Intelligence artificielle appliquée à l'ÉNERGIE

Comment peut-on s’assurer que l’électricité soit disponible dans les bonnes quantités, au bon endroit et au bon moment ? Nous vivons une période d’incertitude au niveau de l’approvisionnement énergétique et les projets de recherche qui permettent de répondre à cette question revêtent une importance décisive tant pour les entreprises que pour les citoyen-nes. Il s’agit avant tout de gérer les pointes de demande énergétique, par exemple lors de certaines heures de la journée ou durant les périodes de froid intense. Il serait possible de déplacer dans le temps de manière automatique la consommation électrique de certaines infrastructures. Ceci permettrait de réduire les achats d’énergie à l’étranger et de maximiser l’utilisation de la production locale. L’énergie intelligente pourrait rendre les réseaux plus fiables, moins chers et plus flexibles. 

Pour une meilleure gestion de l'énergie

Les algorithmes d’intelligence artificielle développés par les chercheur-euses de l’institut informatique proposent des solutions concrètes, notamment en matière de prévisions fiables de la consommation, de calcul de la consommation énergétique de référence ou de gestion des flux complexes de données énergétiques. Il s’agit d’optimiser la production, la distribution, la transformation, l’utilisation et le stockage de l’énergie (notamment dans les voitures électriques) en améliorant les systèmes, en mettant en exergue les courbes de charge, les facteurs de puissance ou les indicateurs d’efficacité énergétique, les usages énergétiques significatifs, les problématiques de sous-comptage grâce à des SCADA – Supervisory Control and Data Acquisition, soit des systèmes d’information permettant de collecter et d’analyser des données en temps réel. Ces mesures d’efficacité énergétique ont pour objectif de faire baisser l’empreinte carbone des activités humaines et d’éviter une pénurie d’énergie ou un blackout.

Nous entendons régulièrement parler de réseaux intelligents, de Microgrids ou de Smartgrids sans vraiment comprendre ce qui se cache derrière ces notions. Les Microgrids sont des réseaux régionaux, fermés et intelligents de distribution d’électricité, souvent des réseaux de petite à moyenne taille qui connectent directement producteur·trices et consommateur·trices. Quant aux Smartgrids, ce sont des réseaux intelligents et décentralisés (la production peut provenir de l’industrie ou des consommateur-trices) destinés à l’approvisionnement électrique. À la différence des Microgrids, les Smartgrids permettent à tous les acteur-trices de communiquer et de distribuer efficacement l’énergie en fonction des besoins grâce à des passerelles (dispositifs connectés à Internet et qui relient deux réseaux différents). 

La prochaine génération de réseau électrique

Il s’agit de la prochaine génération de réseau électrique capable de gérer la demande (consommation, production, distribution) de manière fiable et économique tout en intégrant les énergies renouvelables intermittentes (solaire, éolien). Ce réseau est géré au moyen de l’intelligence artificielle pour analyser simultanément les données de consommation et de production. Cela permet d’optimiser la distribution de l’énergie en fonction des conditions environnementales, du marché et des habitudes de consommation. 

Des solutions innovantes pour une gestion intelligente de l'énergie

Les chercheur-euses de la Haute Ecole de Gestion entendent proposer des solutions concrètes pour répondre à la demande croissante de gestion intelligente des flux énergétiques, notamment en fondant leur travail sur l’infrastructure de comptage avancée, la lecture automatique des compteurs, l’automation et la génération distribuée des micro-réseaux en vue de créer une communauté de l’énergie entre prosommateurs qui consomment et partagent de l’énergie renouvelable produite localement. L’informatique permet d’interconnecter divers réseaux et d’analyser les données afin d’aider les collectivités et les entreprises à une meilleure gestion de charge.

L’institut informatique créé des algorithmes de Machine Learning (apprentissage automatique), de Deep Learning (apprentissage profond) destinés à collecter, traiter et présenter les données du système énergétique et à les rendre disponibles au sein d’un Smartgrid. L’intelligence artificielle soutient également l’intégration de solutions automatisées ou de commandes à distance pour les centrales et les réseaux énergétiques. De cette manière, l’intelligence artificielle développée par les chercheur-euses participe à la transition énergétique. 

Du réseau intelligent à l’automatisation des bâtiments ou des infrastructures, l’intelligence artificielle fournit des outils indispensables, efficaces et peu coûteux en permettant :

• de gérer les compteurs intelligents ou des unités de contrôle de flux d’énergie ;
• de traiter les données des compteurs intelligents dans les infrastructures de communication du réseau énergétique ;
• d’analyser des données (analyse des signaux et des conditions, surveillance des systèmes, évaluation des données relatives aux consommateur-trices) ;
• d’automatiser la gestion des charges, du stockage, de la distribution ou de la production.

