Observabilité - Stage de Recherche

STAGE DE FIN D’ETUDES***
DATA SCIENCES - SMART GRIDS - MACHINE LEARNING
- MODERNISATION DU RESEAU ELECTRIQUE - AIDE A LA TRANSITION ENERGETIQUE- ACCES A L’ENERGIE DANS LES PAYS EMERGENTS

Les réseaux de distribution d’énergie électrique subissent actuellement de profonds
bouleversements (énergies renouvelables, véhicules électriques, flexibilités ). En parallèle, le
développement rapide des pays émergents pousse les infrastructures électriques à ses
limites, provoquant des coupures journalières. Pour relever ces nouveaux défis, Odit-e
propose une solution transformant radicalement la gestion des réseaux électriques, qui
n’avaient pas évolué depuis plus de 50 ans.

**Odit-e***:
Odit-e est une jeune startup créée en 2017 et basée à Meylan, entre la Chartreuse et
Belledonne. Notre équipe, constituée de 15 passionnés, est décidée à contribuer à la
nécessaire modernisation des réseaux électriques pour supporter la transition énergétique et
soutenir le développement des pays émergents.
Nous tirons parti de la disponibilité croissante des données issues des compteurs
communicants pour apporter des services innovants à un domaine resté trop longtemps en
retrait. Grâce aux dernières avancées permises par les data sciences, nos algorithmes
transforment radicalement l’étude des réseaux électriques : notre approche « data driven »
permet de prendre en compte le comportement réel du réseau. Nos modèles empiriques ont
un sens physique, et les prédictions obtenues ouvrent de nouveaux horizons.
Pour soutenir le plus concrètement possible les gestionnaires de réseaux, plusieurs solutions
sont en cours de développement:

- Aide à l’insertion des énergies renouvelables et véhicules électriques (prédiction

d’impact, optimisation, cartographie de la capacité d’accueil)
- Réduction des coupures dans les réseaux « faibles » des pays émergents africains

(prévision des coupures et proposition de solutions correctrices)
- Localisation des pertes
- Optimisation des investissements (éviter les travaux lourds de renforcement du réseau).

**Le stage**:
Un pilotage optimisé des réseaux basse tension (BT) permet, sans modification de leurs
infrastructures, de favoriser l’accès à l’électricité dans des pays émergents et d’augmenter la
capacité des réseaux électriques à accueillir les éléments nécessaires à la transition
énergétique. En effet, les réseaux BT de certains pays en développement subissent
régulièrement des coupures liées à des pointes de consommation d’énergie pouvant être

évitées si elles sont repérées suffisamment tôt. Bien que plus robustes, les réseaux BT des
pays développés n’ont pas été conçus pour accueillir les infrastructures liées à la transition
énergétique (production locale grâce aux panneaux photovoltaïques, point de recharge de
véhicules électriques etc.), sources de nouvelles contraintes conduisant à des excursions de
puissance et de tension qui limitent leur déploiement. Les données des compteurs
communicants permettent théoriquement de déterminer l’état d’un réseau BT et d’identifier
en temps réel les contraintes l’affectant. Néanmoins ces données ne sont remontées qu’avec
un délai de plusieurs heures et ne sont donc pas à même de permettre une surveillance et
une anticipation des problèmes rencontrés.

Dans ce cadre, Odit-e combine des approches de statistique et de physique des réseaux
électriques pour prédire l’état des points critiques du réseau, tout en s’affranchissant du délai
de réception des données de comptage, nous permettant de proposer les solutions
nécessaires au maintien de l’accès à une électricité de qualité : activation d’une batterie,
décaler la charge d’un véhicule électrique, étaler la consommation d’un quartier etc.

Le stage portera sur l’identification des données les plus pertinentes afin d’optimiser la
précision de nos modèles machine learning. Le problème est en effet multi-factoriel et
plusieurs dimensions seront à explorer : données électriques, sociales, temporelles, de
météorologie, etc. Pour cela, le ou la stagiaire utilisera des outils et approches standard de
data science (en Python) pour explorer en profondeur les dépendances statistiques au sein
des jeux de données de nos projets en cours. La ou le stagiaire sera encadré(e) par l’un des
chercheurs qui optimisera en parallèle la structure des modèles et y intégrera les résultats du
stage. L’impact du travail réalisé sera ainsi immédiat puisqu’il améliorera les solutions déjà
déployées sur deux de nos pilotes : île arctique en Norvège (projet européen H2020 GIFT, pour
la transition énergétique dans les îles européennes) et un quartier de Ouagadougou (projet
AFD Africit-e, pour l’accès à l’énergie).

Le sujet d’étude étant vaste, le cadre du stage pourra aisément être étendu si l