une gestion efficace de l’énergie : de l’habitation aux ... · relevé, gestion des...
TRANSCRIPT
Une gestion efficace de l’énergie : de l’habitation aux réseauxréseaux
R t INRIA I d t iRencontres INRIA - IndustriesVille durable numérique de demainThème Énergie
23 juin, HEC
Jean-Yves BerthouJean-François FAUGERASEDF R&D
Histoire simplifiée des réseaux électriques
Ré THT
Réseaux maillés (105 km) contrôlés par des
p q
Réseaux THT dispatchings assurant un suivi précis de l’état en temps réel du réseau.Système de protection
400kV/63kV400kV/63kV
Réseaux HT
sophistiqué s’appuyant sur des disjoncteurs
HTB/HTA63kV/20kV
HTB/HTA63kV/20kVRéseaux MT/BT
Réseaux arborescents
HTA/BT20kV/400V
HTA/BT20kV/400V
(1,25 106km), (télé)opérés manuellement à partir des agences de conduite, large utilisation des fusibles : réseaux simples et un réseau globalement
EDF R&D : Créer de la valeur et préparer l’avenir
économiques. un réseau globalement « descendant »
Des facteurs de changements majeurs (1/2)g j ( )Des changements institutionnels …
éDes gestionnaires de réseau devant assurer un accès transparent et non discriminatoire à tousles acteurs
…et des orientations politiques :
les « 3 X 20% » de l’UE :L’efficacité énergétique Les énergies renouvelables Les émissions de CO2l G ll d l’E i t !le Grenelle de l’Environnement !
… qui impactent l’amont et l’aval… !
EDF R&D : Créer de la valeur et préparer l’avenir
… qui impactent l amont et l aval… !
2. Des facteurs de changements majeurs (2/2)g j ( )Des changements industriels
Les EnR :Les EnR : Eolien : 2005 : 300 MW / auj. > 2 GW / demain 10-20 GW ?? PV - 8000 demandes / mois
Le comptage : Italie (27 M déployés) – nombreux projets en Europe et aux US pour 2010/12 –Italie (27 M déployés) nombreux projets en Europe et aux US pour 2010/12 France : expérimentation de 300000 compteurs
Les sages de l’électricité en s bstit tion de l’électricité PàC éhic lesLes usages de l’électricité en substitution de l’électricité PàC, véhicules électriques ,…:
une perspective à considérer peut être plus en puissance qu’en énergie… maîtrise et pilotage de la demande…
EDF R&D : Créer de la valeur et préparer l’avenir
Vers un nouveau réseau : le smart grid ?
Production Réseaux THT
400kV/63kV400kV/63kV
HTB/HTAHTB/HTA
Réseaux HT
Réseaux MT/BT
PDEPDE
HTB/HTA63kV/20kV
63kV/20kV
HTA/BT20kV/400V
Réseaux MT/BT
Consommation
PDEHTA/BT
20kV/400V
PDE
EDF R&D : Créer de la valeur et préparer l’avenir
un réseau de « collecte » … à optimiser !!!
La vision des smartgridsdans le monde…dans le monde…
EDF R&D : Créer de la valeur et préparer l’avenir
Quelques définitions…Quelques définitions…
Europe (Source : european technology Platform smartgrids) :Europe (Source : european technology Platform smartgrids) :A smart grid is an electricity network that can intelligently integrate the actions of all users connected to it –generators, consumers
ffand those that do both – in order to efficiently deliver sustainable, economic and secure electricity supply.
