La décarbonation de l'approvisionnement énergétique et la sortie du nucléaire entraînent des changements significatifs dans les caractéristiques des réseaux de distribution et, partant, dans les responsabilités du gestionnaire de réseau de distribution (GRD). Les données des compteurs intelligents ont le potentiel d'aider les GRD à gérer l'évolution du réseau, et ils étudient de plus en plus les techniques avancées de science des données, basées sur les données des compteurs intelligents, pour atteindre les objectifs réglementaires et d'entreprise en matière de fiabilité, de résilience et de rentabilité du réseau. En règle générale, ces techniques de science des données reposent sur la centralisation des données, introduisant des retards dans le traitement des données, des vulnérabilités de sécurité des données et de protection de la vie privée, et créant des défis réglementaires pour le GRD ou le service public, compte tenu des contraintes juridiques qui existent en ce qui concerne l'accès et l'analyse des profils de charge des consommateurs. Le projet KnowlEDGE étudie des approches basées sur les données des compteurs intelligents qui peuvent améliorer la capacité du GRD à s'adapter à la décarbonisation et à la décentralisation d'une manière qui répond aux contraintes de confidentialité et de sécurité décrites ci-dessus.
Le projet applique des algorithmes ou des modèles à plusieurs ensembles de données sans les colocaliser, tout en produisant des résultats équivalents à l'application du même algorithme ou modèle à une base de données centralisée. KnowlEDGE étudie comment les algorithmes fonctionnent en conjonction avec les compteurs intelligents à la périphérie du réseau et envisage l'intégration pratique d'algorithmes d'IA et d'approches d'analyse fédérée dans des environnements résidentiels, industriels et commerciaux par le biais d'essais en laboratoire et sur le terrain.
Dans le cadre du projet KnowlEDGE, une analyse décentralisée des flux de charge et une prévision de la charge des consommateurs finaux ont été déployées dans le cadre d'un essai sur le terrain auprès de 30 clients finaux dans un système de distribution d'échantillons à Rolle VD. Les principaux apports de l'approche proposée sont énumérés ci-dessous :
1. Permet le calcul en temps quasi réel et la prévision de la congestion du réseau en périphérie. Contrairement à l'infrastructure de comptage intelligent existante qui ne transmet que des données avec un intervalle de 15 minutes toutes les 24 heures, les conditions du réseau sont accessibles en temps quasi réel.
2. Assure la protection des données et évite toute centralisation des données des consommateurs, et donc un traitement plus efficace des données.
3. Présente une alternative innovante à l'approche traditionnelle consistant à installer des appareils de mesure supplémentaires au niveau du transformateur (niveau de réseau 6).
4. Fournit un paramètre prototype de l'implémentation à l'aide d'une interface IoT.
L'approche proposée nécessite l'utilisation de compteurs intelligents dotés de capacités de calcul améliorées, afin d'exécuter les algorithmes décentralisés avancés. Afin de permettre des tests sur un système de distribution réelle, la mise en œuvre des technologies de l'information et de la communication (TIC) au niveau du gestionnaire de réseau de distribution (GRD) avec une interface directe de l'Internet des objets (IoT) a été développée à l'aide du protocole MQTT. De plus, cette approche ouvre la voie à l'industrialisation future de ces solutions, promettant une meilleure visibilité sur les réseaux de distribution et, à terme, une optimisation de l'exploitation des réseaux