Google utilise l’intelligence artificielle pour optimiser la production de ses parcs éoliens
Si les énergies vertes peuvent répondre aux enjeux de la transition énergétique, elles présentent cependant un inconvénient majeur : elles sont intermittentes. Leur production est en effet étroitement liée aux conditions météo, une caractéristique qui rend particulièrement compliqué leur intégration à notre réseau électrique.
Concrètement, il semble aujourd’hui impossible de savoir si le vent va souffler au moment où les habitants d’un pays vont avoir besoin de consommer de l’électricité.
Pourtant, une filiale britannique du géant américain Google a annoncé avoir réussi à prédire la production d’une éolienne grâce à un programme d’intelligence artificielle. Explications.
Des prévisions établies grâce à l’apprentissage automatique
Depuis quelques années, l’intelligence artificielle trouve de nombreuses applications dans notre vie quotidienne. Aviation, médecine, informatique, éducation, transport…
De nombreux secteurs de nos économies modernes se sont appuyés sur les avancées de l’intelligence artificielle pour se développer et progresser.
Rien d’étonnant donc à ce que Google s’intéresse aux potentiels de l’intelligence artificielle, et plus précisément à l’apprentissage automatique (ou machine learning en anglais), pour optimiser l’exploitation de ses parcs éoliens.
Grâce au travail effectué par sa filiale londonienne DeepMind, le groupe américain estime même être en mesure de prédire la production de ses turbines éoliennes.
L’idée est on ne peut plus simple : le programme DeepMind a été agrémenté d’un algorithme d’apprentissage capable de générer des prévisions météorologiques grâce à des données historiques d’éoliennes. En croisant ces différentes informations, l’intelligence artificielle de Google est capable de prévoir 36 heures à l’avance la production électrique d’une éolienne.
Favoriser l’injection de l’électricité renouvelable sur un réseau électrique
« Sur la base de ces prévisions, notre système informatique intelligent est capable de calculer quelle est la manière optimale de livrer l’électricité produite sur le réseau électrique plus d’un jour à l’avance. Il s’agit d’une avancée importante car les ressources énergétiques prévisibles sont particulièrement utiles pour assurer l’équilibre d’un réseau », expliquent les ingénieurs de la firme de Mountain View.
Sims Witherspoon et Will Fadrhonc, respectivement responsable du programme DeepMind et responsable du programme Énergie sans carbone de Google, ont récemment annoncé une amélioration de 20% « la valeur » de l’énergie verte produite par un parc éolien américain de 700 MW grâce à l’utilisation de l’algorithme DeepMind.
« Nous ne pouvons pas éliminer la variabilité du vent, mais nos premiers résultats suggèrent que nous pouvons utiliser l’apprentissage machine pour rendre l’énergie éolienne plus prévisible et utile. Cette approche permet également d’apporter une plus grande rigueur des données aux opérateurs éoliens. L’apprentissage machine peut aider les exploitants à effectuer des évaluations plus intelligentes, plus rapides et davantage axées sur la façon dont la production d’énergie peut répondre à la demande d’électricité ».
Le parc éolien français bat un record de production
En France, le secteur de l’énergie éolienne a fait parler de lui le 14 mars en début d’après-midi en battant son record de production.
Selon les informations fournies par RTE, gestionnaire du réseau de transport d’électricité français, les éoliennes terrestres installées sur le sol français ont en effet généré quelques 12.323 MWh d’électricité à 14h30. Un volume qui correspond à 18% de la consommation électrique française.
Ce record a pu être battu grâce à deux facteurs : de forts vents à travers l’Hexagone et la croissance du parc éolien français. La puissance cumulée des turbines éoliennes a en effet augmenté de 11,2% par rapport à 2017 pour s’établir à 15.108 MW.
