Les systèmes de prédiction de la production des énergies renouvelables via l’intelligence artificielle ne cessent de se perfectionner, facilitant ainsi leur intégration dans le réseau électrique mondial.

Le 26 février 2019, Google annonçait un nouvel exploit de DeepMind, son programme d’intelligence artificielle (IA). Il ne s’agit pas d’une victoire supplémentaire face à un champion d’échecs ou de jeu de Go mais d’une application bien plus prosaïque : la prédiction de la production d’un parc éolien. Le site en question, d’une capacité de 700 MW, est situé dans le centre des Etats-Unis où sont basés les data centers de Google.

En s’appuyant sur un réseau de neurones artificiels formé aux prévisions météorologiques et aux données historiques des turbines, DeepMind a pu prévoir la production d’énergie éolienne avec 36 heures d’avance. Sur la base de ces prévisions, le parc a optimisé ses engagements de livraison en fournissant une quantité précise d’électricité à une heure définie.

Grâce à ce système de machine learning, la filiale de Google a augmenté la valeur de son énergie éolienne d’environ 20 % par rapport au scénario de base ne prévoyant aucun engagement dans le temps auprès du réseau.

L’enjeu de la valorisation

Si cet épisode est à souligner, c’est que, « compte tenu de l’intermittence des énergies renouvelables, la capacité de prédiction des mégawattheures produits est essentielle à leur valorisation », analyse Antoine de Broves, Responsable Technique et Innovation chez Omexom, la marque dédiée à la transition énergétique de VINCI Energies.

« Compte tenu de l’intermittence des énergies renouvelables, la capacité de prédiction des mégawattheures produits est essentielle à leur valorisation. »

Sur le marché de l’électricité, les blocs d’énergie sont négociés sur une échelle de temps d’un an, d’un trimestre, d’une semaine ou du jour pour le lendemain, voire pour le jour même (marché « intraday »). Or, les négociations les plus en amont de la livraison permettent en général une meilleure valorisation.

« Que ce soit pour l’éolien, le photovoltaïque ou l’hydraulique au fil de l’eau, tous trois dépendant des conditions météorologiques, la puissance des systèmes informatiques et leur capacité d’analyse sont primordiales », ajoute-t-il.

L’enjeu est d’autant plus important que toute vente de mégawattheures non honorée est sanctionnée, par exemple en France par des pénalités financières imposées par la Commission de régulation de l’énergie (CRE) via RTE, le gestionnaire du réseau public de transport d’électricité qui doit s’assurer de l’équilibre entre flux entrants et flux sortants.

Des modèles informatiques de plus en plus perfectionnés

L’exemple de DeepMind montre que les modèles permettant de transformer des prévisions météorologiques en prévisions de production ne cessent de se perfectionner grâce à la courbe d’apprentissage de l’IA.

Ces systèmes d’anticipation des variations de production à court terme s’appuient sur l’exploitation de données issues d’images satellite analysant nuages, dépressions, masses d’air… Ils se nourrissent également d’autres sources telles que des mâts avancés dotés d’anémomètres détectant à l’avance des variations de vents ou de caméras fish-eye qui analysent le mouvement des nuages afin d’anticiper un éventuel blackout en recourant à des sources de production d’appoint.

Mais Omexom va plus loin : « A cette brique prévisionnelle que nous intégrons dans les sites que nous gérons pour nos clients en nous appuyant sur des prestataires spécialisés, nous ajoutons un autre service : le stockage d’énergie qui va permettre de fournir la production manquante ou de garder l’éventuel surplus », indique Antoine de Broves, qui évoque les exemples d’un parc photovoltaïque en Martinique et d’une serre agricole photovoltaïque en Corse.

En fin de compte, l’intelligence artificielle permet de rendre les énergies renouvelables plus prévisibles et donc plus valorisables. Mais les bénéfices de cette prédiction optimisée par l’IA ne sont pas que d’ordre financier pour les producteurs d’énergie. En supprimant une part du caractère aléatoire des renouvelables, elle renforce la sécurité d’approvisionnement de l’ensemble du système électrique et crédibilise ces nouvelles sources d’énergie, facilitant de fait leur intégration dans le mix énergétique.

16/01/2020