L’Edge Computing (informatique en périphérie) offre une approche alternative au cloud. Le principe est d’exécuter les applications sur le terrain, au plus près des sources de données. Un nouveau cas d’usage de l’IA en périphérie est le contrôle sécurisé et autonome des futurs réseaux électriques ayant une part élevée de sources d’énergie renouvelables. Afin de garantir la qualité de tension à tous niveaux du réseau, le fonctionnement sûr et fiable du réseau, et d’éviter une expansion coûteuse des infrastructures de réseau électrique, les sources d’énergie renouvelable, les unités de stockage de batteries distribuées et les charges contrôlables doivent être intelligemment connectées les unes aux autres. Un tel système est très complexe et nécessitera l’utilisation de l’IA.
Aujourd’hui, la plupart des applications industrielles basées sur l’intelligence artificielle (IA) s’appuient sur des infrastructures Cloud qui offrent d’importantes capacités de calcul et de stockage. Mais de nouvelles exigences et contraintes remettent en cause cette approche technologique.
L’objectif du projet AI4DG est d’étudier et de développer une plateforme d’IA en périphérie pour assurer un contrôle sécurisé et autonome du réseau de distribution avec une part élevée de renouvelable. Un tel système est très complexe et pour soutenir la stabilité du réseau local, il aura besoin de l’IA pour estimer l’état actuel du réseau, pour prévoir la production d’électricité des sources de production renouvelable et pour optimiser les services système réseau en exploitant la charge et la décharge des batteries.
Un système complexe, dans lequel les composants d’un futur réseau électrique sont connectés les uns aux autres, est sujet aux pannes, en particulier si le contrôle des composants est effectué de façon centralisée. Pour garantir un fonctionnement sûr et fiable du réseau, la communication doit être sécurisée et pour garantir que l’IA fonctionne en toute sécurité, une approche décentralisée avec l’IA en périphérie est envisagée. Si une IA sur un nœud distribué échoue, une autre unité peut prendre le contrôle. Pour cette approche d’IA en périphérie, le Cognitive-Edge-Computing est considéré pour permettre un contrôle efficace, réduisant les ressources hardware nécessaires (CPU, stockage de données, échanges de communication) et assurant la sécurité et confidentialité des données. Les méthodes d’IA étudiées et développées et l’architecture Cognitive Edge Computing sont validées dans un laboratoire de simulation de réseau et évaluées en expérimentation terrain sur des réseaux électriques de gestionnaires de réseau de distribution.