PSR testa GPUs da Nvidia para acelerar modelos do setor elétrico

PSR testa GPUs da Nvidia para acelerar modelos do setor elétrico

A PSR está testando, em colaboração com a Nvidia, o uso de processadores gráficos (GPUs) para acelerar os cálculos de modelos matemáticos utilizados no planejamento do setor elétrico.

Em um dos experimentos, a empresa conseguiu resolver em aproximadamente 42 minutos um problema de expansão da capacidade de geração com 100 cenários e 185 milhões de variáveis matemáticas, utilizando oito GPUs. Em outro teste, com dez cenários, o processamento foi cerca de 15 vezes mais rápido que o realizado com um programa convencional executado em CPU.

Os resultados foram divulgados em 7 de outubro pela PSR, empresa brasileira especializada em consultoria e desenvolvimento de modelos computacionais para o setor de energia, e pela Nvidia, companhia americana que desenvolve processadores e softwares utilizados em computação de alto desempenho e inteligência artificial.

Os modelos matemáticos utilizados no setor elétrico permitem avaliar questões como quais usinas precisam ser construídas, quando realizar novos investimentos e como operar o sistema ao menor custo possível, considerando fatores como demanda, condições hidrológicas e disponibilidade de geração renovável.

Esses problemas são tradicionalmente resolvidos por programas conhecidos como solvers, executados em processadores convencionais, chamados de CPUs. Conforme aumenta o número de cenários e o detalhamento dos estudos, cresce também a quantidade de cálculos necessários para encontrar uma solução.

Como funcionam as GPUs

A diferença entre CPUs e GPUs está na maneira como realizam o processamento. Enquanto as CPUs são projetadas para executar diferentes tipos de tarefas e coordenar as operações de um computador, as GPUs são especializadas em realizar muitos cálculos semelhantes simultaneamente.

Originalmente desenvolvidas para processar imagens e gráficos, as GPUs passaram a ser utilizadas também em aplicações que exigem grande capacidade de processamento, como inteligência artificial e simulações científicas.

Essa característica pode acelerar a resolução de modelos matemáticos, mas exige algoritmos adaptados para distribuir os cálculos entre diferentes unidades de processamento.

No trabalho com a PSR, a Nvidia utiliza uma tecnologia chamada mPDLP, que busca resolver grandes problemas de otimização por meio de sucessivas aproximações da solução. O avanço está na possibilidade de dividir os cálculos de um mesmo problema entre várias GPUs, que trabalham em paralelo.

Os experimentos foram realizados com um modelo de planejamento da expansão do sistema elétrico, que avalia alternativas de investimento para atender à demanda futura de energia, considerando diferentes cenários hidrológicos e perfis de geração renovável.

O modelo representa todas as 8.760 horas do ano, permitindo considerar as variações da geração e do consumo ao longo do dia e a operação de sistemas de armazenamento, como baterias.

Nos testes, a PSR comparou o desempenho dos programas à medida que aumentava o número de cenários analisados. Com dez cenários, o processamento em oito GPUs foi 14,9 vezes mais rápido que o realizado em CPU. Quando o problema passou a considerar 20 cenários, o programa executado em CPU não conseguiu concluir os cálculos dentro do limite de quatro horas, enquanto a configuração com GPUs terminou o processamento.

O maior problema testado considerou 100 cenários, com 185 milhões de variáveis e 140 milhões de restrições matemáticas. Utilizando oito GPUs Nvidia B200, o processamento foi concluído em 2.492 segundos, aproximadamente 42 minutos. Não foi obtido um resultado equivalente em CPU para comparação.

A comparação utilizou algoritmos e equipamentos diferentes. Portanto, os resultados não representam uma medida isolada do ganho obtido apenas pela substituição de CPUs por GPUs.

Segundo Raphael Sampaio, head de pesquisa e desenvolvimento da PSR, o objetivo é ampliar a capacidade de processamento para trabalhar com modelos mais complexos, sem precisar reduzir o detalhamento dos estudos para viabilizar sua execução.

“O potencial dessa abordagem não se limita à redução do tempo de processamento: também permite explorar modelos mais detalhados e um número maior de cenários, com menor necessidade de simplificações motivadas por limitações computacionais”, afirmou.

De acordo com Sampaio, essa capacidade também pode permitir uma representação mais detalhada das redes de transmissão e distribuição e de seus limites operacionais.

A iniciativa ocorre em paralelo ao uso de inteligência artificial na automação das ferramentas da PSR. Segundo Sampaio, enquanto agentes de IA podem auxiliar na preparação, execução e análise dos estudos, o processamento em GPUs atua diretamente na resolução dos modelos matemáticos.

Fonte: megawhat.uol.com.br

VEJA TAMBÉM