Ce texte fait partie du cahier spécial Énergies
Le Québec soutient la recherche pour aider la francophonie à évoluer vers les énergies renouvelables.
L’intelligence artificielle (IA) peut nous aider à améliorer l’efficacité dans de nombreux pans de la société. Notamment dans la gestion des énergies renouvelables, essentielles dans le contexte du changement climatique. Pour y parvenir, plusieurs projets de recherche sont menés.
S’il est encore difficile et coûteux de stocker l’électricité produite pour la consommer ultérieurement, l’idéal est d’aligner la production sur les besoins. Pour y parvenir, encore faut-il pouvoir prévoir la demande en électricité. C’est ce sur quoi travaille Ayoub Atanane dans le cadre de sa maîtrise à l’Université du Québec à Rimouski (UQAR), sous la supervision de Loubna Benabbou, professeure au Département des sciences de gestion.
Son projet de maîtrise fait partie de ceux financés par le Programme international de coopération climatique (PICC) du ministère de l’Environnement et de la Lutte contre les changements climatiques du Québec pour renforcer la capacité des pays francophones à s’adapter aux effets des changements climatiques. Pas moins de 840 000 $ ont été accordés en 2020 à Mila, IVADO, Polytechnique Montréal et l’UQAR afin que les chercheurs puissent contribuer à un déploiement plus large des énergies renouvelables et soutenir le Maroc dans ses efforts de réduction de ses émissions de gaz à effet de serre.
Pour entraîner son modèle de prévision à l’aide de l’IA, Ayoub Atanane avait besoin de données en libre accès de différents types qui influencent la demande d’électricité. On pense par exemple à l’histoire de la consommation électrique, aux conditions météorologiques, à la démographie, au calendrier des grands événements, comme les matchs sportifs, etc. Il les a retrouvés dans différents pays, comme les États-Unis, l’Australie et la Turquie. Résultat ? « Nous avons prouvé que le modèle fonctionnait bien », note-t-il.
Maintenant que le modèle est formé, il pourrait être utilisé par différentes administrations. « Il suffit de saisir les données d’un lieu, que ce soit au Maroc ou ailleurs, et le modèle sera capable de prédire la demande en électricité », explique-t-il.
Prévisions de production d’énergie photovoltaïque
Dans le même programme financé par le PCCI, Saad Benslimane s’est penché sur la prévision par apprentissage profond de la production d’énergie solaire. C’était dans le cadre de sa maîtrise réalisée sous la direction de Hanane Dagdougui, professeure au Département de mathématiques et de génie industriel de Polytechnique Montréal.
«L’objectif était de créer un outil en libre accès permettant de prédire la production d’énergie photovoltaïque», explique celui qui travaille aujourd’hui comme chercheur et technologue chez InnovLOG, qui aide les entreprises à innover pour améliorer leur logistique.
Il ajoute que l’avantage d’avoir accès à de bonnes prévisions de production d’énergie solaire est que le gestionnaire peut mieux planifier la production, voir quand il pourra vendre de l’énergie et aussi planifier l’entretien de ses équipements.
Pour créer ce modèle, Saad Benslimane a trouvé en Australie des données de qualité et librement accessibles, notamment sur la vitesse et la direction du vent, puis sur la pression atmosphérique. Les données comprenaient également les conditions météorologiques une heure avant le début de la prévision, ainsi que l’historique de production d’électricité des panneaux. Lorsqu’il examine les résultats, il constate que l’horizon de prévision influence grandement la précision.
« Si on fait des prédictions pour les 15 prochaines minutes, le modèle génère une valeur par minute », explique Saad Benslimane. La précision diminue à mesure que l’horizon de prévision augmente, par exemple si l’horizon est de 24 heures ou d’une semaine. »
Le chercheur estime que cette faiblesse est causée par le fait que le modèle ne dispose pas de données sur les prévisions météorologiques, alors que si, par exemple, l’après-midi s’annonce nuageux, la capacité de produire de l’énergie solaire sera moindre.
« Pour avoir un modèle plus précis, il serait intéressant d’intégrer les données météorologiques satellitaires », indique Saad Benslimane.
Ensuite, pour avancer vers l’adoption de ce type de modèle dans l’industrie, il voit un obstacle de taille. «Souvent, les managers sont habitués à travailler avec des logiciels et ils ne veulent pas changer leur façon de faire», note-t-il. Nous devons convaincre les gens de commencer à utiliser l’IA afin qu’ils puissent être plus efficaces dans l’accomplissement de leurs tâches. »
Ce contenu a été produit par l’équipe des publications spéciales de Devoir, relatif au marketing. L’écriture du Devoir n’y a pas participé.
