CORDIS
Résultats de la recherche de l’UE

CORDIS

Français FR

Testing and Evaluating Sophisticated information and communication Technologies for enaBling a smartEr griD

Informations projet

N° de convention de subvention: 734325

État

Projet clôturé

  • Date de début

    1 Janvier 2017

  • Date de fin

    31 Decembre 2019

Financé au titre de:

H2020-EU.1.3.3.

  • Budget total:

    € 882 000

  • Contribution de l’UE

    € 598 500

Coordonné par:

UNIVERSITY OF DURHAM

Français FR

La gestion intelligente du réseau permettra d’augmenter la pénétration des énergies renouvelables

L’approvisionnement des réseaux électriques à partir d’énergie renouvelable est plus imprévisible qu’avec les combustibles fossiles traditionnels. Une analyse des données plus intelligente et plus opportune permettrait toutefois d’augmenter l’efficacité du réseau et contribuerait à réduire les émissions de carbone.

Économie numérique
Énergie
© Eviart, Shutterstock

L’équilibre entre l’offre et la consommation d’énergie est devenu plus complexe avec l’augmentation de la production d’énergie renouvelable. Parce qu’elle dépend de conditions météorologiques variables, l’énergie des éoliennes et des panneaux solaires est intermittente et imprévisible comparée aux centrales traditionnelles au fioul ou au charbon. Mais une utilisation intelligente et en temps utile des données disponibles pourrait améliorer l’efficacité de la gestion des réseaux électriques alimentés à partir de sources renouvelables. Elle pourrait contribuer à accroître la pénétration des énergies renouvelables et à réduire les émissions de carbone, explique Hongjian Sun, coordinateur du projet TESTBED et lecteur au département d’ingénierie de l’Université de Durham au Royaume-Uni. «La principale leçon que nous avons tirée du projet TESTBED est que les données elles-mêmes sont très utiles pour intégrer toute la production et la demande d’électricité, en particulier avec les sources d’énergie renouvelables», dit-il. «TESTBED consiste à collecter des données et à les utiliser pour prévoir l’offre et la demande et pour détecter les goulots d’étranglement à éliminer», explique Hongjian Sun. Le projet, soutenu par le programme européen Marie Skłodowska-Curie, a développé des programmes d’optimisation pour modéliser les améliorations de l’efficacité énergétique et des émissions de carbone. «La simulation pour la ville de Durham, dans le nord-est de l’Angleterre, a révélé qu’en intégrant des données et en les transmettant en temps opportun, les émissions de carbone sont réduites jusqu’à 76 % en recourant à des sources renouvelables et à un système de réseau intelligent», souligne Hongjian Sun.

L’importance des données

«Si nous conservons le même coût énergétique et utilisons les données pour améliorer le fonctionnement du système, la pénétration des énergies renouvelables pourrait être augmentée de 20 à 70 % dans un réseau de distribution, cela illustre l’énorme potentiel d’utilisation des données», ajoute-t-il. La gestion intelligente du réseau utilise les données issues d’une multitude de capteurs mesurant les conditions météorologiques, ainsi que la production d’électricité et sa transmission vers les sous-stations et les foyers. Les compteurs intelligents surveillent la consommation domestique, y compris en mesurant l’utilisation des appareils individuels. «Nous utilisons les médias sociaux, par exemple les données Twitter, sur la base de recherches par mots clés, pour savoir si un événement ou un match de football important a lieu quelque part. Ce sont des éléments susceptibles d’augmenter la demande d’électricité», explique Hongjian Sun. «La transmission de données est également importante car nous avons besoin d’une mise à jour fréquente et en temps réel pour repérer et éliminer les goulots d’étranglement du réseau, améliorant ainsi sa fiabilité.»

Des simulations en laboratoire

Les données des capteurs et des compteurs sont téléchargées sur un ordinateur qui exécute un logiciel incluant des algorithmes d’intelligence artificielle (IA) pour améliorer l’optimisation de l’approvisionnement et de la consommation. «Grâce à l’IA, nous explorons les données météorologiques et les données de plusieurs régions, pas seulement d’hier mais de l’année dernière, et nous utilisons l’apprentissage automatique de l’IA pour entraîner le système et lui conférer une meilleure capacité de prédiction», note Hongjian Sun. «Les travaux sur le projet TESTBED ont montré que le système fonctionnait.» Le système a été testé dans des laboratoires de l’Académie chinoise des sciences, de l’organisation grecque de télécommunications OTE-Grèce et de l’Université Heriot-Watt du Royaume-Uni. Les simulations ont été effectuées au sein du laboratoire Smart Grid de l’Université de Durham qui héberge un système de simulation numérique en temps réel (RTDS). Un RTDS est utilisé pour modéliser un réseau électrique basse tension connecté à des émulateurs de cellules photovoltaïques, des éoliennes, un stockage d’énergie électrique ainsi qu’une gamme de technologies bas carbone. La simulation évalue les contraintes du réseau tandis que le laboratoire surveille la consommation électrique des appareils électroménagers. La deuxième étape du projet, TESTBED2, a reçu un financement de l’UE pour développer un système TESTBED évolutif applicable à des réseaux intelligents plus grands et plus complexes approvisionnant davantage de foyers.

Mots‑clés

TESTBED, TESTBED2, énergie, énergie renouvelable, énergies renouvelables, éoliennes, panneaux solaires, réseaux électriques, analyse de données, intelligence artificielle, combustibles fossiles, émissions de carbone, réseau intelligent, simulation

Informations projet

N° de convention de subvention: 734325

État

Projet clôturé

  • Date de début

    1 Janvier 2017

  • Date de fin

    31 Decembre 2019

Financé au titre de:

H2020-EU.1.3.3.

  • Budget total:

    € 882 000

  • Contribution de l’UE

    € 598 500

Coordonné par:

UNIVERSITY OF DURHAM