Le Challenge RTE
Les fluctuations du réseau électrique, voire les black-out régionaux, deviennent un problème de plus en plus récurant dans le monde entier. La raison est la complexité croissante des réseaux électriques. Les systèmes classiques des gestionnaires de réseau atteignent donc leurs limites et ne peuvent souvent atteindre la stabilité nécessaire que par une interaction manuelle.
Pour remédier à ce problème et relever les défis des réseaux décentralisés, le gestionnaire français du réseau de transport d'électricité (RTE) a lancé dès 2017 le défi L2RPN "learning to run a powergrid". Dans le cadre de ce concours, des équipes internationales de chercheurs ont été invitées à développer des solutions pour optimiser les réseaux électriques.
L'une des approches les plus prometteuses dans ce domaine est le Reinforcement Learning (RL). Il s'agit d'une méthode d'apprentissage automatique qui consiste en la recherche de solutions intelligentes à des problèmes de contrôle complexes. L'objectif était d'entraîner des agents IA, sur la base d'un environnement de simulation réaliste, jusqu'à ce qu'ils trouvent des stratégies optimales contre un éventuel black-out, en fonction d'indicateurs clés de performance prédéfinis (KPI).
