Barbara
L’impact de l’IA sur l’amélioration de la fiabilité du réseau électrique et de la recharge des véhicules électriques
Un récent rapport de l’Université de Michigan et de la startup Utilidata suggère que de nouveaux outils d’IA pourraient fournir aux services publics des données en temps réel pour rendre le réseau électrique et la recharge des véhicules électriques plus fiables.
Les chercheurs utilisent l’IA pour analyser le comportement de la recharge des véhicules électriques, espérant que ces informations pourraient améliorer l’expérience des conducteurs et aider les services publics à se préparer à la hausse de la demande en électricité. Jusqu’à présent, ils ont constaté que la recharge des VÉ peut puiser de l’énergie de manière inconsistante et réduire la qualité de l’électricité, ce qui peut endommager l’équipement de recharge.
Ces problèmes sous-jacents gaspillent de l’énergie et pourraient conduire à des chargeurs de VÉ défectueux, devenant ainsi un véritable cauchemar pour les conducteurs. La capacité de repérer immédiatement voire de prédire ces problèmes avec l’IA pourrait être un véritable atout. Les modèles d’IA pourraient informer les services publics sur l’impact potentiel de la recharge sur le réseau électrique et conseiller les conducteurs sur où et quand recharger, tout en aidant les entreprises de recharge des VÉ à mieux entretenir leur équipement.
L’étude initiale de l’UMTRI visait à informer la conception d’un projet de recherche plus vaste sur ces problématiques. L’UMTRI travaille déjà avec le Conseil de fiabilité électrique de l’Amérique du Nord pour aborder leurs premières découvertes.
Pour cette étude, les chercheurs ont installé des adaptateurs de compteur électrique équipés de la plateforme d’IA de Utilidata, Karman, à six stations de recharge de VÉ à l’Université du Michigan. Karman a analysé la tension, le courant, la puissance et d’autres paramètres entre mars et juin de l’année dernière. Les auteurs de l’étude ont également installé des dispositifs sur les véhicules de 10 conducteurs fréquentant le campus universitaire pour surveiller leurs habitudes de recharge.
Bien que ce projet en soit encore à un stade précoce, les chercheurs espèrent qu’il pourra aider les gens à se préparer aux défis liés à l’électrification des flottes de véhicules. Aux États-Unis, les réseaux électriques vieillissants peinent déjà à répondre à la demande croissante en électricité provenant des centres de données d’IA, du minage de cryptomonnaies et des technologies d’énergie propre. Cependant, par rapport à un centre de données, les services publics ont plus de difficultés à anticiper quand et où les VÉ se brancheront sur le réseau.
Les services publics doivent faire face à cette imprévisibilité sans disposer de données en temps réel pour les aider à s’adapter. Ces zones d’ombre deviennent de plus en plus problématiques au "bord du réseau", où les clients connectent de plus en plus leurs propres appareils au réseau tels que des batteries pour VÉ et des panneaux solaires.
"Il y a un grand rôle pour l’IA à jouer au bord du réseau", déclare Siobhan Powell, chercheuse postdoctorale à l’ETH Zürich, qui n’a pas participé à l’étude. "Ce n’était pas le cas auparavant, n’est-ce pas? Il n’y avait pas grand-chose d’intéressant qui se passait, et maintenant que nous avons la possibilité de contrôler, il y a plus d’opportunités et plus de valeur à savoir ce qui se passe."
Un problème repéré par les chercheurs dans cette étude était le court-circuitage, une consommation d’énergie intermittente des véhicules qui continueraient à démarrer et arrêter leur recharge même après que la batterie soit pleine. Non seulement cela dépense de l’énergie de manière inefficace, mais cela peut également provoquer la surchauffe des câbles et des transformateurs. Ils ont également constaté que la recharge des VÉ diminue la qualité de l’électricité, lorsque l’électricité s’écarte des plages de tension et de fréquence idéales. Les scintillements sont un signe révélateur d’une mauvaise qualité de l’électricité, qui peut également causer plus d’usure sur l’équipement.
Conclusion
Les avancées de l’IA offrent de nouvelles opportunités pour améliorer la fiabilité du réseau électrique et la gestion de la recharge des véhicules électriques. Grâce à des outils d’IA tels que Karman de Utilidata, il est possible de détecter et de prévenir les problèmes potentiels liés à la recharge des VÉ, contribuant ainsi à une utilisation plus efficace de l’énergie et à une meilleure durabilité de l’équipement de recharge. Ce type de recherche est essentiel pour informer les décisions stratégiques des services publics et des conducteurs afin de garantir un fonctionnement optimal du réseau électrique dans le contexte de la transition vers la mobilité électrique.
