Contribuer à l’optimisation des systèmes de stockage d’énergie sur le campus de l’EPFL à partir de l’électricité produite par les panneaux photovoltaïques et améliorer le suivi du plan de répartition de l’électricité en développant des prévisions précises de l’irradiance solaire.
Le démonstrateur de réseau intelligent de l’EPFL a été largement utilisé pour développer et valider expérimentalement le concept de répartition (dispatchability) du réseau de distribution actif. Les déséquilibres de charge du réseau entraînent des écarts dans le plan de répartition, ce qui se traduit par des pénalités financières. Ces frais sont de l’ordre de 500 000 à 2 millions de francs suisses par GWh pour des achats de 2 % supérieurs ou inférieurs au plan de répartition soumis.
Le plan de répartition de l’électricité repose, entre autres, sur la disponibilité d’outils de prévision de l’irradiation solaire très performants à l’horizon d’un jour et à l’horizon intra-journalier. La nécessité d’établir des prévisions à différents horizons dépend du cas d’utilisation des prévisions photovoltaïques, par exemple pour améliorer la programmation et la répartition de l’énergie, la planification du stockage ou de la vente et l’activation de la réserve.
L’EPFL a les moyens de mieux prévoir sa production d’énergie photovoltaïque sur le campus afin de suivre plus précisément le plan de répartition établi la veille.
Nous utiliserons l’intelligence artificielle sous la forme d’un réseau neuronal numérique qui sera entraîné sur un ensemble de données d’images publiques collectées à partir de webcams sur le campus de l’EPFL et les zones environnantes, combinées avec des données provenant de techniques traditionnelles de prévision météorologique. Cette nouvelle approche combine la mémoire à long terme avec un réseau neuronal convolutif (LSTM-CNN) pour prédire les valeurs d’irradiation solaire intra-journalière dans la plage de 2 à 4 heures.
La prévision de l’irradiation solaire (GHI) conduira à une prédiction précise de la production d’énergie renouvelable et permettra à l’EPFL de sélectionner de manière appropriée la taille et le type des systèmes de stockage d’énergie.
Un outil d’aide à la décision, basé sur un modèle économique intégrant les contraintes et les coûts technologiques du stockage à court et long terme, les prix actuels de l’énergie sur le marché de gros et une estimation des pénalités, pour déterminer la stratégie à mettre en œuvre en fonction du plan de répartition. La technologie H2elios NeuroCam a le potentiel d’optimiser l’utilisation des sources d’énergie au niveau national.
Prof. Christophe MOSER, Laboratory of Photonics Devices, https://www.epfl.ch/labs/lapd/
Prof. Luisa LAMBERTINI, Chair of International Finance, https://www.epfl.ch/labs/cfi/
Prof. Mario PAOLONE, Distributed Electrical Systems Laboratory – Power Systems group, https://www.epfl.ch/labs/desl-pwrs/
Prof. Demetri PSALTIS, Optics Laboratory, https://www.epfl.ch/labs/lo/
Des webcams publiques pour prévoir l’irradiation solaire:
Le projet nécessite l’utilisation de webcams situées sur la place Cosandey et sur le toit du bâtiment BC. Les caméras 360 enregistrent des images qui pourraient contenir des données personnelles telles que des personnes ou des voitures visibles sur ces images. Pour garantir la confidentialité de ces données personnelles, les images sont floutées à l’aide du modèle YOLO v3 d’OpenCV. Un exemple d’image floue est présenté ici. Des enregistrements en direct des caméras sont visibles ici et ici. Les images floutées sont traitées par un réseau neuronal numérique afin de prévoir l’irradiation solaire. Ces images ne seront pas publiées et seront supprimées à la fin de la thèse des doctorant.e.s impliqué.e.s dans le projet.
Gestion des données
Les données seront collectées quotidiennement de décembre 2021 à fin 2026, à une fréquence de 10 minutes. La loi autorise l’EPFL à collecter et à utiliser des données personnelles à des fins de recherche (art. 36c de la Loi fédérale sur les écoles polytechniques fédérales du 4 octobre 1991), et nous nous appuyons sur cette base légale pour légitimer notre traitement des données personnelles.
Le plan de stockage pour ce projet sera mis en œuvre en utilisant un système de stockage en réseau (NAS) à l’EPFL, un service fourni en interne par la Plateforme informatique de recherche. Les données seront sauvegardées sur un Bucket S3. Les droits d’accès seront contrôlés par le système de gestion des identités de l’EPFL, garantissant que seuls les membres du projet peuvent accéder aux données stockées.
Des informations plus détaillées et des nouvelles relatives au projet sont disponibles à l’adresse suivante :
https://www.epfl.ch/labs/lapd/research/s4s-project-h2elios-neurocams/