Proposition de sujet de thèse PhD thesis proposal
Transcription
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