Pour PSR, le passage à Julia apporte :- Vitesse et productivité accrues.
- Temps de mise sur le marché réduit.
- Réduction du code du modèle d'optimisation des investissements de 40 000 lignes de code à 4 000 lignes de code et réduction du code du modèle SDDP de 120 000 lignes de code à 14 000 lignes de code.
- Gain de temps et d'argent.
- À aider à éliminer les bugs.
- Facilite la recherche et la correction des erreurs.
PSR est une société mondiale de conseil, d'analyse et de technologie en matière d'électricité et de gaz naturel, présente dans plus de 70 pays à travers le monde. Ils développent et autorisent des outils analytiques pour la planification et la simulation du marché de l'énergie à l'aide de techniques d'optimisation stochastique à plusieurs niveaux.
L'ingénieur en optimisation PSR Joaquim Dias Garcia explique :
Chaque pays dans lequel nous opérons a ses propres réglementations et exigences, et chaque organisation avec laquelle nous travaillons a ses propres exigences de personnalisation, donc notre capacité à être agile et plus rapide sur le marché nous donne un avantage concurrentiel distinct. Notre capacité à ajouter de nouvelles solutions et les nouvelles méthodologies utilisant Julia, avec des tests rapides, offrent le délai de rentabilisation le plus rapide pour PSR et nos clients.
Nous utilisons Julia pour les tâches quotidiennes, la recherche et le développement de logiciels, y compris les outils probabilistes reposant sur des simulations Monte Carlo, l'analyse de Fourier et les GPU.
Avec Julia + JuMP, esquisser un modèle d'optimisation et le mettre en production est une tâche unique qui résout une grande partie de notre problème « bilangue ». Étant donné que de nombreux algorithmes de programmation stochastique et méthodes probabilistes utilisées par PSR conviennent à la parallélisation, nous avons tiré parti du parallélisme inhérent à Julia. La bonne interface avec MPI et GPU offre beaucoup de possibilités et de flexibilité.
Actuellement, nous déployons sur AWS. Julia s'intègre très bien dans ce cadre. Nous développons généralement du code sur Windows avec un traitement en série et testons et déployons sur Linux avec un traitement parallèle.
Julia rend étonnamment facile l'écriture de code simple et transparent. La plupart du temps, le code est si clair que l'écriture de commentaires explicatifs est totalement inutile.
Notre modèle d'optimisation des investissements initialement construit en Fortran comportait environ 40 000 lignes de code. Dans Julia, il n'y a que 4 000 lignes de code, soit une réduction de 90 % du code. Notre modèle SDDP a été réduit de 88 %, passant de 120 000 à 14 000 lignes de code.
Julia permet le développement très rapide de modèles d'optimisation. De nombreuses nouvelles idées qui prenaient des jours ou des semaines à tester sont désormais testées en quelques heures. À l'avenir, nous prévoyons d'utiliser des fonctionnalités telles que la programmation de GPU et de migrer une plus grande partie de notre code vers Julia.
PSR utilise Julia depuis 2015. PSR a développé le wrapper Xpress.jl, et a contribué à KNITRO.jl, MathProgBase.jl, Gurobi.jl, GLPKMathProgInterface.jl, JuMP.jl et MathOptInterface.jl, de la conception à la programmation.
Nous utilisons Julia pour les tâches quotidiennes, la recherche et le développement de logiciels, y compris les outils probabilistes reposant sur des simulations Monte Carlo, l'analyse de Fourier et les GPU.
Avec Julia + JuMP, esquisser un modèle d'optimisation et le mettre en production est une tâche unique qui résout une grande partie de notre problème « bilangue ». Étant donné que de nombreux algorithmes de programmation stochastique et méthodes probabilistes utilisées par PSR conviennent à la parallélisation, nous avons tiré parti du parallélisme inhérent à Julia. La bonne interface avec MPI et GPU offre beaucoup de possibilités et de flexibilité.
Actuellement, nous déployons sur AWS. Julia s'intègre très bien dans ce cadre. Nous développons généralement du code sur Windows avec un traitement en série et testons et déployons sur Linux avec un traitement parallèle.
Julia rend étonnamment facile l'écriture de code simple et transparent. La plupart du temps, le code est si clair que l'écriture de commentaires explicatifs est totalement inutile.
Notre modèle d'optimisation des investissements initialement construit en Fortran comportait environ 40 000 lignes de code. Dans Julia, il n'y a que 4 000 lignes de code, soit une réduction de 90 % du code. Notre modèle SDDP a été réduit de 88 %, passant de 120 000 à 14 000 lignes de code.
Julia permet le développement très rapide de modèles d'optimisation. De nombreuses nouvelles idées qui prenaient des jours ou des semaines à tester sont désormais testées en quelques heures. À l'avenir, nous prévoyons d'utiliser des fonctionnalités telles que la programmation de GPU et de migrer une plus grande partie de notre code vers Julia.
PSR utilise Julia depuis 2015. PSR a développé le wrapper Xpress.jl, et a contribué à KNITRO.jl, MathProgBase.jl, Gurobi.jl, GLPKMathProgInterface.jl, JuMP.jl et MathOptInterface.jl, de la conception à la programmation.