[INTERVIEW] – A LA DECOUVERTE DE DARWIN, la solution numérique d’ENGIE dédiée aux sites de production d’énergie renouvelable

Comment est-ce que le groupe ENGIE utilise aujourd’hui le digital pour gérer ses actifs de production d’énergie renouvelable (éolien, solaire, hydraulique, biogaz) ? EnergyStream vous offre une plongée dans le fonctionnement de la plateforme DARWIN.

Comment la plateforme DARWIN répond-elle aux enjeux d’exploitation-maintenance d’ENGIE ?

DARWIN est née de la volonté des exploitants d’avoir un SCADA de niveau 2

Darwin s’est initialement construite comme un système SCADA, c’est à-dire un Système de Contrôle et d’Acquisition de Données en temps réel. La plateforme numérique est née du besoin des exploitants de parcs de production d’énergie renouvelable d’avoir un SCADA de deuxième niveau, harmonisant les données issues des capteurs embarqués dans les installations. Darwin centralise donc toutes les données de nature électrique, mécanique, météorologique ou descriptive des parcs et permet donc un gain de temps précieux.

Darwin vise principalement une diminution des coûts par l’automatisation de tâches d’exploitation et une augmentation des revenus en optimisant les capacités de production et en détectant les sous-performances.

Les fonctionnalités de la plateforme DARWIN dédiées aux besoins d’exploitation

L’analyse des données permet de réduire le temps d’immobilisation des moyens de production, et donc de maximiser le temps de production. Darwin n’embarque pas uniquement de l’Intelligence Artificielle et des méthodes d’analyse de données, la plateforme intègre également des logiciels plus classiques. Darwin propose principalement trois classes de fonctionnalités :

  1. L’appui au reporting : l’exploitant doit communiquer ses résultats auprès des parties prenantes (groupe ENGIE, co-investisseurs, co-actionnaires, etc.). Darwin accélère et automatise cette remontée d’information, ce qui peut représenter un gain de temps conséquent ;
  2. L’appui aux opérations : Darwin permet à l’exploitant de surveiller en temps réel ses infrastructures (éoliennes, panneaux solaires, etc.) grâce au suivi de divers indicateurs : performance des installations, alertes d’intrusions, suivi des pannes, anticipation de la production électrique en fonction des prévisions météorologiques etc. ;
  3. Des solutions analytiques : la plateforme fournit des solutions analytiques pour alerter les exploitants sur des anomalies détectées, puis leur permettre d’analyser celles-ci, et de les comprendre de façon rapide ou détaillée ; le code algorithmique est également partagé en interne pour être appliqué ou amélioré par d’autres équipes analytiques.

Sur l’application Web principale de Darwin, on peut constater que la France, au travers des filiales d’ENGIE, fait partie des pays raccordés de longue date à la plateforme.

 

DARWIN utilise différents types d’algorithmes :

Des algorithmes de Machine Learning « classiques », parmi lesquels des modèles de classification, de clustering, ou de régression, appliqués à la modélisation et estimation de la production électrique en fonction de plusieurs variables, mais aussi des algorithmes « maison » pour des cas plus spécifiques.

Pour préparer les développements futurs, les équipes travaillent également avec un écosystème de contributeurs en intelligence artificielle et data science au sein du groupe ENGIE, tels que les centres de R&D ENGIE Crigen et ENGIE Laborelec ou les équipes d’ingénieurs R&D et d’experts qui peuvent exister au sein des entités opérationnelles.

Quels sont les cas d’usage analytiques traités par DARWIN ?

Les cas d’usage de performance des énergies renouvelables

En tant qu’exploitant, ENGIE a notamment la responsabilité de la performance de ses parcs. Les équipes fonctionnent selon une double approche concernant la performance des EnR : à la fois microscopique et macroscopique.

L’approche macroscopique permet de répondre à la question : peut-on détecter une sous-performance sur l’éolienne ? Les équipes de Darwin développent des modèles qui modélisent la puissance électrique produite par les éoliennes. Grâce à un modèle de Machine Learning, il est possible de mettre en avant une sous-performance si un écart important entre la puissance électrique attendue et la puissance électrique observée est relevé. Néanmoins, l’approche macroscopique ne donne pas la cause de tels écarts.

