Proposition de sujet de thèse PhD thesis proposal

.
Proposition de sujet de thèse
PhD thesis proposal
Titre : Optimisation et simulation de réseaux électriques sur environnements massivement
parallèles hétérogènes
Title : Optimization and simulation of electrical networks using massively parallel
heterogeneous computing
Encadrant/Supervisor :

Nouredine Melab, Professor, [email protected], Université Lille 1, Inria Lille, LIFL

Daniel Tuyttens, Professor, [email protected], Université de Mons

Mohand Mezmaz, Research Assistant, [email protected], Université de
Mons
Mots clés : Modélisation; Simulation; Réseau électrique; Optimisation; Calcul multi/manycoeurs
Keywords : Modeling; Simulation; Electricity network; Optimization; Multi/many-core
computing
Description du sujet :
Ces dernières années, le domaine de la production et du transport de l’électricité a subi de
profonds changements suite à la libéralisation du marché. De plus, la décentralisation de
la génération de puissance est amplifiée par la construction massive d’éoliennes et de
panneaux solaires. Une planification optimale du réseau de distribution a un impact
financier important se traduisant directement par des bénéfices pour l’opérateur et
indirectement par des économies pour les clients. Le but d’un opérateur est de minimiser
le coût des investissements tout en maximisant la fiabilité du réseau, et de minimiser les
pertes d’énergie tout en minimisant le risque d’un défaut d’alimentation. Dans ce contexte,
la maîtrise des réseaux électriques s’avère essentielle et leur modélisation se doit d’être
de plus en plus fine, ce qui complexifie fortement leur optimisation et leur simulation.
Les problèmes d’optimisation de réseaux électriques sont souvent de nature combinatoire
(par exemple, le nombre de solutions d’investissement possibles est considérable),
stochastique (par exemple, la consommation des clients est connue avec incertitude),
dynamique (par exemple, la solution d’investissement d’aujourd’hui détermine la solution
d’investissement de demain), et complexe (puisque différents problèmes d’optimisation
sont rencontrés). En outre, les problèmes d’optimisation de réseaux électriques sont
souvent de grande taille.
Qu’elle soit exacte ou approchée, leur résolution nécessite l’utilisation du parallélisme
massif. Dans cette thèse, on s’intéresse aux environnements massivement parallèles et
hétérogènes comportant à la fois des processeurs multi-coeurs et des accélérateurs
graphiques de type GPU. La prise en compte des caractéristiques de tels environnements
pose plusieurs défis notamment la gestion des pannes, l’optimisation des communications
[1], le partage du travail entre les ressources, la gestion de la divergence de threads sur
GPU [2], le passage à l’échelle, etc.
L’objectif de cette thèse est de proposer des méthodes avancées issues de la recherche
opérationnelle et du calcul massivement parallèle et hétérogène pour l’optimisation du
transport et de la distribution de l’énergie dans les réseaux électriques. Cette thèse repose
donc sur les compétences complémentaires du partenaire de Lille pour le calcul parallèle
et du partenaire de Mons pour la recherche opérationnelle. De plus, elle bénéficiera de
l’expertise et des données réelles fournies par Tractebel Engineering, qui est une société
de conseil en ingénierie pour l’énergie et les infrastructures de GDF SUEZ, dans le
domaine de la gestion des réseaux électriques.
Description of the proposal :
In recent years, the field of generation and transmission of electricity has undergone deep
changes as a result of market liberalization. In addition, the decentralization of power
generation is amplified by the massive construction of wind turbines and solar panels.
Optimal planning of distribution network has an important financial impact which means
direct benefits for the distribution system operator and indirect savings for customers. The
goal for an operator is to minimize the investment cost while maximizing reliability, and to
minimize the loss of energy while minimizing the risk of a supply failure. In this context,
understanding electrical networks is essential, and their modeling needs to be increasingly
finer, which greatly complicates their optimization and simulation.
Optimization problems in electrical network are often combinatorial (for example, the
number of possible investment solutions is considerable), stochastic (for example,
customer consumption is known with uncertainty), dynamic (for example, the present
investment choices determine the future investment choices), and complex (since different
optimization problems are encountered). In addition, the optimization problems in electrical
networks are often large.
The resolution of these problems requires the use of high performance computing
systems. In this thesis, we focus on massively parallel and heterogeneous environments
including both multi-core processors and GPU accelerators. Taking into account the
characteristics of such environments raises several challenges including fault tolerance,
communication optimization [1], work sharing between computing resources, thread
divergence reduction within a GPU [2], scalability, etc.
The aim of this thesis is to propose advanced methods using operations research and
massively parallel heterogeneous computing for the optimization of the distribution
planning in electrical networks. This PhD thesis is therefore based on the complementary
skills of the partner from Lille for parallel computing and the partner from Mons for
operations research. In addition, the thesis will benefit from the expertise and real data
provided by Tractebel Engineering, which is an independent company within the GDF
SUEZ Energy Services business unit of GDF SUEZ.
Références/References :
[1] I. Chakroun, N. Melab, M. Mezmaz, and D. Tuyttens. Combining multi-core and GPU
computing for solving combinatorial optimization problems. Journal of Parallel and
Distributed Computing, 2013. DOI: 10.1016/j.jpdc.2013.07.023.
[2] I. Chakroun, M. Mezmaz, N. Melab, and A. Bendjoudi. Reducing thread divergence in a
GPU-accelerated branch-and-bound algorithm. Concurrency and Computation: Practice
and Experience, 25(8):1121–1136, June 2013. DOI: doi/10.1002/cpe.2931.
Ce sujet est-il susceptible de faire l’objet d’un co-financement entre la Maison de la
Simulation et un autre établissement : Oui
Le cas échant, établissement partenaire : MARO/Université de Mons