Catégorie
Recherche

Le projet « PEPER » va étendre son modèle d'architecture de collecte de données sur Saclay

Le projet « PEPER » va étendre son modèle d'architecture de collecte de données sur Saclay

  • Aller plus loin
  • Actualités sur le même thème

Partager

twlkml
Le projet PEPER : une architecture pour la collecte de données sur la consommation d'énergie à la seconde à Télécom SudParis.
Corps de texte

Sélectionné dans le cadre des « Appels à projets de recherche » de l’Institut DATAIA en 2018, le projet « PEPER » a pour objectif d'utiliser les réseaux neuronaux pour la prédiction et le renforcement dans l'optimisation de la gestion d'énergie.

 

« Grâce aux fonds dédiés par DATAIA, nous avons réussi à câbler un bâtiment de chambres d'étudiants à Télécom SudParis pour enregistrer la consommation de l'énergie à une précision de la seconde »

 

explique Hossam Afifi, professeur à Télécom SudParis et porteur de ce projet avec Florence Ossart, professeur au Laboratoire de Génie Electrique de Paris (CNRS, CentraleSupélec, Université Paris-Sud, Sorbonne Université), et Jordi Badosa, chef de projet à l’École Polytechnique au sein du Laboratoire de Météorologie Dynamique (CNRS, École Polytechnique, ENS Paris-Saclay, Sorbonne Université).

Deux groupes d'étudiants et stagiaires ont œuvré pour mettre en place une architecture Cloud. Ainsi les données sont stockées dans une base de données spéciale (InfluxDB).

Une application Web (Bokeh) permet la visualisation des séries temporelles. Des applications Python utilisant la librairie TensorFlow permettent d'effectuer des prédictions sur la base des réseaux denses LSTM et GRU.

Une classification des types de bâtiments et de leur consommation se fait par réseaux convolutionnels classiques.

Le tout a été mis à disposition publique sur un Github. De nombreuses publications ont décrit l'architecture et les résultats.

Un autre déploiement est prévu dans un des lieux publics des mairies de Paris-Saclay.

Aller plus loin

Titre du bloc
Le projet « PEPER »
Texte

Le monde de l’énergie électrique fait face à des changements structurels importants : les usages de l’électricité sont en constante augmentation et les enjeux climatiques imposent une augmentation de la part des énergies renouvelables dans la production (solaire et éolien). 

L’objectif du projet PEPER est de rassembler des données sur les différents acteurs de ce réseau, et d’exploiter les techniques d’apprentissage et de Deep Reinforcement Learning pour développer des algorithmes de prévision de la production et de la consommation de chaque acteur, puis de coopération entre eux.

Texte

PEPER team

Actualités sur le même thème
Bandeau image
Crédits bandeau
Médailles d'argent du CNRS 2024
fleche
Recherche