FR3015691A1 - Procede de localisation d'une anomalie detectee dans une structure arborescente - Google Patents
Procede de localisation d'une anomalie detectee dans une structure arborescente Download PDFInfo
- Publication number
- FR3015691A1 FR3015691A1 FR1363360A FR1363360A FR3015691A1 FR 3015691 A1 FR3015691 A1 FR 3015691A1 FR 1363360 A FR1363360 A FR 1363360A FR 1363360 A FR1363360 A FR 1363360A FR 3015691 A1 FR3015691 A1 FR 3015691A1
- Authority
- FR
- France
- Prior art keywords
- value
- function
- variable
- signal
- values
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 81
- 230000006870 function Effects 0.000 claims abstract description 190
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000005259 measurement Methods 0.000 claims description 29
- 230000006399 behavior Effects 0.000 claims description 27
- 230000006978 adaptation Effects 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000004807 localization Effects 0.000 abstract description 13
- 239000002245 particle Substances 0.000 description 48
- 230000008901 benefit Effects 0.000 description 6
- 238000011002 quantification Methods 0.000 description 6
- 230000002123 temporal effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010616 electrical installation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/2513—Arrangements for monitoring electric power systems, e.g. power lines or loads; Logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/133—Arrangements for measuring electric power or power factor by using digital technique
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
L'invention concerne le domaine des techniques de localisation d'anomalies détectées dans un réseau et plus particulièrement la localisation d'une anomalie détectée dans une structure arborescente comprenant une pluralité de nœuds non-observés Z1, Z2,... Zp connectés à un nœud observé Y dont est issu un signal y correspondant à une somme de sous-signaux z1,..., zi,..., zp issus des nœuds non-observés. L'invention consiste à exprimer le signal comme une somme de fonctions de variables explicatives, chaque fonction déterminant un comportement attendu d'une composante correspondante du signal, et à exprimer chaque sous-signal comme une somme de fonctions simulées sur les mêmes variables explicatives, chaque fonction simulée déterminant un comportement attendu d'une sous-composante non-observée du signal, pour localiser toute anomalie, susceptible d'être survenue au niveau des nœuds non-observés, à partir des sous-composantes non-observées du signal.
Description
Procédé de localisation d'une anomalie détectée dans une structure arborescente L'invention concerne le domaine des techniques de localisation d'anomalies détectées dans un réseau.
L'invention concerne plus particulièrement le domaine des techniques de localisation d'une anomalie détectée dans une structure arborescente, l'anomalie étant susceptible d'être survenue à un niveau non-observé de la structure arborescente, ce niveau comprenant une pluralité de noeuds non- observés (Z1, Zi, Zp), chaque noeud non-observé étant connecté à un noeud observé Y duquel est issu un signal correspondant à une somme de sous-signaux (z1, z', zP) issus des noeuds non-observés, l'observation du noeud observé Y comprenant la mesure en temps réel de valeurs du signal par analyse desquelles l'anomalie est détectée à un instant t+.8,t. Une telle structure est illustrée à titre exemplatif sur la figure 1. Un noeud non-observé pourra par la suite être appelé « particule » du noeud observé. Le noeud observé est considéré être, comme illustré sur la figure 1, situé en amont de la structure arborescente par rapport à ses particules. Dans ce contexte, il est avantageux de savoir localiser une anomalie survenue au niveau des particules Z1, Z2, ... Zp du noeud observé Y, autrement dit à un niveau aval non-observé de la structure arborescente. Bien que la solution présentement proposée n'est pas limitée à une application au réseau de distribution d'énergie électrique, mais peut au contraire être étendue à tout réseau ayant une structure arborescente telle qu'illustrée sur la figure 1, comme des réseaux de distribution de gaz ou