Haut de page

Accueil » Tous les dossiers » La gestion des données

Les outils d’analyses des big data – clé de voute pour le succès de la transition vers les réseaux intelligents

Réseaux intelligents : Où en sommes-nous aujourd’hui ?

L’émergence des réseaux intelligents est la conséquence des objectifs européens des « 3 x 20 », visant à encourager une utilisation plus rationnelle de l’énergie, une gestion optimisée des réseaux et le raccordement plus important de sources d’énergie renouvelable à tous les niveaux de tension des réseaux.

Dans beaucoup de pays, les régulateurs ont analysé les coûts/bénéfices (Costs benefits analysis - CBA) du déploiement des technologies de comptage évolués pour valider ces mêmes déploiements. Le récent rapport de la Commission européenne, intitulé « Cost-benefit analyses & state of play of smart metering deployment in the EU-27, Accompanying the document Report from the Commission - Benchmarking smart metering deployment in the EU-27, with a focus on electricity », Brussels, 17.6.2014 résume les études sur les coûts et les bénéfices identifiés par différents pays en Europe.

Partout dans le monde, et plus particulièrement en Europe, les gestionnaires de réseau de distribution déploient, ou ont déployé des systèmes de comptage évolués, ainsi que de nouvelles technologies de mesure et contrôle au niveau des réseaux de distribution.

Une part non négligeable de ces gestionnaires de réseau n’utilisent cependant qu’une toute petite partie des capacités de ces nouveaux systèmes de comptage, que ce soit pour les opérations à distance ou pour des lectures mensuelles. S’ils réalisent des économies sur la lecture manuelle des compteurs, ils ne mettent pas à profits les énormes potentialités de ces technologies – dont nous abordons certaines ci-après.

Une autre part, plus ambitieuse, a fait l’effort de déployer les technologies pour capturer quotidiennement les données. Néanmoins, très souvent, ces données finissent dans des « cimetières de données » (des entrepôts de données pour lequel aucun outil analytique efficace ne viendrait permettre leur exploitation), parfois très couteux (se chiffrant en millions d’euros), et restent peu utilisées pour améliorer la gestion du système électrique, parce qu’il est complexe d’appréhender et de gérer ces grandes quantités de données pour mettre en œuvre des actions concrètes.

Le comptage évolué a ainsi mis les entreprises de service public des secteurs de l’énergie et de l’eau face au paradigme du "Big Data Analytics". En recevant 1 000, 10 000, 100 000 fois plus de données que par le passé, représentant des téraoctets au quotidien, parfois avec une fiabilité de l’information relative, il devient très difficile d’assimiler ces données et d’en tirer des conclusions sur la base desquelles agir. Le big data caractérise ces environnements où :

  • la volumétrie de données est très importante ;
  • la variété de sources de données est étendue (données de comptage, météorologiques, topologie des réseaux, typologie des équipements, alarmes enregistrées par les équipements, données dites structurées et non structurées, etc.) ;
  • la vélocité – la fréquence d’obtention de données et les besoins de traitement pour des analyses en continu est élevée ;
  • la véracité est relative (i.e. les informations collectées ne sont pas fiables), rendant difficile l’interprétation.

Il s’agit du principe des « 3V » (volume, vélocité, variété) qui fut à priori formulé en 2001 par l’entreprise META Group. Le 4e V, relatif à la « véracité », fut ajouté ultérieurement.

De manière plus critique, il ne s’agit pas simplement d’être en mesure de stocker ces données, mais plutôt d’être en mesure d’en extraire les données importantes pour la gestion du système électrique. Il s’agit ici de trouver des aiguilles dans des bottes de foin de la taille de la France…

Figure 1 : Les outils d’analyse des big data dans le contexte de déploiement des réseaux intelligents et des systèmes de comptage évolué

Source : Oracle

Concrètement : comment des outils d’analyses avancées peuvent permettre d’améliorer l’efficacité des entreprises de service public des secteurs de l’énergie et de l’eau ?

