Transformer la donnée en information utile pour la prise de décisions dans le cadre des solutions de transition énergétique à l’échelle territoriale.
Enjeux
La conception, le développement, l’industrialisation, le déploiement et l’exploitation des réseaux d’énergie du futur requiert une approche multidisciplinaire compte-tenu
- D’une part de leur caractère multi-acteurs : propriétaires des infrastructures – collectivités, délégataires de services publics, fournisseurs d’énergie et de services énergétiques, usagers…
- D’autre part des intérêts multiples et parfois divergents de ces mêmes acteurs.
Au cœur de ces intérêts se situe la donnée[1], dont l’échange est essentiel pour pouvoir avancer sur les enjeux de transition énergétique, mais qui représente également un intérêt stratégique et/ou économique pour chacun des acteurs.
La transformation de la donnée en information pouvant circuler entre les différents acteurs est en effet indispensable pour développer des solutions énergétiques intégrées (microgrid, autoconsommation, production décentralisée, consommateurs-producteurs…).
Les enjeux sont de 3 natures :
- Enjeux techniques : La donnée est essentielle pour pouvoir intégrer de manière sécurisée des sources de production distribuées et intermittentes pour certaines, dans les réseaux existants sans les déstabiliser et en assurant le service énergétique. Il en est de même lorsqu’on imagine les solutions de couplage entre les différents réseaux énergétiques.
- Enjeux économiques : Le développement des initiatives locales ne peut se faire que sur la base de flux de données économiques (coûts, tarifs, etc.), qui ne peuvent se construire que sur des flux de données physiques (capacité de production, capacité d’intégration via les réseaux, etc.).
- Enjeux réglementaires : La propriété de la donnée et la responsabilité associée présentent des enjeux importants pour les différents acteurs potentiellement concernés. Le partage envisagé d’information se doit d’être imaginé dans ce contexte contraint et en constante évolution.
[1] Données sur les suivis de consommation, les capacités de production, suivi des performances des systèmes de production / distribution, actions sur les systèmes, sources locales d’énergie …
Description
Dans ce contexte, le programme de la chaire vise à faire converger l’ensemble des compétences nécessaires, en mettant place une collaboration structurante entre des industriels du monde l’énergie, les collectivités et les diverses Ecoles de l’IMT. L’IMT apporte son savoir-faire sur la conception et la modélisation des systèmes énergétiques en réseaux, les nouveaux paradigmes des TICs, la mesure, la gestion de l’information, le contrôle et l’automatisation, ainsi que les approches socio-techniques des différentes solutions technologiques du monde de l’énergie.
Le programme vise en particulier des travaux de modélisation des réseaux d’énergie par une approche intégrée d’interconnexion entre les réseaux de différents vecteurs, les demandes et les solutions de productions. Cette approche système inclut la modélisation de la demande, des différentes sources connectées au réseau (permanentes ou intermittentes, locales ou centralisées, renouvelables, fatales ou classiques, stockage…), ainsi que les mécanismes avancés de gestion active de la demande. Elle a pour but de permettre aux décideurs (gestionnaires de réseaux, industriels, collectivités) d’évaluer les actions d’efficacité énergétique tant sur l’offre que sur la demande, d’arbitrer entre différents choix d’investissement dans de nouvelles sources ou d’extension de réseau, de piloter à moindre coût (économique, environnemental, énergétique) les différentes sources connectées…
La chaire ainsi constituée permet de fournir à ses partenaires le terrain « neutre » propice aux expérimentations.
Verrous scientifiques
- Qualité des données (mesures physiques) : pouvoir informatif des données, hétérogénéité, précision, fiabilité, fidélité, sensibilité des modèles et des processus de décision à la qualité des données, méthodes d’agrégation.
- Format des données (données numériques) : structuration des données, protocoles de transmission, standardisation et fiabilité.
- Qualité des décisions permises par les modèles construits à partir des données collectées, les processus d’optimisation, les systèmes de planification.
- Elaboration des mécanismes de prise de décision couplant les données réelles, les modèles et l’intérêt des acteurs.
- Modélisation dynamique et optimisation des réseaux multi-énergie et des systèmes associés.
- Solutions de planification et de pilotage.
- Marchés et régulation des échanges locaux d’énergies.