d'eau par exemple, les problèmes liés à la localisation d'anomalies détectées dans ce type de structure sont explicités ci-dessous dans le contexte particulièrement illustratif des réseaux de distribution d'énergie électrique. Des techniques de localisation d'anomalies détectées dans des sous-parties non-observées d'un réseau électrique ont d'ores et déjà été 30156 9 1 2 développées. Parmi ces techniques, celle décrite dans le document WO 2012/049378 permet la localisation de défauts dans un réseau électrique par émission d'impulsions électriques sur le réseau pour mesurer la distance 5 séparant le défaut de différents points de mesure du réseau et ainsi retrouver le lieu de l'anomalie par triangulation. Une autre technique décrite dans le document WO 2006/025870 consiste à déterminer la localisation d'un défaut sur une ligne de transmission électrique en détectant et en analysant les basses fréquences de salves à hautes fréquences produites par le défaut. 10 Ces solutions présentent certains inconvénients. Par exemple, la mise en oeuvre de ces solutions nécessite l'installation sur le réseau de dispositifs électrotechniques dédiés. Par ailleurs, de nouveaux aléas viennent perturber les flux de distribution d'énergie électrique (essor de production d'énergies intermittentes, 15 « effacement » de la consommation, évolution des comportements de consommation sous l'effet de dynamique commerciale et/ou environnementale, etc.). Il s'impose aux acteurs du réseau de distribution d'énergie électrique de savoir détecter ces aléas subis, de les localiser et le cas échéant de réagir suffisamment vite à leur survenance. 20 En ce sens, de nouveaux outils de mesures sont déployés, tels que les compteurs communicants (Linky® sur le réseau de distribution d'énergie électrique en France) dans le cadre des « Smart Grids » (pour réseau électrique de distribution « intelligent »), qui apportent de plus en plus d'informations à analyser et offrent la possibilité de réaliser des analyses plus 25 complexes. En particulier, couplés à des techniques d'estimations statistiques avancées, ils permettent d'estimer des composantes de consommations individuelles (consommation liée au chauffage, « effacement » de consommation, etc.) qu'il est souvent impossible de mesurer directement, et a fortiori de pouvoir les simuler par la suite.
Dans ce contexte, la présente invention propose un procédé de localisation d'une anomalie détectée dans un réseau qui est fiable et robuste et ne nécessite aucune installation sur le réseau de dispositifs dédiés à la localisation de l'anomalie.
A cette fin, le procédé de l'invention, par ailleurs conforme au préambule donné ci-dessus, est essentiellement tel qu'il comprend : - exprimer la valeur yt du signal à l'instant t comme une somme de valeurs de fonctions (fi,t, fbt, fN,t) et une valeur zit de chaque sous-signal z' à l'instant t comme une somme de valeurs de fonctions (fii,t, fibt, fiN,t), chaque fonction fi,t et dépendant d'une même variable Xi parmi un ensemble de variables (X1, ..., XN) et chaque valeur de fonction fj,t et étant prise à une valeur xi donnée de la variable Xi correspondante, chaque fonction fi,t et fibt déterminant un comportement attendu à l'instant t d'une composante j du signal et d'une sous-composante de la composante j du signal correspondant, respectivement, - pour au moins une variable Xj: o adapter la fonction fi,t correspondante à la valeur yt+At du signal à l'instant t+.8,t pour obtenir une fonction adaptée fi,t+m, o pour au moins un noeud non-observé Zi, - calculer une valeur d de différence entre la fonction adaptée fi,t+At et la somme des fonctions (fit,t, -, fibt, fiN,t) à laquelle est retranchée la fonction fibt, - si la valeur d de différence est inférieure à une valeur seuil Mij, localiser l'anomalie détectée au niveau du noeud non-observé Zi.
Le procédé permet ainsi avantageusement de localiser une anomalie au niveau des noeuds non-observés de la structure arborescente par simulation des sous-composantes de chaque composante j du signal. Selon une particularité, l'étape d'adaptation comprend en outre adapter la fonction fp à une valeur xi de la variable Xi à l'instant 4.81.
