L’entité de GE dédiée aux solutions logicielles et à l’analyse de données, GE Digital, a lancé en septembre dernier en Europe et en Israël, un concours ouvert aux start-ups des sciences des données en partenariat avec l’accélérateur parisien NUMA. Quatre de ces 5 défis ont été remportés par des jeunes pousses françaises.
La tour Eiffel – Crédit photo : Robin en CC
L’évaluation et la sélection des startups reposait sur trois critères : caractère innovant de la solution, compatibilité de la solution avec l’architecture de la plate-forme Predix et confirmation de son attractivité pour les clients de GE.
Pour départager les start-ups candidates, cinq défis en lien avec l’analyse et l’exploitation des données énergétiques ont été imaginés :
Défi 1 : Prévisions sur un grid local
Le défi portait sur l’amélioration des solutions de prévision des données de production et de consommation électrique aux échelles locales et en temps réel. Le défi consiste à améliorer la capacité de prévision en combinant les données relatives à la production d’énergie éolienne et solaire, aux facteurs météorologiques et à la consommation d’énergie des clients, aussi bien particuliers ou qu’entreprises. « La prévision à court terme est un processus critique pour les opérateurs des réseaux électriques, dès lors qu’ils intègrent une part croissante de ressources renouvelables intermittentes (…) Aujourd’hui, au niveau national, les techniques de prévision peuvent atteindre un niveau de confiance de l’ordre de 95 %, alors qu’au niveau local elle ne peut atteindre que 30 %. L’objectif ici est de rendre la prédiction à petite échelle aussi bonne que la performance de prévision à plus grande échelle ».
Ce défi a été remporté par la société Predictive Layer.
Défi 2 : Système local et pair à pair d’échange d’électricité à base de blockchains
« Le défi consiste à explorer l’application des blockchains afin de permettre aux consommateurs-producteurs qui ont investi dans la production d’énergie renouvelable (tel que les toits solaires) de revendre à leurs voisins ou à l’échelle d’un quartier, leurs capacités excédentaires, sans intermédiaire. Pour garantir la sécurité des transactions malgré l’absence de centralisation, il faut maintenir un historique fiable et transparent des transactions ».
Ce défi a été remporté par la société Evolution Energie.
Défi 3 : Analytiques de localisation indoor
Ce défi visait la mise au point d’un logiciel fournissant des informations sur l’utilisation d’un espace de 5 000 m² équipé en éclairage intelligent. « L’objectif de ce défi est de caractériser la manière dont cet espace est occupé (en vue de l’optimiser) ainsi que les trajectoires utilisateurs (afin d’améliorer leur expérience). L’équipement du lieu repose sur 440 sources de lumière, chacune pouvant accueillir jusqu’à 4 types différents de capteurs. La fréquence des données provenant des capteurs peut être ajustée, jusqu’à atteindre le temps réel ».
Ce défi a été remporté par la société Irlynx.
Défi 4 : Optimisation de la production hydroélectrique
« Développer un algorithme d’optimisation pour la planification de la production hydroélectrique à travers un réseau de barrages et rivières. Le défi porte sur la mise au point d’une solution permettant aux planificateurs de concevoir et mettre à jour des plans de production, d’estimer la rentabilité et la durabilité des opérations sur le long terme, tout en permettant aux opérateurs de prendre des décisions immédiates ». Il s’agit d’un développement nouveau par rapport à la situation actuelle : si la planification est centralisée, les responsables opérationnels ne disposent pas d’outil pour les assister au niveau des sites de production.
Ce défi a été remporté par la société Cosling.
Défi 5 : Gestion de séries spatio-temporelles massives
Le défi porte sur la conception d’une infrastructure de données et d’un logiciel d’analyse capable de collecter, stocker, traiter et visualiser les données massives produites par la nouvelle génération d’équipements de surveillance ultra-haute résolution. Les distributeurs chargés de surveiller et de contrôler le réseau électrique pour assurer sa stabilité et sa fiabilité, le font traditionnellement au moyen des systèmes d’information SCADA. L’enjeu ici est la capacité du distributeur à détecter le plus rapidement possible et avec le plus de pertinence possible des problèmes éventuels. La nouvelle génération des Wide Area Monitoring Systems (WAMS), fournit une connaissance de l’état du réseau électrique plus fine que les systèmes SCADA, avec une haute résolution aussi bien dans le temps que dans l’espace. Ces WAMS s’appuient sur un grand nombre d’unités de mesure de phase (Phasor Measurement Units ou PMUs). Géolocalisés par GPS, ces unités mesurent à très haute fréquence les caractéristiques des formes d’onde à partir de signaux électriques. Le traitement des volumes de données ainsi créés nécessitent des outils aux performances inédites.
Ce défi a été remporté par la société Cityzen data.
ITEMS International pour Think Smartgrids
Source : GE Digital