Lorsque les températures chutent et que l'hiver s'installe, la sécurité devient une priorité pour les services de distribution et leurs clients. Les phénomènes météorologiques hivernaux extrêmes, tels que les tempêtes de neige, la glace et le gel, présentent des risques non seulement pour l'infrastructure du réseau, mais aussi pour les communautés qui dépendent d'une énergie et d'une eau fiables. Les pannes liées aux conditions météorologiques ont presque doublé au cours de la dernière décennie aux États-Unis, les tempêtes hivernales représentant près d'un quart de ces pannes.

Heureusement, les progrès de l'intelligence artificielle (IA) et de l'apprentissage automatique (Machine Learning) transforment la façon dont les services publics protègent les clients, les équipes et les infrastructures critiques pendant les mois d'hiver rigoureux.

Les idées tirées de notre rapport 2024 « Resourcefulness Insight Report, Exploring AI for Utilities : The Promise and Challenges of Artificial Intelligence », révèlent que 43 % des cadres des services de distribution citent la détection et la gestion de situations potentiellement dangereuses comme le cas d'utilisation le plus probant de l'IA et de la ML. Avec 82 % des services de distribution qui déclarent adopter activement les technologies d'IA/ML - et près de la moitié (49 %) qui les utilisent déjà pour la sécurité - les clients bénéficient des progrès mesurables de leur service de distribution en matière de détection des risques, de réponse et de résilience.

Voici quelques façons dont les services de distribution peuvent tirer parti de l'IA et du Machine Learning pour améliorer la sécurité pendant la saison hivernale.

Détection en temps réel des conditions dangereuses

Le fondement de toute solution axée sur l'IA repose sur des données de qualité et exploitables, et les services de distribution se tournent de plus en plus vers les technologies intelligentes en périphérie des réseaux pour les fournir. Les capteurs IoT, les compteurs intelligents et les terminaux d'intelligence distribuée collectent et hiérarchisent la transmission de données critiques sur les performances du réseau, les conditions environnementales et les charges énergétiques.

Pendant les mois d'hiver, cette visibilité en temps réel devient inestimable. Par exemple :

• Détection des problèmes d'impédance : Les modèles d'IA peuvent identifier des tendances d'augmentation de l'impédance ou des fluctuations anormales de la tension, qui sont souvent des signes précurseurs de transformateurs défaillants ou de circuits surchargés. En agissant sur ces données, les services de distribution peuvent traiter les risques liés à l'équipement avant qu'ils ne se transforment en dangers pour la sécurité ou en longues pannes.

• Surveillance des conditions extrêmes : Les capteurs IoT capturent des données environnementales telles que l'accumulation de glace, les températures glaciales et l'inclinaison des poteaux. Ces données alimentent les systèmes d'IA qui prédisent où l'infrastructure peut être la plus vulnérable, ce qui permet une maintenance préventive.

• Automatisation des décisions locales : L'intelligence avancée à la périphérie du réseau permet aux appareils de prendre localement des décisions en une fraction de seconde. La réduction ou la diminution des charges non essentielles en raison de pics locaux, par exemple, peut réduire de manière autonome les lignes surchargées et protéger les services essentiels tels que le chauffage des locaux et les systèmes de sécurité.

En identifiant les problèmes à un stade précoce, l’IA minimise les risques pour l’infrastructure et la sécurité publique tout en améliorant la rapidité d’intervention.

La maintenance prédictive évite les temps d’arrêt

Les intempéries hivernales mettent à rude épreuve les infrastructures vieillissantes, et la maintenance réactive ne suffit pas à assurer la sécurité des systèmes. Les services publics peuvent tirer parti de l'IA pour :

• Prioriser les réparations : En analysant les données historiques sur les pannes et les conditions du réseau en temps réel, l'IA peut apprendre et identifier les actifs les plus à risque, tels que les transformateurs proches de leur capacité ou les lignes susceptibles de subir un affaissement excessif en raison du poids supplémentaire de la glace et de la neige.