Les données récoltées et valorisées facilitent la prise de décisions réelles afin de garantir un approvisionnement énergétique stable et une utilisation efficace de l’énergie.

L’Internet des objets (IdO) constitue un réseau d’objets physiques intégrant des capteurs et des logiciels permettant de communiquer avec d’autres systèmes ou objets connectés via Internet. Ces objets connectés peu énergivores permettent aux consommateur-trices de recevoir en temps réel des informations afin de modifier leurs habitudes en matière de consommation d’énergie. 

Des solutions pour la maison intelligente

Des capteurs peuvent avantageusement être placés dans des appartements afin de récolter des données relatives au chauffage, à la luminosité, à l’état des portes et des fenêtres, à l’humidité, au taux de Co2, au volume sonore ou encore aux mouvements. Chaque prise ainsi que le compteur général d’électricité pourraient être monitorés afin de présenter une carte détaillée de la consommation électrique. Une fois l’appartement modélisé, des conseils et des recommandations seraient transmises aux habitant-es afin de modifier leur comportement. 

Les objets connectés dans l'industrie

Ce système d’information sur la gestion de l’énergie paraît également utile pour les entreprises afin de planifier, de prendre des décisions et des mesures pour gérer la consommation et le coût de l’énergie. La performance énergétique serait ainsi visible au moyen de données et pourrait s’intégrer dans un Système de Management Environnemental en vue d’améliorer les indicateurs de performance énergétique. Mais les objets connectés sont aussi utiles pour l’industrie et peuvent être intégrés directement dans les projets Smartgrids. En effet, un réseau intelligent possède des capteurs ou nœuds qui permettent de surveiller à distance des infrastructures (lignes électriques, transformateurs, compteurs), des conditions météorologiques et la température des équipements. Les données collectées sont traitées par notre institut de recherche pour déterminer la capacité de transport d’énergie, ajuster le flux énergétique, améliorer la distribution ou proposer des mesures d’économies d’énergie.

La densification de la population et du trafic nécessite une meilleure planification des flux de mobilité. Il existe beaucoup de données relatives à la mobilité et certaines sont même en accès libre comme celles de l’Office fédéral de la statistique. Pourtant, un accès aux données n’est pas suffisant, car il faut pouvoir les faire parler en les valorisant. Contrairement à d’autres domaines de la durabilité, il existe énormément de parties prenantes dans la mobilité qui sont impactées à chaque instant par les actions des utilisateur-trices du réseau. Il est également difficile d’infléchir le comportement des personnes privées, car cela relève de la liberté de déplacement qui est perçue comme une liberté essentielle. Ainsi, les changements de politique publique provoquent des réactions parfois violentes (pensons aux Gilets jaunes en France en 2018 ou aux achats paniques des Anglais en 2021 lorsque la pénurie d’essence guettait). 

L'importance de la science des données

Si un véhicule privé est effectivement synonyme de liberté, il est aussi indispensable aux personnes vivant dans des régions périphériques. Les choix politiques sont donc délicats dans ce domaine, car chaque acteur-trice défend une logique qui lui est propre (financière, d’optimisation ou électorale). Ainsi, pour prendre les décisions qui sauront répondre aux attentes de la population et mettre en place des politiques publiques efficaces et durables, il est important de pouvoir se baser sur la science des données. 

L'apprentissage distribué

Certains projets de recherche portent sur la conception de modèles d’apprentissage distribué sans serveur dans des scénarios dynamiques ou gossip learning. Mais en quoi cela consiste exactement ? Dans un modèle classique d’apprentissage automatique, des ordinateurs transmettent des données à un serveur central qui les analyse pour prédire quelque chose, telle que la détection d’une maladie. Mais dans le gossip learning, il n’y a pas de serveur ni d’entité centrale. Les données restent là où elles ont été générées. Chaque ordinateur entraîne son modèle local et le partage avec d'autres ordinateurs, préservant ainsi la confidentialité des utilisateur-trices. 

Meilleures performances et une confidentialité améliorée

Les avantages d’un tel système sont nombreux : le système est évolutif, puisqu’il est possible d’ajouter de nouveaux nœuds (ou ordinateurs) au réseau. Le système tolère mieux les pannes et fait preuve de robustesse, car si un nœud tombe en panne, les autres ordinateurs prennent le relais. La performance est accrue et les calculs se font plus rapidement, car l’utilisation des ressources est distribuée et optimisée. Le coût du système est moindre, puisqu’il n’y a pas besoin d’un serveur puissant pour centraliser les données, mais de plusieurs petits nœuds. Finalement, en évitant un ordinateur central de traitement des données, la confidentialité se trouve améliorée, car les données sensibles des utilisateur-trices ne sont pas partagées.  

