📇 Vue d’ensemble du projet

DEEP - Digital Eye Enhanced Prediction for Distributed PV Generation

🏢 Start-up / Organisation

INESC P&D Brasil

👤 Responsables du projet

Douglas Bressan Riffel

🌍 Pays

Brésil, projet développé au Cap-Vert

⚡ Segment du secteur énergétique

R&D&I dans les systèmes énergétiques et les énergies renouvelables

🧠 Technologies clés

Prévisions à court terme de la production photovoltaïque en net metering (jusqu’à 6 heures)

📊 Statut

Pilote

Hero

Présentation de l’entreprise

INESC P&D Brasil est une institution scientifique et technologique non gouvernementale, organisée comme une association privée à but non lucratif au Brésil. Elle coordonne des coopérations en recherche, développement et transfert de technologies avec des universités publiques brésiliennes et INESC TEC (Portugal). L’institut soutient et met en œuvre des projets de R&D&I et fournit du conseil avancé, souvent en partenariat avec l’industrie et dans le cadre de programmes de financement internationaux. Ses travaux couvrent notamment les systèmes électriques et l’innovation en ingénierie, avec une forte orientation vers la transformation de la recherche en solutions concrètes à fort impact.

Défi

Le défi consiste à prévoir à court terme (jusqu’à six heures à l’avance) la production photovoltaïque distribuée avec une précision suffisante pour les opérations réelles du réseau, notamment dans des contextes où les opérateurs ne peuvent pas s’appuyer sur des infrastructures coûteuses de type imagerie satellite ou caméras du ciel. Ce défi est accentué par les mécanismes de net metering, où les données des compteurs intelligents mélangent production photovoltaïque et consommation locale, rendant le signal plus difficile à modéliser et à prédire.

Par ailleurs, les opérateurs font face à des contraintes pratiques telles qu’un accès limité ou fragile aux données et des lacunes importantes dans les jeux de données, nécessitant des approches robustes de contrôle qualité et de reconstruction des données pour permettre leur utilisation fiable.

Cet enjeu est particulièrement critique au Cap-Vert, où, dans un contexte de développement du photovoltaïque distribué et de net metering, l’opérateur du réseau a besoin de prévisions précises à court terme pour dimensionner ses réserves et optimiser le dispatch dans un système insulaire encore dépendant des énergies fossiles, améliorant ainsi la fiabilité et réduisant les coûts d’exploitation.

La solution

La solution consiste à transformer les données existantes des compteurs intelligents en prévisions opérationnelles à court terme de la production photovoltaïque en net metering. Elle valide automatiquement la qualité des données et reconstitue les données manquantes grâce à une approche innovante de reconstruction, permettant aux opérateurs de s’appuyer sur des prévisions fiables même en présence de jeux de données incomplets.

En combinant les informations issues de compteurs voisins — en exploitant ainsi le parc de production photovoltaïque distribuée comme un réseau de capteurs — la plateforme renforce le signal et fournit des prédictions plus fiables pour les décisions opérationnelles quotidiennes.

Elle exploite les données existantes (facturation et compteurs intelligents) pour extraire des patterns spatio-temporels, permettant de produire des prévisions fiables sans recourir à des infrastructures coûteuses.

Fonctionnement

La plateforme transforme les données existantes de comptage et de facturation en prévisions photovoltaïques distribuées à court terme (jusqu’à 6 heures), en validant la qualité des données, en reconstruisant les données manquantes à partir des compteurs voisins, puis en appliquant un moteur de prévision spatio-temporel générant des scénarios exploitables.

Comment ça fonctionne

• Import des données de compteurs intelligents
• Contrôle qualité des données (flags QC)
• Reconstruction des données manquantes via une approche d’inpainting horizontal
• Génération de prévisions probabilistes (minimum / scénario le plus probable / maximum)

En pratique

Les opérateurs utilisent une application web avec cartes et graphiques pour suivre le réseau et exporter les prévisions pour les opérations quotidiennes.

Outils, plateformes et données utilisés

• Données de compteurs intelligents et de facturation (incluant le net metering)
• Backend Django
• Interface web (SB Admin 2)
• Cartes Leaflet
• Visualisations ApexCharts
• Export via Google Drive

Technologies mobilisées

• Routines de contrôle qualité (CQ1 / CQ2)
• Adaptation de la méthode LDMM pour la reconstruction des données
• Modèle sémantique basé sur des noyaux pour la prévision spatio-temporelle

Utilisateurs

• Équipes d’exploitation et de planification des réseaux (ex : environnement ELECTRA / ONSEC)

Exemples d’applications terrain

• Dimensionnement des réserves (réserve tournante)
• Support au dispatch économique
• Amélioration de la visibilité sur la production distribuée
• Détection d’anomalies de données ou de non-conformité (ex : production nocturne)

Impact sur le terrain

La solution fournit des prévisions photovoltaïques distribuées à court terme (jusqu’à 6 heures) à partir des données existantes, permettant de réduire l’incertitude dans l’exploitation quotidienne du réseau, en particulier dans les contextes de net metering et de données incomplètes. Elle améliore directement le dimensionnement des réserves et l’efficacité du dispatch en renforçant la visibilité sur la production distribuée.

Elle contribue à la digitalisation et à la résilience en transformant des données fragmentées en intelligence opérationnelle grâce à des mécanismes automatisés de contrôle qualité et de reconstruction, sans nécessiter d’infrastructures coûteuses supplémentaires. Elle améliore également l’accessibilité et l’usage des données pour les opérateurs.

Chiffres clés

• Horizon de prévision : jusqu’à 6 heures
• Environ 50 % de réduction moyenne de l’erreur de prédiction
• Environ 94 % de niveau de confiance sur l’intervalle de prévision
• Jusqu’à 82,5 % de données manquantes ou invalides observées dans certains cas

Résultats à ce jour

Le système a été développé et validé dans un contexte réel au Cap-Vert (île de Santiago), atteignant un niveau de maturité élevé (TRL 8). Les principales avancées incluent une application web intégrée (cartes, graphiques, export), des workflows adaptés aux opérateurs et une première évaluation de viabilité financière en vue d’une commercialisation.

Prochaines étapes

Les prochaines étapes visent à passer à l’échelle en déployant la solution sur d’autres îles et régions, ainsi qu’à enrichir l’offre produit basée sur les données de net metering (prévisions d’énergie injectée, de consommation et de production brute). Le projet prévoit également la création d’une startup pour commercialiser DEEP auprès des opérateurs en Afrique et dans les petits États insulaires en développement (SIDS), avec un modèle de licence basé sur le nombre de systèmes solaires connectés et des opportunités de valorisation des données pour les régulateurs.

Une levée de fonds seed est en cours pour structurer l’entité, développer des synergies avec d’autres projets du Digital Energy Challenge, recruter un responsable croissance et sécuriser les ressources nécessaires au lancement opérationnel.