Uncategorized
02/09/2015

L’analyse de données et le Big Data au service de l’efficacité énergétique : le bâtiment connecté


Temps de lecture : 17 minutes
Quantmetry.com : L’analyse de données et le Big Data au service de l’efficacité énergétique : le bâtiment connecté

Le comité stratégique d’ARCSIS m’a invitée en mai dernier au CEA de Cadarache afin de participer à une journée thématique sur le bâtiment connecté en apportant le point de vue de Quantmetry sur l’analyse des données.

ARCSIS (Association pour la Recherche sur les Composants et Systèmes Intégrés Sécurisés) regroupe des grandes entreprises (STMicroelectonics, Gemalto, Air Liquide Balazs, …), des PME et startups (Neowave, ARD, …), ainsi que des laboratoires de recherche (CEA-TECH, INRIA, …), des universités et des collectivités territoriales. Sa mission est d’encourager, accompagner et promouvoir la filière microélectronique et objets communicants en région PACA au niveau national et international. Elle centralise des programmes de R&D et s’associe au pôle de compétitivité mondial Solutions Communicantes Sécurisées.

Après une visite très intéressante de la cité des énergies du CEA (centrale solaire thermique, bâtis expérimentaux à énergie positive et tests de matériaux innovants, réacteur de production d’énergie par la biomasse), le comité stratégique s’est réuni pour un certain nombre de présentations autour des bâtiments connectés. Divers projets ont été présentés par des grandes entreprises comme Schneider Electrics ou IBM, ainsi que par des PME et startups. J’ai moi-même présenté une vision des bâtiments connectés autour de la collecte et l’analyse des données. Cette vision est exposée ici, complémentée d’informations recueillies lors de cette journée.

Selon l’agence internationale de l’énergie, la demande mondiale en énergie augmenterait de 37% d’ici 2040 .

Parallèlement, l’urbanisation croissante et la digitalisation des échanges amèneront les villes à jouer des rôles de leaders dans la révolution énergétique ; il leur faudra relever des défis importants en terme de surveillance, de gestion des réseaux, de l’offre et de la demande en énergie. Cela conduit au concept d’Enernet et de « Energy Cloud » où la gestion et la production de l’énergie sont décentralisées, d’où l’importance d’un mix énergétique bien géré à toutes les échelles. Allant dans ce sens, le parlement européen a demandé le remplacement des compteurs d’électricité par des compteurs communicants (voir Linky) d’ici 2022. Le projet pourrait représenter une dépense de l’ordre de 100 milliards de dollars.

On parle aujourd’hui de smart grids et de « centrales électriques virtuelles » (Virtual Power Plant) : des systèmes intégrant tous les types de sources dans un cluster de générateurs distribués, ainsi que des capteurs multiples remontant des données sur l’offre et la demande, permettant ainsi d’optimiser les diverses sources d’énergie.

La première étape dans cette gestion décentralisée de l’énergie est le bâtiment intelligent et connecté. Il permet d’adopter des solutions efficaces de gestion en installant des capteurs et compteurs connectés, de jouer sur la qualité du bâti (isolation, inertie thermique, étanchéité, etc.), le choix des équipements (production d’énergie, distribution, rendement) et de penser en terme d’efficacité énergétique active (optimisation, lutte anti-gaspillage, sensibilisation des usagers). Aujourd’hui déjà, on sait atteindre des gains de 30 à 60% sur la consommation des bâtiments y compris sur les bâtiments faiblement intermittants comme les hôpitaux, les résidences ou les datacenters. Cette efficacité énergétique est un enjeu économique majeur car elle implique des retours sur investissements rapides de l’ordre de un à trois ans.

La seconde étape implique la gestion de la communication des bâtiments non pas en silo, mais de façon interconnectée et multi applicative, afin d’être capable d’isoler des quartiersentiers de la grille pendant plusieurs heures grâce à une autonomie énergétique finement optimisée, et à terme, de construire des quartiers à énergie positive.

Le quartier connecté amène à la dernière étape dans la gestion énergétique des villes qui concerne la résilience des systèmes. L’interconnection permet de gérer les crises après des tornades, des sinistres graves, ou des usages critiques et d’améliorer la capacité du système à se remettre en marche. Le réchauffement climatique et l’urbanisation des populations montre combien il est crucial de penser dès aujourd’hui la résilience de nos villes : les crises seront de plus en plus fréquentes et répandues.

Aujourd’hui, la première étape se met en place dans les villes pilotes, les nouveaux bâtiments et la réhabilitation d’anciens bâtiments, en particulier des bâtiments publics. Le grand public, via l’Internet des objets devient de plus en plus sensible à la problématique. Les promoteurs et les particuliers prennent aussi l’initiative pour connecter les bâtiments. Avec les compteurs connectés, de plus en plus répandus, le secteur de l’énergie est probablement le plus en avance dans la connexion des bâtiments. Certaines expérimentations se font également pour avancer sur la seconde étape du quartier connecté, et les villes et collectivités territoriales élaborent les stratégies du futur pour atteindre la troisième étape à une horizon plus lointaine.