C’est pourquoi les approches microscopiques permettent ensuite d’identifier les causes des potentielles sous-performances relevées. Ainsi, une éolienne embarque un système de contrôle commande qui lui permet de s’aligner grâce à sa girouette. Il peut se produire un écart systématique entre la direction de vent observée et l’orientation que prend l’éolienne : un désalignement statique, qui entraîne un phénomène de sous-production. Il s’agit d’un exemple de cas d’usage qui a donné naissance à un algorithme spécifique.

A la découverte des cas d’usage de santé des énergies renouvelables

Les équipes de Darwin travaillent actuellement sur un cas d’usage santé : il s’agit d’évaluer la dégradation du rendement des panneaux solaires, qui est un phénomène lent et attendu se produisant au fil des années. Le constructeur donne au départ un indicateur de dégradation, et Darwin cherche à vérifier que la dégradation ne se produit pas de façon accélérée.

Sur l’éolien, de nombreux cas d’usages touchent à la détection d’anomalies. Peut-on par exemple détecter une température qui augmente de façon anormale dans l’éolienne ? Darwin cherche les cas non évidents, qui peuvent rester en deçà des seuils de sécurité, par exemple des phénomènes de variations faibles de température mais récurrentes, qui peuvent être le signe d’une dégradation des roulements ou le prélude d’une panne future.

Pour les deux cas d’usages, Darwin a développé des solutions interfacées (Performance & Health Dashboards) qui agrègent des indicateurs issus des algorithmes prédictifs, afin d’alerter et informer l’exploitant, qui peut à son tour partager ces informations avec le mainteneur.

Quels sont les défis liés au développement de DARWIN ?

L’adoption de la plateforme par les utilisateurs

Aujourd’hui les utilisateurs sont notamment composés d’une population d’exploitants et de gestionnaire d’actifs et d’experts métier. Si la plateforme est aujourd’hui largement utilisée, ENGIE travaille encore à son adoption, par exemple en impliquant toujours plus largement les utilisateurs dans la définition des évolutions fonctionnelles des solutions logicielles et de leur priorisation.

La volumétrie des données et l’enjeu de la qualité

Darwin fait continuellement face à l’évolution des raccordements, étant donné que le développement de nouveaux parcs est continu, en lien avec les objectifs de croissance du groupe ENGIE sur les énergies renouvelables. Darwin s’est d’abord attachée à travailler sur les technologies dans l’éolien et le solaire, et a finalement étendu son périmètre aux technologies hydroélectricité et biogaz. Face au nombre de centrales raccordées, Darwin doit répondre aux enjeux de la croissance rapide du volume des données, et aussi assurer le contrôle de la qualité de la donnée, depuis la collecte en centrale jusqu’à la restitution.

Darwin s’inscrit dans une logique d’optimisation des énergies renouvelables en répondant aux enjeux d’une transition énergétique durable et abordable. La compétitivité (en termes de performance et de gestion des coûts) des parcs éoliens, solaires, biogaz et hydroélectriques est un enjeu majeur de cette transition ; Darwin y répond en offrant une solution numérique dédiée à la performance opérationnelle. La plateforme collecte, agrège, analyse et restitue des milliards de données auprès d’utilisateurs qui peuvent suivre en temps réel le fonctionnement et l’état de santé de leurs installations. Les exploitants des centrales sont ainsi en mesure de comprendre rapidement les causes d’indisponibilités des installations et d’entreprendre des actions afin d’éviter les pannes.

Darwin n’est pas la seule plateforme proposée par ENGIE Digital ayant pour vocation d’optimiser la performance opérationnelle. Ainsi, la plateforme NEMO permet de modéliser les réseaux de chaleur ou de froid, et d’optimiser leur fonctionnement. La plateforme Robin Analytics répond quant à elle aux besoins spécifiques des centrales thermiques du groupe ENGIE en proposant une solution de maintenance prédictive.

Intéressé.e.s par le sujet ? Venez en apprendre plus sur Robin Analytics dans l’interview A la découverte de la solution de Maintenance Prédictive d’ENGIE Digital pour les centrales thermiques

Découvrez le site d’ENGIE Digital ici : https://digital.engie.com/

 

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Back to top