Dans un contexte d'électrification croissante et de complexification des enjeux énergétiques, EDF évolue pour accompagner ses clients particuliers vers une meilleure maîtrise de leur consommation. La R&D d’EDF joue un rôle clé dans cette transformation en développant des méthodes innovantes qui permettent au Groupe de proposer des services toujours plus performants et personnalisés à ses clients. La R&D s’est notamment penchée sur l’analyse des courbes de charge issues des compteurs communicants Linky, afin d’identifier les équipements électriques présents au sein des foyers.

Pourquoi le groupe EDF s’intéresse à ce sujet ?

EDF propose un service de coaching énergétique à destination des clients particuliers afin qu’ils puissent :
•    suivre l’évolution de leur consommation ;
•    identifier les principaux postes de dépense énergétique ;
•    bénéficier de conseils personnalisés pour optimiser leurs consommations (réduire, décaler les consommations) et leur logement (rénovation, renouvellement d’équipements, pilotage d’usages), leur permettant ainsi de réaliser des économies d’énergie.
Aujourd’hui installé dans plus de 35 millions de foyers français, le compteur Linky permet d’accéder, avec le consentement du client, à sa courbe de charge au pas de temps 30 min, qui constitue un précieux allié pour mieux connaître ses habitudes de consommation et l’accompagner dans la sobriété énergétique.
 

La courbe de charge révèle ses secrets

Les travaux de la R&D ont consisté à faire parler les courbes de charge, en particulier, détecter la présence ou l'absence des différents appareils électriques dans les foyers des clients.
La détection d’appareils peut être considérée comme un problème de classification de séries temporelles. Cependant, l’importante quantité de données à traiter, combinée à la longueur et à la variabilité des séries de consommation électrique, pose des difficultés lors de la phase d'entraînement.
La R&D propose une nouvelle architecture, qui utilise des sous-séquences de la série de consommation du client pour détecter la présence ou l'absence des appareils. La méthode s’appuie sur un classifieur de séries temporelles basé sur des Transformers : des modèles de Deep Learning très performants utilisés fréquemment dans les modèles de langage (comme GPT - Generative Pre-trained Transformer). Ce classifieur se distingue par sa construction en deux étapes :
•    Dans un premier temps, le modèle est entraîné de manière auto-supervisée, c’est-à-dire qu’il apprend à partir de données pour lesquelles on ne connaît pas la présence ou l’absence des équipements, ce qui est très souvent le cas. Cet « auto-apprentissage » permet d’extraire automatiquement des caractéristiques et des motifs pertinents des courbes de charge ce qui permet d’améliorer considérablement la capacité du classifieur à détecter les appareils : il sait s’adapter à de nouvelles tâches et à de nouvelles données ;
•    Ensuite, l'architecture pré-entraînée est ré-entraînée et appliquée à différents cas de détection d’appareils en utilisant des données pour lesquelles la présence des équipements est connue.
Cette architecture a été testée sur des jeux de données réels présentant une grande diversité d'appareils électriques. Les résultats sont très concluants : ils montrent des performances de détection supérieures à plusieurs modèles de l’état de l’art, ainsi que des temps de calcul très compétitifs.
 

Pour fournir des conseils personnalisés aux clients, il est nécessaire de connaître les équipements électriques qui composent leurs foyers. Actuellement, la méthode pour recueillir les informations sur le logement des clients consiste à remplir un questionnaire de connaissance. Cela peut s’avérer long et sujet à des erreurs. Les travaux de la R&D permettent de surmonter ces difficultés car la méthode développée détecte les appareils directement à partir de la courbe de charge : elle permet de corriger les éventuelles erreurs, et, à l’avenir, de compléter le profil de connaissance à la place du client. Ce dernier pourra alors simplement le valider et bénéficier de son programme de coaching énergétique.