L’industrie est déjà opérationnelle dans la construction de capteurs et des logiciels associés ;les groupes français et européens sont largement représentés dans le secteur commeSchneider Electric, Somfy, Legrand, Hager. Ce mouvement implique des acteurs à tous les niveaux : grands groupes comme PME et TPE. Scara et Cie est une entreprise familiale qui s’est spécialisée dans la domotique, notamment au service de l’efficacité énergétique. Récemment, à l’office de tourisme d’Embrun qui occupe une église du XIVème siècle: avec un investissement limité et sans toucher au bâtiment, classé monument historique, ils ont installé de nombreux capteurs mesurant la température, la luminosité, l’hygrométrie, les taux de CO2 et de CO. La combinaison d’un système d’optimisation automatisé et de prévention auprès des occupants a permis d’atteindre 35 à 38% d’économie d’électricité sur une année. De nombreuses initiatives telles que celle-ci sont de plus en plus médiatisées et l’accélération du mouvement est bien plus aujourd’hui une question d’investissement et de volonté politique qu’une problématique technique.

De plus en plus de solutions logicielles existent pour centraliser les données de plusieurs bâtiments. Intent Technology , l’une des startups du Village by CA, est spécialiste de ces solutions logicielles.

L’enjeu est de faciliter la récupération des données afin de les rendre accessibles après des opérations de transformation pour les exploiter. En effet, beaucoup de bâtiments sont déjàconnectés, mais la collecte des données est difficile et coûteuse. Les constructeurs ont chacun leur langage propre et les normes sur les capteurs et les protocoles de communication ne sont pas encore totalement établies. IntentOS, la solution logicielle d’Intent est vue comme un PaaS (Platform as a Service) et permet l’accès aux données de capteurs sur un grand parc de bâtiments afin de valoriser ces données. Si la pose de capteurs est déjà utile au niveau d’un bâtiment individuel pour permettre l’optimisation de la consommation d’énergie avec des gains importants, on ne pourra vraiment exploiter tout le potentiel du bâtiment connecté que dans l’interconnexion des systèmes.

L’ANALYSE DE DONNÉES POUR UNE CONNAISSANCE FINE DE LA DEMANDE ET DE LA CONSOMMATION

Avant les compteurs communicants, les compteurs étaient relevés quelques fois par an par un technicien d’EDF ou de GDF. Cela ne permettait pas d’avoir une vision fine de la consommation indivuelle d’un bâtiment car la fréquence de relève était extrêment basse. Au niveau d’un quartier ou d’une ville, les données de consommation était relevées à une fréquence plus élevée, mais de façon très agrégée. D’autre part le coût de stockage des données était très élevé. Des modèles prédictifs de consommation d’énergie existaient mais très difficiles à paramétrer de part le manque de données massives et la faible capacité de calcul. On n’avait donc qu’une connaissance limitée des phénomènes locaux, avec un pouvoir prédictif faible.

Aujourd’hui, les coûts de stockage faibles et la mise en place de multiples capteurs à tous les niveaux nous amènent à l’ère du Big Data dans le domaine du bâtiment et de la consommation d’énergie. On peut mettre en place des systèmes d’analyse de données qui permettent une connaissance fine des bâtiments et de leur consommation.

DES SYSTÈMES D’ANALYSE COMPLEXES, DÉPLOYÉS SUR PLUSIEURS ÉCHELLES

Au delà du défi de la collecte et du stockage de ces données massives, un défi de taille est bien la mise en place de systèmes d’analyse. Pour prédire finement la consommation d’énergie d’un bâtiment, il faut croiser un nombre important de données : la liste des équipements installés, des données anthropologiques comme la température de confort des habitants, leur activité (actifs, retraités, étudiants, artisans), le nombre d’enfants, etc. Un système d’analyse locale permet d’apprendre les habitudes de consommation des habitants en se basant sur l’historique des données et de prédire la consommation en temps réel. En revanche, un tel système ne peut être réellement précis et efficace que s’il est alimenté par d’autres systèmes externes situés hors du bâtiment. Il est indispensable de fournir des prédictions de météo locale au modèle prédictif de la consommation du bâtiment individuel ; ces prédictions météo doivent s’appuyer sur l’historique des données locales (ensoleillement, vent, couverture nuageuse, humidité, température, topologie du terrain, …) mais aussi sur autre système prédictif à une échelle régionale capable de prédire la météo à plus long terme.

 

Les phénomènes d’échelle contraignent les systèmes et impliquent l’interconnexion de modèles génériques à grande échelle avec des modèles spécialisés à l’échelle locale. De même pour la production d’énergie : on peut connaître à l’avance la production à l’échelle nationale ou régionale de façon précise car il s’agit d’une production globale et massive par de grandes unités (centrales hydroélectriques, nucléaires, thermiques). En revanche à une échelle plus fine et locale, les EnR (énergies renouvelables) comme les panneaux solaires ou les éoliennes induisent des fluctuations importantes que l’on peut prédire avec un modèle se basant sur l’historique de production et un modèle prédictif de la météo locale.

La boucle est presque bouclée en branchant les systèmes de prédiction de production d’énergie au niveau local avec un système de calcul du coût de l’énergie sur le marché à un instant donné. De cette façon, o