Dans cet article nous allons vous présenter le tout premier projet d’Intelligence Artificielle de chez Green Systèmes à être sorti du laboratoire de Recherche de Développement : Le Heel Checker.
Si le fonctionnement d’une Intelligence Artificielle ne vous est pas familier mais vous intéresse, nous vous conseillons de lire cet article d’introduction à l’IA
Qu’est-ce que le Heel Checker ?
Le Heel Checker analyse les talons de consommations (consommation d’énergie en dehors des heures d’activité, de production) journaliers des bâtiments de notre base de données. Lorsqu’il estime que l’un d’entre eux dérive, il envoie un message d’alerte à l’un de nos ingénieurs afin que celui-ci valide ou invalide cette erreur. Cela permet à notre algorithme de s’entrainer et d’améliorer sa prédiction à chaque essaie.
De même, il est possible de lui signaler une erreur qu’il aurait omise afin d’affiner sa précision.
Comment fonctionne le Heel Checker ?
Le Heel Checker utilise un réseau de neurones artificiels qui s’est entrainé sur plusieurs centaines de milliers de données récoltées et sur divers bâtiments. Le nom de « réseau neuronal » vient de la structure de celui-ci, qui est extrêmement similaire à celle du cerveau humain. Cela correspond à un ensemble de neurones qui se transmettent des informations, ce qui permet ensuite de corréler un ensemble de facteurs d’influence.
Déterminer si un talon dérive est aisé, une série de quelques talons de consommation journaliers est suffisant. Cependant, déterminer si cette dérive est normale ou non est plus subtil. Pour cela, il faut analyser les caractéristiques du bâtiment (superficie, nombre d’employés, type de bâtiment…), mais également les paramètres fluctuants qui pourraient impacter notre talon de consommation, tels que la date, ou les données météorologiques.
Tout cela est analysé par le réseau neuronal afin de déterminer si une erreur doit être ou non envoyée.
Quelles perspectives pour le Heel Checker de Green Systèmes ?
Ce projet a passé la phase de développement et est actuellement en phase de test. Ceux-ci sont très prometteurs et nous incitent à penser que ce projet pourrait devenir bien plus que ce à quoi il était prévu à l’origine.
Nous construisons donc une base de données recensant les raisons des dérives de ces talons de consommation afin que notre IA puisse apprendre à non seulement détecter ces dérives, mais également les expliquer.
Cette fonctionnalité sera intégrée à la partie analyse du logiciel d’optimisation énergétique afin d’aider les professionnels à mieux réduire leur consommation d’énergie finale et donc à optimiser la performance de leurs bâtiments.
Ce logiciel permet de concentrer l’ensemble des actions de réduction des consommations au sein d’un seul outil en passant de la collecte des données, par l’analyse des consommations via des indicateurs de performance énergétique, bientôt de l’Intelligence Artificielle… Jusqu’au pilotage des consommations avec la mise en place d’alertes, de plans d’actions et de pilotage des équipements à distance.