Les exemples suivants illustrent l’utilité des technologies d’exploration de données big data dans le cadre du déploiement des réseaux intelligents et des systèmes de comptage évolué – par des cas pratiques :

  • un gestionnaire de réseau de distribution aux États-Unis a pu réduire par 20 le nombre d’interventions sur le terrain pour compteurs défectueux, grâce à des algorithmes éliminant les fausses alarmes et les situations transitoires ne requérant pas d’intervention. Elle a ainsi économisé plusieurs millions de dollars ;
  • une autre société a réduit de 87 % le traitement manuel des anomalies de consommation, rendant possible de se concentrer sur les cas ayant de vraies conséquences pour ses clients. Cela lui a permis d’améliorer substantiellement son service client ;
  • grâce à l’analyse de données, il a été également possible à d’autres entreprises de redéfinir leur politique de renouvellement de transformateurs sur les réseaux basse tension en identifiant les postes de transformation présentant des caractéristiques de services dégradées, et les plus grands risques de panne ;
  • elles ont pu également identifier dans les zones en déficit de capacité, les clients contribuant de manière significative aux pics de consommations et ceux sensibles à des incitations de réduction de leur consommation à ces moments précis, permettant ainsi un meilleur service pour l’ensemble des abonnés ;
  • d’autres sociétés ont pu générer des listes de clients potentiellement fraudeurs avec des niveaux de confiance de 80 % et plus, réduisant ainsi les pertes non-techniques et donc les coûts du système pour l’ensemble des utilisateurs ;
  • des entreprises ont pu optimiser leurs plans de gestions de tensions sur les réseaux basse tension, réduisant ainsi les pertes techniques, grâce à des études fines sur les données en provenance des compteurs évolués ;
  • dans le domaine du gaz, la mise en place de stratégies de détection sur la base des données mesurées ont permis de détecter rapidement des cas de fuites chez les abonnés et éviter ainsi des risques d’explosions aux conséquences tant en vies humaines et que financières très lourdes ;
  • dans le domaine de l’eau, l’analyse des données a permis le suivis de campagnes de sensibilisation à l’utilisation rationnelle de l’eau en période de sécheresse et de suivre, sans équipements additionnels, le respect des consignes sur l’arrosage et le remplissage de piscines.

Pourquoi n’est ce donc pas si simple ?

En pratique, parvenir à extraire la valeur des données nouvellement mises à disposition par les réseaux intelligents et les systèmes de comptage évolués est complexe. Cela requiert des capacités d’analyses avancées dans des environnements big data : il ne s’agit pas de réaliser des états, des rapports ou des tableaux de bord, plus ou moins dynamiques. Il s’agit de la capacité d’analyses statistiques de données élaborées, en présence de grandes quantités et variétés de données, pour produire des résultats que les équipes opérationnelles pourront utiliser (direction comptage, direction réseaux, direction clientèle, direction gestion des actifs, etc.).

En premier lieu, cela représente un défi technologique. Les technologies big data disponibles sur le marché sont extrêmement variées et requièrent de maîtriser une série de composantes, depuis des infrastructures ultraperformantes, des technologies de gestion de données – Hadoop, NOSQL, RDBMS, le in-memory, mais aussi des outils d’intégration, en temps réels ou non, spécifiques, et enfin des outils analytiques et statistiques. Pour chacune de ces technologies, ils existent différentes solutions sur le marché qui conviennent à différentes problématiques. Pour mettre en œuvre ce type d’architectures, il faut donc éventuellement assumer la responsabilité de l’intégration fiable de toutes les composantes suscitées. Enfin, pour compliquer le tableau, le nombre de personnes compétentes sur le marché pour ces technologies reste encore très limité. Dans l’étude menée par Oracle en 2013 (Utilities and Big Data:”Accelerating the Drive to Value”, July 23, 2013, A Utilities Transformation Study), 62 % des entreprises de service public du secteur énergétique aux États-Unis indiquaient un manque de compétence.

En second lieu, cela représente un défi fonctionnel pour les équipes métiers : n’ayant jamais eu ni ce type d’informations ni ces volumes à leur disposition, il est naturel que les analyses à mener et la manière de les conduire d’un point de vue métier, ne soit pas non plus facilement définies. Les outils d’analyses big data se confrontent en effet au paradigme « nous ne savons à l’avance ce que nous allons trouver, ni par quels analyses nous pourrons le trouver ».

