La crise sanitaire due au Covid-19 a touché le monde entier, sans que personne ne s’y attende vraiment. Suite à l’annonce du confinement, les magasins non-essentiels ainsi que les bureaux de nombreuses entreprises ont dû fermer. Giulia Caputo, Data-Scientist chez Deepki, nous explique comment elle et son équipe ont pu détecter un potentiel de 123 000 euros HT d’économies par semaine sur plus de 3 500 bâtiments grâce à l’analyse de données, en cette période exceptionnelle.

Identifier les anomalies de consommation pendant le confinement

Forte de son expérience dans la data, l’équipe R&D de Deepki a décidé dès le début du confinement de concevoir un pipeline d’analyse permettant de détecter automatiquement les sites présentant une consommation anormalement élevée malgré leur fermeture.

“Pour l’équipe R&D, le confinement s’est présenté comme une situation intéressante d’un point de vu intellectuel et scientifique. Nous y avons tout de suite vu une opportunité de permettre à nos clients d’éviter de gaspiller de l’énergie tout en leur prouvant l’importance de la régulation de leurs équipements.”

Giulia Caputo, Data-Scientist chez Deepki

Adopter une méthodologie data pragmatique et efficace

Habituée à collecter et analyser les données de ses clients afin de réduire leur impact environnemental, l’équipe R&D de Deepki s’est mobilisée dès le début du confinement afin d’avertir au plus vite ses clients en cas d’anomalie de consommation.

“L’automatisation de la collecte et l’analyse de volumes importants de données étant notre coeur de métier, tout était déjà en place pour nous permettre de détecter les sites mal régulés sur leur parc. Nous avons donc pu proposer très vite une réponse aux besoins émergeants de nos clients face au confinement. ”

Giulia Caputo, Data-Scientist chez Deepki

Afin d’y parvenir, il a fallu dans un premier temps qualifier la consommation des sites en se posant les questions suivantes : Qu’est-ce qu’une consommation normale pour ce site ? Et qu’est-ce qui doit être considéré comme anormal ?

Pour cela, Giulia et son équipe ont fait le choix d’exploiter les courbes de charge P10 – soit la puissance appelée toutes les 10 minutes – récupérées automatiquement grâce à l’API mise à disposition par Enedis.

Point vocabulaire

API (Interface Applicative de Programmation) : canal de communication privilégié permettant d’établir des connexions entre plusieurs logiciels pour échanger des données.

L’équipe s’est ensuite affairée à déterminer les niveaux de consommation avant et après confinement pour chaque bâtiment afin de calculer l’écart de consommation entre les deux situations.

Dans le but de déterminer un niveau de consommation cible pour chaque site en période de confinement, l’équipe R&D s’est basée sur la consommation enregistrée la nuit entre 2h et 5h le mois précédent le confinement – les bâtiments n’étant pas censés consommer beaucoup d’énergie à ces horaires.

Le niveau de consommation résiduelle ainsi déterminé correspond alors au niveau de consommation atteignable à n’importe quel moment de la journée pendant le confinement pour les sites ne recevant aucun public.

“Le recours aux algorithmes de data-analysis nous permet de détecter des anomalies sur des milliers de sites en un clin d’oeil.”

Giulia Caputo, Data-Scientist chez Deepki

Enfin, en partant du principe que toute consommation supérieure au niveau de talon préalablement défini peut être réduit, l’équipe R&D a finalement calculé un ratio de puissances avant et après confinement afin de déterminer les sites présentant une mauvaise régulation, et donc des gains énergétiques et financiers à la clé. Sur plus de 3 500 sites, 40% d’entre eux n’avaient pas adapté leur niveau de consommation en période de confinement.

À lire également : 5 bonnes pratiques pour éviter les dérives de talon

Point vocabulaire

Niveau de talon : niveau de puissance correspondant à la consommation résiduelle en dehors des périodes d’activité, par exemple la nuit quand un magasin est fermé. En effet certains équipements doivent parfois rester allumés, comme les congélateurs ou les data centers.

Courbe de charge présentant un niveau de talon normal, puis une dérive de talon
Courbe de charge présentant un niveau de talon normal, puis une dérive de talon le 20/11/2019

Réaliser des gains énergétiques et financiers pendant le confinement

L’étude menée en quelques chiffres :

  • Nombre de bâtiments monitorés : 3 500
  • Nombre de projets concernés : 17
  • Gains détectés : 123 000 euros HT/semaine de confinement

“La situation exceptionnelle de confinement que nous avons traversée nous a permis de mener une étude démontrant clairement l’importance d’une bonne régulation à nos clients.”

Giulia Caputo, Data-Scientist chez Deepki

La crise sanitaire due au Covid-19 est une occasion de remettre en question votre management de l’énergie et repenser votre transition vers l’immobilier durable. En effet, il est maintenant – plus que jamais – nécessaire d’éviter le gaspillage en mettant à profit la data et l’intelligence artificielle.

Angèle Costiou

Publié par Angèle Costiou

Chargée de Missions Marketing & Communication chez Deepki.