PAS DE TRANSITION ENERGETIQUE SANS INTELLIGENCE ARTIFICIELLE (IA)

Par Arnaud de Moissac (2009) dans la revue TELECOM n° 187

La transformation des réseaux énergétiques, l’apparition des nouveaux services, des nouveaux acteurs : prosummeurs, consomm’acteurs et des nouveaux modèles tels que l’autoconsommation, modifie les besoins de fonctionnement des réseaux et la gestion de données de plus en plus massives qui seraient inexploitables sans recours à l’IA.

Le terme Smart Grid existe maintenant depuis de nombreuses années. Il porte la promesse de réseaux qui s’adapteraient tous seuls aux nouveaux usages, des réseaux plus résilients, plus économes, en un mot : intelligents.

De nombreux démonstrateurs existent un peu partout dans le monde. Ce terme ne s’applique pas qu'à l’électricité, on parle également de Smart gaz Grids, de Smart water grids, de Smart heat Grids et même de Smart factory Grids, et toutes les tailles de réseaux sont concernées.

Pourtant, les Smart Grids sont, surtout aujourd’hui, des réseaux automatisés sans véritables capacités d’apprentissage, prémisses de ce que doivent être des réseaux vraiment intelligents dopés à l’IA.

Si on compare la maturité IA de ces smart grids à celle des IA des jeux, on est actuellement beaucoup plus proche de l’IA du jeu d’échecs d’IBM (DeepBlue, 1997) que de celle du jeu de Go de Google (AlphaGo zero, 2017).

Les besoins liés à l’évolution des réseaux

Concrètement l’enjeu des Smart grids est de répondre à l’apparition des nouveaux besoins des consommateurs et des producteurs d’énergie, accompagnés par la génération massive de données sur leur l’état et nécessaires à leur fonctionnement.

L’impact direct est le fort accroissement de la complexité des réseaux d’énergie. Cet accroissement de la complexité est une excellente nouvelle ! Il nous indique que nous sommes en train de réaliser notre transition énergétique.

Plusieurs ruptures en découlent. Prenons le cas du réseau électrique tout en sachant qu’il est transposable à l’ensemble des autres types de Smart Grids évoqués plus haut.

La première est le passage d’un réseau hiérarchique et asymétrique à un ensemble de réseaux distribués et dynamiques. On passe du modèle où les centrales produisaient de l’énergie qui était distribuée aux consommateurs vers le modèle où chacun peut produire, consommer, vendre, acheter, voire auto-consommer tout seul ou au sein d’une communauté.

En bref, le nouveau modèle de réseau est un modèle dynamique et distribué ou chacun peut être un particulier, une commune, une communauté de particuliers ou de communes, une industrie ou une centrale.

La deuxième est le passage d’une production à peu près constante et à faible variation vers une production en grande partie intermittente et fatale liées aux ENR (énergies renouvelables) et au stockage nécessaire de l’énergie.

La troisième est la perte partielle de contrôle sur le réseau par les gestionnaires de réseau due à l'apparition de nouveaux usages possédant leurs propres logiques d’équilibrage : Véhicules électriques, communauté en autoconsommation, etc.

Il en résulte ainsi l’apparition d’une complexité importante des flux et d’un îlotage des structures de réseaux qui renforce paradoxalement la nécessité d’équilibrer le réseau global sous peine de black-out, les îlots n’étant pas réellement totalement autonomes et qui conduit à un glissement du rôle d’équilibrage du tout global (par le TSO) vers du local agrégé (par le DSO) (TSO : Transporteurs, DSO : Distributeurs).

Cette complexité se retrouve, à une moindre échelle, au niveau des territoires, des villes ou des industries complexes. Le «dynamique et distribué» tend à devenir la norme.

l’IA répond à ces nouveaux besoins

Avec l’accroissement de la complexité, l’IA aide les opérationnels de ces réseaux à garantir leur SLA clients et à maîtriser leurs coûts, la sécurité des réseaux et leurs fonctionnements.

Ainsi, afin de répondre à cet enjeu, DCbrain utiliser l’Intelligence Artificielle pour :

• apprendre l’évolution de la topologie et du comportement des réseaux,

• apprendre le comportement des consommateurs puis de les regrouper par types,

• apprendre le fonctionnement des producteurs, leurs modèles de rendement,

• anticiper ces évolutions, détecter les dysfonctionnements et chiffrer leurs coûts,

• puis trouver les équilibres optimums pour garder la résilience de ces réseaux, maîtriser leurs coûts et les rendre les plus flexibles que possible .

L’évolution des réseaux se traduit par une augmentation forte de leur complexité. Cette complexité est accompagnée d’une génération massive de données venant des réseaux et de leurs parties prenantes.

L’utilisation de l’IA permet, par apprentissage, de mettre en place très rapidement des solutions permettant aux différents acteurs de s’assurer de la résilience des réseaux sous ces nouvelles contraintes ainsi que de la maîtrise de leurs coûts.

Si la transition énergétique génère de la complexité, l’IA est un formidable outil pour permettre de garder et même d’améliorer la maîtrise des réseaux !

Biogaphie de l'auteur

Arnaud de Moissac est diplomé de l'INSA Strasbourg en génie électrique et de Telecom ParisTech. Après une carrière coté grand groupe dans différents métiers avec notamment la responsabilité du dossier efficacité énergétique du groupe SFR, Arnaud crée une première start-up sur le thème des datacenters. Frustré de voir que les mondes des réseaux physiques et de l'IT n'arrivaient pas à réellement travailler ensemble, il décide de co-créer DCbrain. La promesse : associer une connaissance profonde des réseaux physiques et de leur enjeux avec le meilleur l'informatique : l'intelligence artificielle. DCbrain a été incubé par Télécom ParisTech. DCbrain a été récompensé de nombreuses fois pour sa capacité à dégager des gains sur des grids de type électrique, chaleur, gaz et même logistique.

 @dcbrain_feed

 www.dcbrain.com

 www.linkedin.com/company/10955803/