Ce double défi « technico-fonctionnel » complique sensiblement la réalisation d’un projet informatique et peut - dans la pratique - rendre difficile la mise à disposition rapide d’outils supportant efficacement les équipes métier dans leurs investigations.

Pour que la gestion des données soit utile à ces acteurs, il conviendra de mettre à disposition :

  • des outils d’exploration et de visualisation des données, spécifiques et adaptés ;
  • des outils pour l’analyse ad hoc de ces données, permettant de concevoir des algorithmes d’analyse adaptés ;
  • des outils pour exécuter au quotidien et à grande échelle ces analyses algorithmiques de manière performante ;
  • Et enfin un accompagnement par des experts scientifiques de données connaissant à la fois les réseaux intelligents et les outils d’analyses, afin de supporter en continu l’élaboration et l’adaptation des analyses.

Figure 2 : Eléments clés de la plate-forme analytique mise à disposition des équipes métiers

Source : Oracle

Cependant, il existe également des alternatives : le Cloud

Dans ce contexte, il est possible d’avoir recours à une solution alternative : s’appuyer sur une expertise et de plates-formes déjà opérationnelles. Il existe en effet un certain de nombre de sociétés de service qui ont mis en place ce type d’architecture et proposent l’accès à ces plates-formes sous la forme de service. Aux États-Unis, déjà en 2013, d’après l’étude citée précédemment, 63 % des entreprises de service public consultées affirmaient vouloir recourir ou avoir déjà à des services d’analyses avancées de données.

Cette approche présente de nombreux avantages : pas d’infrastructure à mettre en œuvre, pas de licences logicielles à acquérir, un compromis sur une courte période – typiquement une base annuelle, une mise en place en quelques semaines plutôt qu’en quelques mois, l’accès à des cas d’usages éprouvés auprès d’autres sociétés du secteur, un accompagnement par des scientifiques de données expérimentés.

Si le Cloud reste limité en termes d’adoption par les entreprises des secteurs de l’énergie et de l’eau, en raison d’inquiétudes liées à la sécurité des données et au respect des données privées, de plus en plus d’acteurs du secteur y font appel. Tous les outils existent pour maitriser les risques cités précédemment et le Cloud est par ailleurs en très forte croissance dans d’autre secteurs, comme les télécommunications, la banque ou la santé, où les données doivent être gérées avec précaution.

Les outils d’analyses big data : clé de voute pour le succès de la transition vers les réseaux intelligents

La mise en œuvre de capacités d’analyse big data dans le secteur de l’énergie apparaît ainsi comme la clé de voute permettant – au-delà des bénéfices premiers liés à la lecture à distance des compteurs – de tenir les promesses de la transition énergétique en matière d’économies d’énergie, d’efficacité énergétique, de capacité à intégrer toujours plus de nouveaux usages (comme les véhicules électriques) – et ce - autant pour les entreprises que pour les utilisateurs.

Oracle est un partenaire établi des sociétés de service public des secteurs de l’énergie et de l’eau, dans le domaine des systèmes d’information. Au-delà de solutions technologiques qui incluent serveurs, solutions de stockage, bases de données, middleware, et outils analytiques, le département « Oracle Utilities » porte une offre complémentaire et spécifique au secteur de l’énergie au travers d’un portfolio de solutions applicatives et de services couvrant les différents cœurs de métier : la gestion des clients, des compteurs, des actifs, des réseaux.
«Page 6 de 26»

La gestion des données

Rechercher

Se tenir informé

Abonnez-vous à notre liste de diffusion pour être informé régulièrement des mises à jour du site.

S'abonner

Participer au site

Vous souhaitez participer à notre site ou réagir à un dossier, contactez-nous dès aujourd'hui.

Nous contacter

Les forums de la CRE

La CRE organise des forums, associés à chaque nouveau dossier, pour donner la parole aux experts des Smart grids.
Se tenir informé des prochains forums

Nos contributeurs

Notre site se nourrit aussi de vos contributions. Nous tenons donc à remercier "Dalkia" qui fait partie de nos 172 contributeurs.
Découvrir nos contributeurs