USA (Source : US department of energy) :A smart grid is self healing, enables active participation of g g, p pconsumers, operate resiliently against attack and natural disaster accomodate all generation and storage options, enable introduction of new products services and markets optimizeintroduction of new products, services and markets, optimize asset utilization and operate efficiently, provide power quality for the digital economy
EDF R&D : Créer de la valeur et préparer l’avenir
La recherche sur les a ec e c e su essmartgrids en France menée pour ERDF par p pEDF R&D…
EDF R&D : Créer de la valeur et préparer l’avenir
Smartgrids – le conceptSmartgrids le conceptLe concept de « smart grids » recouvre l’ensembledes solutions innovantes pour « gérer un réseau »des solutions innovantes pour « gérer un réseau »(grâce en part. aux NTIC)
4 notions
1. la gestion intelligente
2. l’exploitation et la
4 notions
Smart Life Smart Operation
intelligente des actifs
et la conduite intelligentes
Smart M t
Smart 4. la construction 3. Le comptage Meter Management
distrib. Gene.& Load Magt
4. la construction d’équilibres locaux
3. Le comptage communicant et intelligent
EDF R&D : Créer de la valeur et préparer l’avenir
Des questions encore ouvertes …qProduction décentralisée : de l’énergie fatale à l’énergie programmable ?
L’importance de la prévisibilité, de l’observabilité et de la prévision La gestion des incertitudes sur la performance des solutionsL’enjeu du stockage (rentabilité en question)Le modèle économique (partage des investissements )Le modèle économique (partage des investissements, …)L’évolution des modes de raccordement … et les services attendus par le système, etc..
Comptage intelligent : où est la valeur ?Relevé, gestion des consommations et de l’accès au réseaugOutil de gestion du réseau BTModernisation des outils de planification grâce à une meilleure connaissance des chargesdes charges Transparence de l’information venant du réseau : information sur la qualité, la tensionPorte ouverte sur la gestion de la charge etc
EDF R&D : Créer de la valeur et préparer l’avenir
Porte ouverte sur la gestion de la charge, etc…
L T h l i dLes Technologies de l’Information et la Si l ti i dSimulation au service des réseaux intelligents
EDF R&D : Créer de la valeur et préparer l’avenir
Introduire le probabiliste dans les études réseauContexte : de plus en plus d’aléas à considérer
Augmentation de la production décentralisée (éolien, PV) incertaine (aléas climatiques)
Gains potentiels pour le distributeurde nouvelles marges dans la conduite et l’exploitation du réseau en tenant compte de la production non programmable (éolien et PV)(aléas climatiques)
Caractère incertain de l’évolution de la consommation (VE)Nouvelles contraintes réglementaires sur
p p g ( )une diminution ou un décalage des investissements en prenant en compte dans les études de réseau des combinaisons d'aléas (météo charge prod Éolienne ou PV tempsNouvelles contraintes réglementaires sur
la qualité de fourniture soumise à différents aléas (climatiques, vieillissement matériel, temps de réparation)
(météo, charge, prod. Éolienne ou PV, temps d’intervention, fiabilité des équipements télécom,…)une détermination des actions de maintenance (transfo boites de jontion) en identifiant les
Limitation des méthodes actuellesUtilisation de valeurs déterministes
(transfo, boites de jontion) en identifiant les zones à risques (proba d’occurrences température/charge élevée)
Enjeux métiers :extrêmes ou moyennesPas de corrélation entre les différents aléas
mieux maîtriser les conséquences de l’insertion de la production décentraliséeAméliorer la qualité de fourniture, meilleur politique d’investissement
Difficulté à estimer le risque pris dans une décision métier
p qOptimiser la gestion des actifs réseau, estimation du vieillissement des ouvrages sensibles notamment aux aléas météo
EDF R&D : Créer de la valeur et préparer l’avenir
Introduire le probabiliste dans les études réseauOpenTURNS is an Open source initiative to Treat Uncertainties, Risks’N Statistics in a structured industrial approach. It has been developped since 2005
Pre-existing physical-industrial system or
componentSources of uncertainty
Outputs with industrial stakes
It has been developped since 2005 through a partnership between EDF, EADS and PhimecaSources are under GNU LGPL, documentation and wiki content are
Meteo. Randomness
Variability
Model imprecisions
….