• Optimiser les équipes et les ressources : Les analyses prédictives aident les services de distribution à prépositionner les équipes de réparation et les matériaux avant les tempêtes hivernales, ce qui réduit les délais d'intervention et minimise les pannes.

• Prolonger la durée de vie des actifs : Les connaissances alimentées par l'IA permettent aux services de distribution d'effectuer une maintenance ciblée et basée sur l'état, prolongeant ainsi la durée de vie des infrastructures essentielles et réduisant les réparations d'urgence coûteuses.

Actuellement, 33 % des services de distribution interrogés utilisent déjà l'IA/ML pour la maintenance prédictive, ce qui souligne son rôle croissant dans le maintien des réseaux opérationnels.

Améliorer la résilience grâce à une réponse automatisée

Lorsque les tempêtes hivernales frappent, les services publics doivent agir rapidement pour rétablir les services. Les nouvelles technologies, telles que l'IA, permettent de prendre des décisions plus rapides et plus éclairées lors des interventions en cas d'incident en automatisant des processus qui reposaient traditionnellement sur des interventions manuelles. Par exemple :

• Déconnexions à distance : L'infrastructure de mesure avancée (AMI) permet aux services de distribution de déconnecter ou de reconnecter les services à distance en toute sécurité dans des conditions dangereuses, telles que des quartiers inondés ou gelés.

• Allocation des ressources : Des modèles pilotés par l'IA optimisent le déploiement des équipes de réparation, des équipements et des matériaux dans les zones les plus touchées. En combinant les prévisions météorologiques et les données du réseau en temps réel, les services publics peuvent hiérarchiser efficacement les ressources pour un impact maximal.

• Simulations de résilience : L'IA simule des scénarios de restauration pour déterminer le moyen le plus rapide et le plus sûr de rétablir le courant dans les infrastructures critiques telles que les hôpitaux, les abris chauffés (ou refroidis) et les usines de traitement des eaux.

Avec 31 % des services publics interrogés qui utilisent déjà l'IA pour la résilience du réseau et la gestion des pannes, ces capacités deviennent indispensables pour améliorer la réponse aux incidents.

Des informations basées sur des données pour des stratégies de sécurité à long terme

L'IA n'est pas seulement utile en cas d'urgence, elle fournit aux services de distribution des informations exploitables pour améliorer la sécurité tout au long de l’année. En analysant les tendances des données historiques sur les pannes, les conditions météorologiques et les performances du réseau, l’IA peut guider les investissements dans le renforcement de l’infrastructure, comme la mise à niveau des équipements vieillissants ou l’actualisation des exigences en matière de réserves dans les zones les plus sensibles.

Ces décisions fondées sur des données permettent aux services publics d’être mieux préparés pour les hivers à venir tout en réduisant la probabilité de problèmes récurrents.

Transformer la préparation à l’hiver grâce à l’IA et à la ML

Si les dangers des tempêtes hivernales sont bien connus, le « National Renewable Energy Laboratory  » signale que les services de distribution subissent de nouveaux impacts en raison de l'évolution des caractéristiques des tempêtes. Par exemple, dans des régions comme le Midwest et le Nord-Est, les températures hivernales moyennes plus élevées ont provoqué le givrage des conducteurs dans des zones auparavant sèches, ce qui accroît les risques pour l'infrastructure du réseau.

Alors que les services publics font face aux défis de l'hiver, l'IA / ML peut offrir une voie vers plus de sécurité, d'efficacité et de résilience. En exploitant la puissance des données en temps réel, de l'analyse prédictive et de l'intelligence en périphérie de réseau, les services publics peuvent maintenir leurs systèmes sûrs, fiables et adaptables dans un environnement en constante évolution.

Pour en savoir plus sur l'avenir de l'IA dans les services de ditribution et ses implications, téléchargez un exemplaire du « Resourcefulness Insight Report 2024 » d'Itron et/ou la recherche en cours sur itron.com/resourcefulness.