L'IA pour la gestion de l'énergie dans la maison

Comme c'était simple au bon vieux temps : au printemps, lorsque les prix du mazout baissaient, on remplissait tout simplement à ras bord les citernes de la cave. On était alors débarrassé de tous les soucis jusqu'à la saison suivante. Pour la voiture aussi, on trouvait de l'essence à chaque coin de rue. 24 heures sur 24. On faisait le plein, on repartait.

L'abandon de l'économie fossile rend la tâche beaucoup plus difficile pour ceux qui veulent économiser. Désormais, les prix de l'énergie ne changent plus chaque année, mais toutes les heures. L'électricité solaire est abondante à midi - le soir, le soleil bas ne fournit plus guère d'énergie, tandis que les navetteurs rentrant chez eux font grimper rapidement la demande en électricité dans les villes et les campagnes. Cet effet est tellement visible sur les graphiques de consommation que les scientifiques lui ont donné un nom : "Duck Curve" (courbe du canard). Lorsque le canard relève la tête, la facture devient salée pour tous ceux qui doivent désormais acheter de l'électricité.

Il serait donc important pour les conducteurs de voitures électriques et les propriétaires de maisons de regarder l'heure lorsqu'ils consomment de l'énergie. Ceux qui souhaitent utiliser l'énergie renouvelable disponible à un prix avantageux tout en respectant l'environnement ne pourront plus compter à l'avenir sur des thermostats fixes et des boutons actionnés manuellement.

Un problème à plusieurs niveaux

Bratislav Svetozarevic, fait de la recherche dans le laboratoire "Urban Energy Systems" à l'Empa et a reconnu le problème. Ce qu'il faut, c'est une commande automatique qui stocke l'énergie aux moments opportuns de la journée et la rend utilisable aux moments chers. La batterie de traction de sa propre voiture, accrochée à la station de charge dans le garage, pourrait par exemple servir de stockage. Mais Svetozarevic est confronté à un problème à plusieurs niveaux : Chaque maison est différente, et ses habitants aussi. En outre, selon le temps et la saison, la production d'électricité des installations solaires change, tout comme les besoins en chauffage ou en climatisation. Une commande énergétique optimale doit donc apprendre le rythme quotidien d'une maison et de ses habitants - et devrait également pouvoir réagir de manière flexible pendant l'exploitation, par exemple lorsqu'un changement de temps bouleverse tous les calculs.

Première étape : la théorie

La solution à ce genre de problème est l'intelligence artificielle. Le chercheur de l'Empa a conçu une commande IA basée sur le principe du Reinforcement Learning. Si le système agit "correctement", il reçoit une "récompense". Petit à petit, la commande perfectionne son comportement de cette manière.

Dans un premier temps, la commande a été simulée uniquement sur ordinateur. Les consignes étaient les suivantes : Une certaine pièce d'un bâtiment devait être chauffée électriquement à la température souhaitée et la maintenir. Parallèlement, le système devait alimenter en électricité une voiture électrique qui devait être chargée à au moins 60 % le matin à 7 heures et partir en voyage. Le soir, à 17 heures, la voiture électrique revient à la station de recharge avec une charge restante et peut également restituer de l'électricité à la maison pendant les heures de nuit. La commande a été alimentée par les données météorologiques et les températures ambiantes de l'année précédente et a dû s'accommoder de deux tarifs d'électricité : une électricité chère le jour entre 8h00 et 20h00, une électricité bon marché pendant les heures de nuit.

Le résultat a été stupéfiant : la commande auto-apprenante a permis d'économiser environ 16% d'énergie par rapport à une solution programmée de manière fixe et a également maintenu la température ambiante souhaitée de manière nettement plus précise lors de l'essai théorique.

Deuxième étape : test dans un bâtiment réel

Il fallait maintenant que la commande passe le test de la réalité. Svetozarevic a utilisé pour cela NEST sur le campus de l'Empa. Dans l'unité DFAB House, l'algorithme d'IA a contrôlé la température d'une pièce pendant une semaine. Parallèlement, la batterie de stockage de 100 kWh du NEST a été utilisée pour simuler la batterie de la voiture électrique. Cette fois-ci, le résultat a été encore plus frappant : Au cours d'une semaine fraîche de février 2020, la commande IA a économisé 27 % d'énergie de chauffage par rapport à la chambre d'étudiant voisine, dont le chauffage fonctionnait avec une commande (basée sur des règles) programmée en permanence.

"Ce qui est bien avec notre commande IA auto-apprenante, c'est qu'on peut l'utiliser non seulement dans le bâtiment de recherche NEST, mais aussi dans n'importe quel autre bâtiment", explique Bratislav Svetozarevic. "Il n'y a pas besoin d'ingénieur pour programmer la commande, ni de quelqu'un qui analyse le bâtiment au préalable et calcule une solution sur mesure".

Une chaleur agréable et économique 

Dans une prochaine étape, Svetozarevic et ses collègues veulent maintenant déterminer comment le système peut être étendu d'une pièce à des bâtiments plus grands. "Dans notre première expérience, nous avons voulu reproduire un ménage typique du futur", explique le chercheur de l'Empa. Pour des raisons de simplicité, l'équipe s'est limitée au chauffage et au chargement des véhicules. Mais ce travail pose les bases de bien d'autres choses. Svetozarevic en est sûr : "Notre commande IA s'en sortira même si une installation photovoltaïque fournit du courant, si une pompe à chaleur et un réservoir d'eau chaude local doivent être commandés - et si les exigences de confort des habitants changent constamment".

Pour pouvoir utiliser le système d'IA à l'avenir pour un approvisionnement en énergie optimal, une nouvelle génération de voitures électriques est toutefois nécessaire. Les modèles européens et américains actuels dotés d'une prise de recharge rapide CCS peuvent uniquement faire le plein d'électricité, mais pas en fournir. Les voitures japonaises équipées de la prise Chademo sont en revanche conçues pour la charge dite bidirectionnelle. Le groupe coréen Hyundai a annoncé en décembre que sa nouvelle plate-forme de voitures électriques E-GMP serait également équipée pour la recharge bidirectionnelle. Les voitures électriques pourraient ainsi contribuer à long terme à économiser de l'énergie tout en stabilisant le réseau électrique.

Pour plus d'informations : www.empa.ch/web/energy-hub