Mechanical component
Waste storage facility
Maintenance program
…
Mechanical margin to failure
Peak dose emitted
Net cost/benefit expected
….Input Input documentation and wiki content are under GNU FDLTarget users:
Industrial pratitioners : access
System System modelmodel
variablevariabless
uncertain : x oo
VariaVariables bles of of p
through GUI: Scientific C++ library including an internal data model and algorithms dedicated to the treatment of uncertainties
G(x,d)G(x,d): xfixed : d intereintere
ststZ =
G(x d)
intereintereststZ =
G(x d)Academic and research users: Python module with high level probabilistic and statistical operators
G(x,d)G(x,d)
EDF R&D : Créer de la valeur et préparer l’avenir
Simulation de grands systèmes discrets
Simuler une panne électrique globale et la restauration du système ; en fonction de l'architecture télécom et de la zone géographique
5 tit t i i
g y
g g p qtouchée : quelle durée totale d'incident ? Comment le système gère un retour quasi-simultané de dizaines de millions de compteurs ? Quelle est la meilleure stratégie d'utilisation de l'énergie restante, à partir de la détection de la perte de puissance ?
5 constituants principaux:compteur communicantconcentrateur SI centralréseau de communication p p
Quelles sont les conséquences de la perte d'un lien télécom WAN ? Combien de données perdues ? Est-il intéressant de tenter une bascule d'opérateurs ?Si une mise-à-jour de firmware des compteurs devait se produire à
local (LAN)réseau de communication
étendu (WAN) Le cas français (ERDF) :Si une mise à jour de firmware des compteurs devait se produire à
pleine charge dans le pire cas, en combien de temps pourra-t-on êtrer certains que l'ancien firmware sera complètement résorbé ?Quelle efficacité des moyens de MDE si X% des foyers les mettent en application ? Quel volume de données à véhiculer quelle durée
35 millions de compteurs700 000 concentrateursDéploiement: 5 milliards
d'€100Go de données / jourapplication ? Quel volume de données à véhiculer, quelle durée
d'anticipation est nécessaire à un fournisseur pour remplir ses obligations contractuelles auprès de ses clients ?Le système est-il capable de faire la collecte journalière des données de comptage en l'espace de 6h? »
100Go de données / jourLAN = technologie CPLWAN = technologie GPRS
de comptage en l espace de 6h? »
EDF R&D : Créer de la valeur et préparer l’avenir
Simulation de grands systèmes discretsÀ événements discrets : le système est soumis à une succession d'événements ponctuels qui en modifient l’étatSynchrone (dite « time slicing » ou « timeSynchrone (dite « time-slicing » ou « time-stepped ») : Il existe une fréquence de simulation fondamentale, paramétrable (ex: 50Hz pour le CPL AMM)Intensément concurrente : simulation répartie distribuée sur un ensemble de nœuds de calcul (ex : cluster), l’algorithme permet, à chaque pas de temps, d’évaluer tous les modèles en Sim-Diasca, framework de
Modèles métier
parallèle
Ex. : 51 millions de compteurs (gaz et élec), 25 millions de passerelles résidentielles 25 millions
S asca, a e o deprogrammation de grands systèmes discrets, transforme une instance WOOPER en un une instance d'un modèle simulé et un système multi-agents en une simulation discrète massivementmillions de passerelles résidentielles, 25 millions
de CDU (Customer Display Unit), 25*3 + 3 millions de liens télécom
=> 179 millions d'instances de modèles en interaction
en une simulation discrète massivement concurrente
WOOPER, librairie objet, transforme un processus en instance d'une classe bénéficiant de l'héritage multiple et une interaction
Besoin mémoire/calcul par étude : 2To – 20To, 10 - 100 Tflops
application concurrente en un système multi-agents
Erlang, langage fonctionnel orienté concurrence : fournit les moyens de créer une application parallèle et répartie, à
EDF R&D : Créer de la valeur et préparer l’avenir
base de processus
Traitement de données massives et HPCStockage et traitement de données massives
Très grands entrepôts centralisés (ex. Teradata)Teradata)
Cloud computing et stockage distribué
Stockage, requêtage et fouille de données g , q gtemporelles massives