Pourquoi appeler cela du gossip learning ?

Tout simplement parce que les informations se distribuent à travers le réseau à l’image de la propagation des potins ou des commérages à travers un groupe de personnes. Chaque nœud du réseau met à jour ses paramètres de modèle en échangeant avec d’autres nœuds du réseau pour converger à un consensus. L’apprentissage distribué est évolutif, décentralisé et permet de réduire le volume de communications. Par exemple, cela est très intéressant pour analyser un grand volume de données afin d’améliorer les flux de données des systèmes énergétiques ou pour simuler des concepts mécaniques ou physiques complexes afin d’améliorer virtuellement des produits ou des appareils. Ces projets peuvent être dédiés à des cas pratiques d’usage dans les domaines de la mobilité. Il est, en effet, possible d’utiliser le gossip learning pour effectuer des prédictions concernant le trafic routier, pour prévenir les accidents éventuels des véhicules autonomes, ou d’étudier le comportement des piétons pour mieux organiser l’environnement urbain.

Les modèles créés à l’institut informatique fonctionnent notamment grâce au jumeau numérique. En d’autres termes, un jumeau numérique est une reproduction virtuelle d’un système qui est mis à jour en temps réel. Ainsi, cette méthode de modélisation permet d’élaborer un jumeau numérique de l’état de la circulation routière dans une ville à l’aide des données existantes. Il est alors possible de simuler ce qu’un changement de législation, une décision politique, un accident de la circulation ou une détérioration de la chaussée pourraient avoir comme impact sur la mobilité. Le temps réel n’est ici pas instantané, mais représente une latence raisonnable. Chaque minute, le jumeau numérique reçoit des données du monde réel et la simulation s’ajuste ainsi constamment pour être au plus proche de la réalité. Le jumeau numérique est capable de se nourrir d’informations actuelles et de fournir une simulation aussi détaillée que possible de la situation en incluant le nombre de véhicules et leur vitesse à un endroit particulier du trafic. 

Optimiser les systèmes logistiques urbains

Différents projets sont en cours en lien avec la mobilité. L’un des projets tente de prévoir ce qui va se produire entre un point A et un point B du trafic en analysant un modèle d’autoroute. L’idée est de proposer une estimation du trafic dans d’autres points du réseau routier, d’y tester des stratégies de contrôle du trafic et éventuellement de réaliser des prédictions. D’autres projets en lien avec la mobilité sont réalisés par l’équipe chercheur-euses de l’institut informatique afin d’étudier et de réduire le trafic de marchandises dans les zones urbaines. Les équipes de recherche réfléchissent à l’élaboration de systèmes de modélisation fondés sur des agents (modèle informatique permettant de simuler des actions et interactions). 

Ces modèles permettraient l'optimisation des systèmes logistiques urbains afin de réduire les émissions de Co2. Ces projets se trouvent au croisement de l'économie et de la modélisation à base d'agents. Une gestion intelligente des flux de circulation et de mobilité améliore la qualité de vie dans les villes (baisse du bruit et de la pollution), réduit l’impact négatif sur l’environnement et fait baisser la consommation d’énergies notamment les comtustibles fossiles qui contribuent à l’augmentation des gaz à effet de serre et au réchauffement climatique.. 

Des centrales électriques virtuelles pour un avenir énergétique flexible

Nos équipes travaillent également sur des projets en lien avec les centrales énergétiques virtuelles ou virtual power plant. Une centrale électrique virtuelle combine des unités décentralisées du réseau électrique. Celles-ci sont coordonnées par un système de régulation commun. Ces unités sont composées de producteurs d’électricité (installations thermiques ou renouvelables type éoliennes, photovoltaïques, hydrauliques, biomasses, géothermiques), de consommateur-trices et de dispositifs de stockage. Cette centrale électrique virtuelle sert à commercialiser de manière commune l’électricité et à permettre une meilleure flexibilité des installations. 

Tous les acteur-trices décentralisé-es du marché (production, stockage ou consommation) peuvent faire partie de cette centrale dont la gestion est quantifiée et coordonnée par un algorithme d’intelligence artificielle. Cet algorithme réagit à différents facteurs tels que l’état du réseau, la météo, les pics de demande, la production. Cette centrale réagit de façon rapide et efficace aux prix du marché de l’électricité et adapte constamment son mode de fonctionnement. Ainsi, ce type de centrale peut demander automatiquement une hausse de la production grâce aux informations agrégées dans la centrale électrique virtuelle.