À l’heure de l’urgence climatique, l’apport des nouvelles technologies comme les smart grids est sur les lèvres de tous les acteurs de la transition énergétique. C’est aussi le sujet central du projet européen Horizon 2020 Maesha.
MAESHA est l’acronyme de «deMonstration of smArt and flExible solutions for a decarboniSed energy future in Mayotte and other European islAnds». Ce programme européen a débuté en 2020, est mis en oeuvre par 9 pays et 21 partenaires et dure 4 ans.
Près de 11,8 millions d’euros sont investis pour des solutions innovantes de smart grids à Mayotte et leur reproductibilité dans d’autres îles européennes.
Dans le cadre des travaux de recherche partenariale mobilisés pour le projet MAESHA HO 2020, Guillaume GUERARD, esneignant-chercheur à l’ESILV, membre du Modelling Group du De Vinci Research Center et Ihab TALEB, doctorant au Pôle Léonard De Vinci, ont proposé une nouvelle approche de la prédiction de la consommation électrique.
Approche algorithmique pour rendre les smart grids plus efficaces
Le réseau électrique intelligent est capable de prédire la production, la consommation, l’acheminement et de gérer l’offre et la demande en recourant aux batteries et aux énergies renouvelables.
Cependant, les îlots de consommation (lieu isolé ne possédant qu’une seule ligne de distribution) posent encore des problèmes. En effet, s’ils possèdent des énergies renouvelables, batteries, véhicules électriques ou un fort impact de l’humain sur la consommation, alors ces lieux peuvent perturber le réseau électrique local voir créer des chutes de tension.
Il convient donc de pouvoir prédire de manière précise leur consommation et production afin de prévenir toutes erreurs.
Cependant, les méthodes d’apprentissage profond échouent à prédire efficacement dans ces lieux isolés alors que leur efficacité n’est plus à démontrer au niveau des milieux urbains ou industriels.
C’est dans ce contexte que le De Vinci Research Center a développé une nouvelle méthode de prédiction dédiée à résoudre cette problématique. Cette méthode se base sur des théories et techniques employées dans la prédiction de nucléotides de l’ADN.
Enrichi par d’autres théories comme l’inférence grammaticale et des chaînes de Markov à états cachés, la méthode est capable d’apprendre, de s’adapter et de prédire au fil de l’eau la consommation d’un îlot en se basant sur la connaissance de ses comportements.
La méthode produit des prédictions court terme de la consommation, de l’ordre de 30-60 minutes, avec un pourcentage d’erreur absolue moyenne allant de 0.5% à 7.4% sur un jeu de test de plus de 400 maisons isolés (avec batteries et énergies renouvelables).
De Vinci Research Center partenaire du projet
MAESHA regroupe 21 partenaires de 9 pays :
- 2 établissements académiques : TU Berlin, Pôle Léonard de Vinci
- 10 PME : Trialog, E3-Modélisation, Cybergrid, Tecsol, Creara, Bovlabs, Hive Power, Hudara, Greening The Islands, Euroquality
- 3 acteurs industriels : Cobra, Centrica, Electricité de Mayotte
- 6 organismes publics : Territoire du Wallis et Futuna, Collectivité de St Barthélémy, Plateforme Océanique des Iles Canaries, Comune di Favignana, Association des chambres d’affaires de Gozo, Conférence des régions périphériques maritimes.
Cette diversité des partenaires impliqués assurera le développement de solutions intelligentes pour une transition énergétique des îles.
This post was last modified on %s = human-readable time difference 7:10 pm