E-CUBE Strategy Consultants SA, cabinet de conseil en stratégie dans les secteurs de l’énergie et de la mobilité, et Visium Technologies SA, spécialiste des solutions d’Intelligence Artificielle viennent de commettre une publication consacrée à des études de cas d’application concrets de méthodes de Machine Learning dans le secteur de l’énergie. A la baguette de cette publication : Nicolas Charton, Managing Director du bureau de Lausanne d’E-CUBE Strategy. L’objectif de cette étude est d’allier les expertises de ces deux entreprises afin d’étudier des cas d’application concrets des technologies d’Intelligence Artificielle, et plus précisément des méthodes de Machine Learning, dans le secteur de l’énergie.
Dans la perspective de libéralisation complète du marché de la fourniture d’électricité, ces applications de l’IA représentent un potentiel de réduction des coûts (maintenance prédictive, outils de gestion personnalisée des clients) ou une opportunité de positionnement dans les activités de services (optimisation des flux énergétiques, pilotage intelligent de la consommation, gestion de regroupements et de nouvelles interfaces de consommation/production) pour les distributeurs et fournisseurs d’électricité.
Les enjeux de la gestion intelligente de la consommation
Le développement d’objets connectés associé à l’utilisation de technologies d’Intelligence Artificielle permet de déployer des outils d’assistance à la consommation et de gestion intelligente de l’énergie, dans le secteur B2B notamment. Il peut s’agir par exemple de systèmes de prédiction et de gestion de la consommation en temps réel, basés sur le recours au stockage et à l’autoconsommation, et qui peuvent permettre de déployer des microgrids.
Le développement de systèmes de gestion intelligente de la consommation intervient dans un contexte de production d’énergie de plus en plus distribuée et de déploiement de flexibilités afin de gérer cette distribution. Les outils prédictifs qui agrègent et optimisent l’utilisation de ces différents actifs en temps
réel favorisent le déploiement de réseaux d’énergie locaux et permettent une réduction des coûts de consommation.
« L’intelligence » et les recommandations ne sont pas toujours décisives pour réaliser des économies d’énergie. Les chiffres optimistes évoquent 5% à 20% d’économie. eLum annonce ainsi un objectif de réduction de la facture d’électricité pour les industriels allant jusqu’à 20% grâce à l’optimisation temps réel de leur consommation couplée à une production propre, le plus souvent solaire. Il apparait plus probable que la contribution de ces technologies représente quelques pourcents sur l’ensemble de la consommation car les données disponibles à ce jour sont limitées. Ces dernières seront cependant enrichies dans un futur proche.
Approche technique
Les systèmes de gestion intelligente de la consommation et de la production se basent sur les données de production d’installations renouvelables notamment solaires et sur des données externes (météo, tarifs d’électricité, etc.) et des données liées à l’état des réseaux (charge, tension, fréquence, etc.). L’installation de compteurs communicants est nécessaire pour pouvoir prédire en temps réel. La prédiction de la consommation et de la production d’énergie pour la gestion énergétique en temps réel peut être effectuée à l’aide d’algorithmes de régression du type forêt d’arbres décisionnels ou machine de Boltzmann restreinte, une forme de réseau de neurones.
Plus d’infos…