Traitement de données en ligne
Dé i i l t é l ( l l d’ é tDécisionnel temps réel (calcul d’agrégats, détection d’anomalies)
Apprentissage en ligne de modèles (prévision, dé i d’ li d i )détection d’anomalies adaptatives)
Fouille de données distribuées
ex: prévision de consommation à différentesex: prévision de consommation à différentes mailles
EDF R&D : Créer de la valeur et préparer l’avenir
Traitement de données massives
Objectifs : Données : Exemples :
Smart grids : observabilité du réseau
prise en compte de la production décentralisée pour la téléconduite et la supervision du réseau
topologie du réseaumesures sur le réseaucourbes de charge
i di id ll d
observabilité du réseau à l’aide des courbes de charge AMMsupervision du réseau
qualité de la fourniture
gestion active de la demande
individuelles de consommation et de production
données de stockage
prévision de la production photo-voltaïque
demande
dimensionnement du réseau
d’énergiedonnées météo finesprincipaux usages des
clientsclients~600 To/an (cdc à la mn)
Σ
SI AMM
DP1
DP2
DP3
SI
Conduite
PosteDP1
Poste DP2
Poste DP3HTA
BT BT BT
Capteur
EDF R&D : Créer de la valeur et préparer l’avenirEDF R&D : Créer de la valeur et préparer l’avenir 20
Traitement de données massivesW b d l’é iServices aux clients à partir des données énergétiques remontant des
installations clients
Web de l’énergie
Aujourd’hui :Jours bleu, blanc, rouge de Tempo/EJP, HP/HC pour le pilotage de la chargeUnique interlocuteur du client : le commercialisateurUnique interlocuteur du client : le commercialisateur
Demain :Analyse de la courbe de chargeÉchanges entres les clients(réseau social énergétique)Équipements communicantsGestion énergétique localePilotage de la charge…
EDF R&D : Créer de la valeur et préparer l’avenirEDF R&D : Créer de la valeur et préparer l’avenir 21
Traitement de données massivesW b d l’é iWeb de l’énergie
Objectifs :pour le client :
échanges de bonnes
Données :courbes de charge de
consommation et de production au i i di id l
Exemples :Google Power
Meterg
pratiques, recherche d’offres de fourniture d’énergie, se comparer aux autres, pilotage de sa consommation et de sa production
niveau individuel et par usagesdonnées météo finesdonnées relatives aux
équipements, au logement et à ses
Voltalis à grande échelle
pour EDF :
connaître et communiquer avec les clients et les prospects, trouver des
q p , goccupants
données des SI contractuels et de facturation
blogs réseaux sociaux prospects, trouver des gisements d’effacements, préparer et opérer des offres de gestion active de la demande
blogs, réseaux sociaux ~ dizaines de Po annuel – cdc à
la seconde
EDF R&D : Créer de la valeur et préparer l’avenirEDF R&D : Créer de la valeur et préparer l’avenir 22
Traitement de données massivesMonitoring de la relation clientèle : systèmes de g yrecommandation pour les offres aux clients
Aujourd’hui :Conseils pratiques (eco-gestes)Offres : « je déménage », « je fais des travaux », « je fais construire »
Demain :Les clients qui consomment comme vous ont choisi :Les clients qui consomment comme vous ont choisi :1 1 –– Ecoplus 2 Ecoplus 2 –– Gestionplus 3 Gestionplus 3 –– PhotoplusPhotoplus
EDF R&D : Créer de la valeur et préparer l’avenirEDF R&D : Créer de la valeur et préparer l’avenir 23
push d’offres et systèmes de recommandation
Traitement de données massivesMonitoring de la relation clientèle : systèmes de
Obj tif D é E l
g yrecommandation pour les offres aux clients
Objectifs :optimisation des
dispositifs de la relation client
Données :courbes de charge de
consommation et de production au niveau individuel et par usage
Exemples :y voir clair
dans la multiplication client
définition des offres
ciblage / recommandation des
au niveau individuel et par usagedonnées contractuelles et de
facturationhistorique des contacts clients
lti
des offres,
supervision de la gestion multi-
lrecommandation des offres aux clients
optimisation tarifaire
multi-canaux~100 To/an (cdc au ¼ d’heure)
canal
EDF R&D : Créer de la valeur et préparer l’avenirEDF R&D : Créer de la valeur et préparer l’avenir 24