de ChatGrid ne montrent pas de données réelles du réseau. Elles utilisent uniquement des informations synthétisées produites par le modèle ExaGO d’optimisation du réseau exascale, un outil logiciel gratuit développé par les laboratoires nationaux du Département de l’Énergie (DOE) et l’Université de Stanford. ExaGO produit une simulation en temps réel du réseau électrique afin que les planificateurs de réseau puissent visualiser les perturbations.
ExaGO, développé dans le cadre du projet de calcul exascale du DOE, a effectué sa première exécution l’année dernière sur l’ordinateur Frontier du Oak Ridge National Laboratory, qui effectue plus de 1 quintillion de calculs par seconde. Le calcul exascale avancé est cinq fois plus rapide que les supercalculateurs les plus puissants.
ExaGO peut résoudre des problèmes d’optimisation du réseau à grande échelle tels que le flux optimal de puissance alternatif en courant continu (ACOPF), l’un des défis d’optimisation les plus critiques dans la gestion des systèmes électriques. Dans les réseaux en courant alternatif, les générateurs doivent fournir de l’électricité aux charges dans les contraintes pertinentes, mais la nature des équations de flux de puissance rend cela difficile.
Les réseaux de deep learning peuvent prédire les solutions ACOPF dans différents paramètres, y compris les problèmes OPF multipériodiques et contraints par des situations de contingence.
ExaGO visualise le réseau électrique américain. Image utilisée avec l’aimable autorisation de ExaGO
Maintenant que ChatGrid est intégré à ExaGO, le PNNL prévoit de recueillir les commentaires des utilisateurs intéressés par le test de l’outil avec différentes formulations de requêtes. Il est disponible en téléchargement sur GitHub.
L’objectif suivant du projet est de créer une version réduite que les opérateurs peuvent utiliser dans les salles de contrôle avec des ordinateurs standard.