Au fur et à mesure que la demande pour des énergies renouvelables s’accentue en raison d’initiatives de lutte contre les changements climatiques et de programmes de sécurité énergétique de plus en plus rigoureux, la capacité d’énergie éolienne continue elle aussi de croître, de même que la taille des éoliennes. Parce qu’elles sont sujettes aux intempéries pouvant entraîner des défaillances mécaniques, les éoliennes requièrent une surveillance proactive et une maintenance préventive pour éviter des réparations et des pannes dispendieuses.

L’intelligence artificielle (IA) et l’apprentissage machine changent la donne lorsqu’il est question de gestion des actifs renouvelables.

Lors de la conférence WindEurope 2023 de Copenhague, l'expert en énergies renouvelables de CGI Rita Burnay a présenté un exposé sur une étude collaborative concernant un système fondé sur l’apprentissage machine, connecté au système de gestion des énergies renouvelables de CGI, capable de prédire les défaillances des éoliennes et de surveiller les actifs. 

Comme mentionné dans cette étude, les capacités de prédiction extraordinaires de l’IA ont un effet direct sur l’efficacité de la gestion d’actifs, notamment en réduisant le nombre de défaillances et les délais qu’elles occasionnent. Cette réduction des interruptions améliore la longévité des composantes, réduit le coût des maintenances et augmente les profits à long terme issus de la production énergétique.

Création de modèles fiables de prédiction de la performance

L’étude utilise des données historiques provenant de plusieurs sources pour créer des modèles de classification binaire afin de prédire les défaillances des éoliennes. Afin d’assurer la fiabilité des modèles, un suivi de 11 détecteurs de défaillances sur une période de trois mois a été effectué dans le but de relever le moins possible de faux positifs.

À l’aide de Microsoft Azure Machine Learning Studio, des modèles ont été créés pour chacune des défaillances récurrentes des éoliennes. Chaque modèle entraîné et ajusté recevait des données des éoliennes et notait la fenêtre de temps comme une possible prédiction de défaillance pour l’éolienne concernée.

Le résultat? Les modèles ont démontré une fiabilité et n'ont pas présenté de fausses prédictions. De plus, ils étaient en mesure de prédire au moins une défaillance sur six détecteurs.

Bien que l’étude se concentrait sur l’énergie éolienne, son fondement et sa méthodologie d’intelligence artificielle sont applicables à d’autres sources renouvelables, comme l’énergie solaire.

Explorer le pouvoir de l’IA pour la gestion d’actifs renouvelables avec CGI

Les organisations ont besoin de perspectives fondées sur les données pour évaluer et améliorer leur performance opérationnelle ainsi que pour faciliter les analyses stratégiques et la prise de décisions. Nous aidons nos clients à passer de la supervision à l’hypervision : aller au-delà de la surveillance des actifs vers la réalisation de prédictions fondées sur l’IA.

Grâce au système de gestion des énergies renouvelables de CGI, qui analyse et gère les actifs, les clients peuvent combiner leur portefeuille en une seule solution et optimiser leur efficacité. Connecter l’outil intelligent de prédiction des défaillances au système de gestion des énergies renouvelables de CGI leur permet d’analyser les défaillances principales de chaque actif et de déployer le mécanisme de prédiction.

Au fur et à mesure que les outils de prédiction fondés sur l’IA continuent de favoriser l’excellence opérationnelle pour toutes les sources d’énergie renouvelable, nous sommes ravis de demeurer à l’avant-garde des possibilités qu’ils représentent.