NOUS SOMMES LE PLUS GRAND PRODUCTEUR D’ÉLECTRICITÉ DU CANADA ET UN LEADER MONDIAL EN ÉNERGIE RENOUVELABLE QUI FOURNIT À TOUS LES QUÉBÉCOIS UNE ALIMENTATION FIABLE ET SÛRE AVEC UNE ÉNERGIE PROPRE ET RENOUVELABLE À PLUS DE 99 %.
L’innovation, c’est notre terrain de jeu
L’innovation est un réflexe bien implanté à Hydro-Québec. Elle stimule d’ambitieux projets dans toute l’entreprise. Si l’invention du transport d’électricité à très haute tension a permis à Hydro-Québec de s’affirmer dans le monde de la recherche aujourd’hui, c’est dans le contexte de la transition énergétique qu’elle s’impose comme un leader de cette profonde transformation avec toujours pour atout majeur sa capacité d’innovation.
Électrification efficace et décarbonation des marchés, intégration et décentralisation des énergies renouvelables, interactivité du réseau électrique, diagnostic et pronostic des grands équipements, intégration d’actifs de nouvelle génération, intégration du numérique, de l’automatisation et de l’intelligence artificielle, ces sujets et bien d’autres guident aujourd’hui les travaux des équipes de recherche.
L’intelligence artificielle comme moteur d’innovation
À une époque de numérisation croissante et pour faire face aux défis de la transition énergétique, l’intelligence artificielle apparaît comme un outil supplémentaire permettant, potentiellement, d’améliorer considérablement le processus d’innovation. Les quantités de données toujours plus importantes et les nouveaux algorithmes utilisés à Hydro-Québec permettent une meilleure analyse, des prévisions plus précises et une prise de décision avec moins de risques.
L’intelligence artificielle au service de la prévision de la demande
La prévision de la demande est une activité cruciale pour une entreprise comme Hydro-Québec. Elle est nécessaire pour des objectifs aussi variés que la gestion de la production ou encore la gestion et la maintenance du réseau électrique. Toute erreur importante de prévision peut se traduire par des problèmes de fiabilité, par une perte d’opportunité d’affaires ou des coûts supplémentaires pour l’entreprise.
Les modèles utilisés pour prédire la demande offrent en moyenne de bonnes performances. Toutefois, dans certaines conditions, il y a un écart important entre la prédiction de ces modèles et la réalité.
Le nombre important de paramètres à ajuster manuellement complique grandement la maintenance et l’évolution de ces modèles, ce qui à terme peut les rendre moins performants pour intégrer entres autres les changements liés à la transition énergétique sur le réseau. En effet, les changements macro-économiques comme la baisse de l’industrie lourde, les mutations actuelles de la société (télétravail, tarification préférentielle, etc.) et à venir (électrification des transports, autoproduction, stockage,
domotique, rôle actif du consommateur) sont des enjeux présents et futurs pour les modèles de prévision paramétriques puisque la charge est de plus en plus difficilement modélisable par un ensemble de phénomènes physiques clairement identifiés.
La mise en commun des expertises complémentaires du centre de recherche d’Hydro-Québec (CRHQ), de l’unité prévision et contrôle du réseau d’Hydro-Québec TransÉnergie (HQT), du parquet de transaction énergétique d’Hydro-Québec Production (HQP), des équipes d’HydroQuébec Distribution (HQD), des équipes TI sans oublier la collaboration de l’Institut québécois d’intelligence artificielle (MILA) a contribué à la création d’une solution novatrice en intelligence artificielle pour la prévision de la demande basée sur l’apprentissage profond.
Cette solution vient bonifier les techniques existantes en mettant à profit le capital numérique d’Hydro-Québec et les nouvelles sources de données disponibles (nouvelles sources météo, images satellites …) pour améliorer la prévision de la demande.
Inspection thermique du réseau souterrain à l’aide de l’apprentissage profond
Hydro-Québec Distribution (HQD) exploite un réseau de près 115 000 km de lignes électriques dont plus de 22 000 km sont enfouies. Avec le temps, les câbles se détériorent en raison de l’âge, des conditions météorologiques extrêmes, de la haute tension, des produits chimiques corrosifs, des surcharges ou même quelquefois parce qu’ils sont rongés par les rats. En raison des tensions transigées sur le réseau de distribution, un arc électrique peut se créer lorsqu’un défaut survient au niveau des jonctions. La puissance et l’énergie dissipées par cet arc dépendent du court-circuit au point de défaut. Les conséquences varieront en gravité, en fonction du type de jonction, de la puissance de l’arc et de l’énergie.
Compte tenu du risque pour la sécurité et de la nécessité d’effectuer une maintenance efficace, un programme de maintenance par imagerie thermique a été lancé à HQD depuis 2001. Ce programme améliore la sécurité et la fiabilité du réseau souterrain. Cependant, le processus est très exigeant et, comme de nombreuses compagnies électriques, HQD doit faire face aux défis de renouvellement de sa main-d’œuvre. De plus, l’enfouissement des lignes électriques de distribution gagne en popularité alors que de plus en plus de villes choisissent d’enfouir les lignes de distribution lorsqu’elles aménagent de nouveaux quartiers résidentiels.
Les avancées récentes des techniques d’apprentissage profond, en particulier en vision par ordinateur telles que la reconnaissance de scènes, la détection d’objets, ont conduit HQD à démarrer le projet APPRANTI (Apprentissage Profond pour l’Analyse et le Traitement d’Image). L’objectif du projet est de développer une solution complète pour effectuer le prétraitement des images, détecter différents types de jonction souterraine et analyser leurs défauts potentiels en fonction des caractéristiques thermiques des images capturées en temps réel.
La solution APPRANTI constitue un réel atout pour aider les équipes sur le terrain à réaliser une inspection thermique sûre et efficace des lignes électriques du réseau souterrain.
