Newsroom

Maîtriser la consommation électrique des bâtiments

Image : Smart Impulse

Simon Henriet vient de soutenir sa thèse de doctorat à Télécom Paris, intitulée « La désagrégation de consommations électriques dans les grands bâtiments : analyses, simulations et apprentissage non supervisé par factorisation de matrices ». Il fait part de la valorisation et des résultats de sa recherche, orientée vers une maîtrise optimale de la consommation électrique, dans un but économique… et écologique.
Cette thèse a été dirigée par Gaël Richard, professeur à Télécom Paris, Benoît Fuentes, chercheur à Smart Impulse et Umut Şimşekli, maître de conférences à Télécom Paris. Elle a été financée par Smart Impulse, société leader de la mesure électrique non intrusive.

La thèse de Simon Henriet est en phase avec la raison d’être de Télécom Paris, soucieuse que son enseignement et sa recherche soient pleinement utiles à la société et à l’environnement.

Comment les résultats de votre thèse sont-ils valorisés auprès de l’industrie ?

Simon Henriet : Ce projet de thèse a été proposé par une entreprise parisienne innovante, Smart Impulse, impliquée dans l’efficacité énergétique des bâtiments. Sa spécialité est l’analyse des consommations électriques des bâtiments dans le but de faire des économies d’énergie. Les résultats de cette thèse sont donc directement utilisés par l’équipe de Recherche & Développement de l’entreprise pour améliorer la qualité et les fonctionnalités de ses produits permettant d’identifier les consommations d’un bâtiment par usage (éclairage, informatique, chauffage, etc.). Cette vision claire de l’origine de la consommation permet de cibler les économies d’énergie et de maîtriser ses consommations dans la durée.

En quoi la réduction de la consommation énergétique des bâtiments peut-elle lutter contre le réchauffement climatique ?

La prise de conscience des conséquences du réchauffement climatique a permis de lancer un mouvement de réduction de l’utilisation d’énergie. Sans pour autant arrêter toute utilisation d’énergie, le faire de façon la plus efficace possible en réduisant le gaspillage apparaît comme une solution évidente. L’électricité utilisée dans les bâtiments représente une part importante de la consommation d’énergie et doit donc être utilisée de manière efficace. Pour cela, il est nécessaire de pouvoir mesurer et suivre la consommation électrique de chaque appareil au sein d’un bâtiment.

De plus, le réchauffement climatique est lié aux émissions de gaz à effet de serre dont le carbone fait partie. Dans de nombreux pays du monde, la production d’électricité émet de grandes quantités de carbone. Réduire la consommation électrique aura donc un impact direct sur les émissions. En France, même si l’énergie électrique est bas-carbone, toute économie d’électricité pourrait remplacer l’utilisation d’autres énergies plus carbonées. C’est en cela qu’une meilleure consommation de l’électricité est une des clés de la réponse au réchauffement climatique.

Qu’est-ce qui permet d’optimiser la consommation électrique des bâtiments ?

Depuis 30 ans, une méthode de suivi des consommations électriques, Non Intrusive Load Monitoring (NILM), propose, à partir d’un unique compteur mesurant la consommation totale du bâtiment, de déterminer la contribution de chaque appareil électrique. Cette méthode est basée sur un algorithme de désagrégation des consommations électriques et permet de s’affranchir de l’utilisation d’un compteur de mesure pour chaque appareil électrique du bâtiment.

Ma thèse aborde les problèmes algorithmiques que présente le NILM. De manière générale, la problématique est celle de la séparation de sources. Les différentes sources à estimer correspondent ici à la consommation électrique des différents appareils branchés sur un même réseau. La mesure réalisée, aussi appelée observation mélangée, correspond à la somme de toutes les consommations. Ainsi, les principales difficultés du NILM sont : (i) la standardisation de la formulation, (ii) le caractère mal posé du problème (perte d’information), (iii) les connaissances insuffisantes sur les signaux et (iv) l’implémentation d’un algorithme d’apprentissage. L’objectif principal de cette thèse est de traiter le NILM dans le cadre des grands bâtiments (commerciaux, bureaux, industriels) en utilisant des mesures hautes fréquences du courant et de la tension. Cependant, les maisons individuelles et leurs propres types d’appareils électriques ne sont pas exclus de cette étude.

Comment avez-vous traité ce problème ambitieux dans cette thèse ?

Nous abordons d’abord le problème du manque de connaissance des signaux de consommation électriques, à la fois ceux des grands bâtiments et ceux des différents appareils utilisés. La littérature concernant le NILM est principalement orientée vers l’étude des mesures basses fréquences de consommations dans les maisons. Nous proposons ici une analyse statistique des mesures de consommations. Nos résultats nous permettent de proposer une nouvelle classification des appareils électriques en fonction de leur caractéristiques de courant et également de définir des hypothèses pour la résolution du problème de séparation des sources. […]

Grâce à nos résultats d’analyse et par manque de données, nous traitons ce problème à l’aide de techniques d’apprentissage non-supervisées. […] Nous développons le premier algorithme spécialement conçu pour le traitement du NILM dans le cadre de données hautes fréquences et de grands bâtiments. Nous montrons ainsi que cet algorithme atteint de meilleurs résultats pour le problème du NILM – le manque de données de consommations disponibles – que des méthodes classiques de séparation de sources.

Félicitations à Simon Henriet, nouveau docteur Télécom Paris !