AéronautiqueINTELLIGENCE ARTIFICIELLE
L’IA au service de l’énergie propre : détecter les anomalies et anticiper la maintenance
Les fournisseurs d’énergie cherchent à améliorer les performances et la productivité des sources d’énergie alternatives. LINCOLN, cabinet de conseil d’ALTEN qui aide les entreprises à tirer le meilleur parti de leurs données, a contribué à la conception de solutions de gestion des équipements dans les parcs éoliens et photovoltaïques, en développant par exemple des modèles statistiques et prédictifs pour détecter les anomalies et faciliter la maintenance.
Les méthodes traditionnelles d’identification des problèmes d’équipement et de performance sont généralement réactives et insuffisantes. L’un des principaux fournisseurs d’énergie européens a demandé à LINCOLN d’exploiter la puissance de l’IA en développant des méthodes statistiques avancées qui pourraient être utilisées pour détecter les anomalies et permettre une maintenance prédictive dans la production d’énergie renouvelable.
Le défi : Concevoir des méthodes statistiques et IA (en s’appuyant sur diverses données hétérogènes pour la détection des anomalies et la maintenance prédictive) afin d’améliorer la productivité et l’efficacité de la gestion des parcs éoliens et photovoltaïques.
La solution : Modèles statistiques robustes et systèmes de prévision locaux pour repérer les anomalies et prévoir les pertes potentielles dans la production d’énergie.
Les avantages :
- Meilleure compréhension des équipements énergétiques
- Informations approfondies sur les performances des parcs éoliens et photovoltaïques
- Maintenance proactive
- Optimisation de la performance énergétique
- Amélioration de l’efficacité et réduction des interruptions
Les données au service de la productivité
LINCOLN, filiale d’ALTEN, s’est concentré sur l’utilisation de l’analyse des données, comme le nettoyage des données et la construction d’indicateurs, afin d’agréger et de prétraiter des données provenant de diverses sources. L’équipe du projet s’est appuyée sur des données contextuelles (par exemple, des données météorologiques, des informations sur le modèle et l’ancienneté de l’équipement) pour identifier les causes profondes des anomalies, ainsi que sur des relevés provenant de capteurs IoT pour détecter les changements dans l’environnement. Des données provenant de dispositifs météorologiques et de panneaux photovoltaïques ont été collectées et stockées dans un data lake centralisé. L’équipe a ensuite construit des indicateurs et « nettoyé » les relevés fournis. LINCOLN a alors développé des modèles statistiques avancés, en utilisant notamment des chaînes de Markov, l’analyse des séquences et la reconnaissance de formes. Des modèles locaux basés sur des prédictions ont été créés pour des zones spécifiques, puis comparés aux données réelles communiquées afin d’identifier les divergences et d’estimer le pourcentage de perte, ce qui permet de détecter les problèmes de performance à temps. Pour tester les performances du système, l’équipe a créé des modèles opérationnels à l’aide de données froides provenant d’anomalies précédemment détectées. L’intégration complète de données provenant de sources multiples a permis d’améliorer la qualité des insights.
Outils et technologies
Les langages de programmation Python et R ont été utilisés pour l’analyse des données et la modélisation statistique, ainsi que pour les calculs et analyses statistiques ; Docker a facilité le déploiement conteneurisé des modèles ; enfin, le contrôle de version et la collaboration se sont faits sur GitHub. L’équipe a également utilisé des outils de visualisation des données pour la surveillance et le reporting.
Des modèles à la maintenance
Le client de LINCOLN prévoit d’appliquer ces techniques statistiques avancées pour assurer la détection exacte des anomalies et des pertes. Grâce à la surveillance en temps réel et aux mesures opérationnelles, la société sera en mesure d’anticiper les pannes (par exemple, rupture de pales, dégradation des roulements de rotor et de générateur), ce qui réduira la fréquence et le coût des interventions, minimisera les pertes d’énergie et permettra de prendre des mesures de maintenance proactives.
Ainsi, l’expertise de LINCOLN en matière d’analyse de données contribuera à améliorer la productivité globale, à booster l’efficacité et à réduire les interruptions de service.