Révolutionner la consommation de l’énergie grâce au Big Data

8 juillet 2015, 12h32

Projets phares

De nos jours, nous produisons en 48 heures plus de données qu’on en a produit depuis le début de l’humanité. Ces données massives (Big Data) sont si volumineuses qu’il est pratiquement impossible de les traiter avec des bases de données classiques. Pourtant, elles seraient, une fois traitées, très utiles et bénéfiques pour la société. L’Institut de Valorisation des Données (IVADO) s’affaire à trouver les moyens d’utiliser ces précieuses informations. Il priorise présentement les industries du transport et de la logistique, de l’énergie, des finances et de la productivité.

Le professeur Miguel F. Anjos s’active à trouver des solutions mathématiques pour résoudre des problèmes liés à l’optimisation de la consommation d’énergie. Dans le cas particulier du Québec, la problématique réside dans les grandes fluctuations de la demande énergétique occasionnées par les froids intenses et plus généralement les heures de grande utilisation. L’équipe de M. Anjos cherche donc à trouver comment le traitement de ces Big Data pourrait nous aider à contrôler ces pics de consommation et à répartir la demande tout au long de la journée.

La population est déjà sollicitée pour diminuer sa consommation aux heures de pointe, mais cette méthode n’est pas contrôlable. La prochaine étape serait d’amener le déplacement de la demande en dehors des heures de grande utilisation, et ce, sans qu’il y ait aucun impact sur la vie des consommateurs. C’est là que les données massives peuvent être utiles. Par exemple, nous pourrions programmer les chauffe-eaux pour qu’ils chauffent l’eau avant l’heure de pointe et qu’ils n’aient qu’à maintenir la température de l’eau jusqu’à son utilisation. Par contre, afin de ne subir aucun désagrément, il faut un algorithme pour programmer le chauffe-eau. À quelle heure doit-il chauffer? Pendant combien de temps? L’algorithme doit aussi prendre en compte les besoins spécifiques de chaque foyer. Afin d’être optimales, toutes ces solutions mathématiques seront élaborées à partir des Big Data.

Dans un second temps, il serait possible d’appuyer la mise sur pied d’un système participatif en encourageant les microproductions locales d’énergie. À l’aide de panneaux solaires, de petite éolienne ou d’autres systèmes, les foyers pourraient produire une certaine quantité d’énergie pour leur consommation personnelle et combler les manques (s’il y a lieu) par l’utilisation du réseau public. Ils pourraient également revendre les surplus par ce même réseau. Pour que ce système donnant-donnant n’ait aucune répercussion sur la vie courante, il faudra automatiser le processus et le personnaliser à l’aide d’algorithmes.

Encore mieux, nous pourrions emmagasiner l’énergie à moindre coût pendant les périodes creuses et ainsi ne pas avoir à tirer davantage d’électricité pendant les pics. Ces idées ne relèvent pas de la science-fiction : toutes ces technologies existent déjà. Il ne manque que les algorithmes pour les automatiser, les personnaliser et les optimiser, et c’est exactement ce à quoi s’affairent Miguel F. Anjos, ses collaborateurs d’IVADO et d’autres chercheurs*.

L’objectif n’est pas l’autosuffisance, mais plutôt l’efficience. En optimisant la demande énergétique, une collectivité pourrait :

  • diminuer les coûts de consommation;
  • faire une meilleure utilisation des ressources;
  • éviter les coûts et les répercussions environnementales liés à la construction de moyens de production d’électricité tels que des barrages, des centrales, etc.;
  • exporter davantage d’énergie;
  • envisager une planification à moyen et long terme, advenant un manque de ressource nécessaire à la production énergétique.

En d’autres mots, on peut mettre le Big Data au service du consommateur et de toute la société. Commencer par l’énergie, c’est une piste prometteuse pour le Québec et c’est une expertise exportable en soi.

Découvrez IVADO

*Les travaux de recherche s’effectuent en étroite collaboration avec d’autres chercheurs sur le campus, notamment Guchuan Zhu, Roland Malhamé, Frédéric Sirois, Brunilde Sansò, Michel Gendreau, Michel Bernier, Juan Gómez, Adham Ismail, Giuseppe Costanzo, François Gilbert, Patrice Marcotte et Gilles Savard.

Afficher un commentaire

0 de 1000 caractères