Le procédé permet ainsi avantageusement de prendre en compte une éventuelle variation des liens du signal aux différentes variables entre deux observations du signal. Selon une autre particularité, l'étape de calcul est implémentée pour chaque noeud non-observé Zi et/ou pour chaque combinaison de noeuds non- observés, et l'étape de localisation comprend localiser l'anomalie détectée au niveau de chacun des noeuds non-observés pour lesquels la valeur d atteint une valeur minimale. Le procédé permet ainsi avantageusement de considérer exhaustivement chaque noeud non-observé et/ou chaque combinaison de noeuds non-observés de la structure arborescente comme une localisation potentielle de l'anomalie et à sélectionner, selon un même critère, le ou les noeuds non-observés et/ou la ou les combinaisons de noeuds non-observés où l'anomalie est le plus probablement survenue.
Selon une autre particularité, au moins une fonction fp est apprise, selon un modèle d'apprentissage, à partir de valeurs du signal observées antérieurement à l'instant t. Le procédé permet ainsi avantageusement que chaque composante du signal à l'instant t soit significative d'une évolution antérieure du signal.
Selon une variante de la particularité précédente, l'étape d'adaptation comprend implémenter le modèle d'apprentissage. Le procédé permet ainsi avantageusement d'intégrer l'adaptation de chaque composante du signal à l'apprentissage de l'évolution du signal. Selon une autre particularité, l'anomalie est détectée selon un procédé de détection associant l'anomalie à au moins une composante j déterminée du signal, et les étapes d'adaptation, de calcul et, le cas échéant, de localisation sont implémentées uniquement si ladite au moins une variable Xi correspondant à ladite au moins une composante j déterminée du signal.
Le procédé permet ainsi avantageusement de limiter le domaine de recherche de l'anomalie aux sous-composantes du signal liées à une composante déterminée du signal, pour une localisation plus rapide et plus fiable de l'anomalie.
Selon la particularité précédente, l'étape de calcul et, le cas échéant, l'étape de localisation sont implémentées uniquement si ledit au moins un noeud non-observé Zi appartient à une classe de noeuds non-observés sensibles à ladite au moins une variable Xi. Le procédé permet ainsi avantageusement de limiter encore le domaine de recherche de l'anomalie aux seuls noeuds connus pour influer sur les sous-composantes du signal liée à une composante déterminée du signal, pour une localisation encore plus rapide et plus fiable de l'anomalie. Selon une autre particularité, - la structure arborescente est un réseau de distribution d'énergie électrique, - les valeurs du signal sont choisies parmi des valeurs de tension efficace, des valeurs d'intensité efficace, des valeurs d'énergie active soutirée, et des valeurs de puissance active ou réactive, instantanée ou moyenne, par phase, totale triphasée ou par quadrant, et - les variables Xi sont choisies parmi au moins un profil de consommation d'énergie électrique par consommateur ou groupe de consommateurs, des données relatives à un consommateur ou à un groupe de consommateurs, des données historiques de consommation et/ou de production d'énergie électrique par consommateur ou groupe de consommateurs, des données météorologiques et des données calendaires. Le procédé est ainsi avantageusement appliqué à un réseau de distribution d'énergie électrique.
Selon une variante, à partir d'un ensemble de valeurs {x1} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, la valeur d de différence est calculée comme une somme, sur un ensemble I, comprenant les instants antérieurs à l'instant t, l'instant t et l'instant t+At, de puissances paires de différences entre la valeur de la fonction adaptée fi,t+At et la valeur de ladite somme des fonctions (fit,t, ---, fibt, ---, fiN,t) à laquelle est retranchée la fonction fibt, chaque différence étant prise à la valeur xi de la variable explicative Xi correspondante dans la somme. Le procédé permet ainsi avantageusement de quantifier la valeur d de différence sur une pluralité d'observations récentes de la variable Xi correspondante, pour une quantification plus juste. Selon une autre variante, à partir d'un ensemble de valeurs {x1} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, et à partir d'une fonction de pondération Wk de la variable Xi définie sur le support de Xi, Wk étant une fonction de type noyau Gaussien, la valeur d de différence est calculée comme une somme, sur l'ensemble des valeurs {x1}, de puissances paires de différences entre la valeur de la fonction adaptée fi,t+At et la valeur de ladite somme des fonctions (fit,t, ---, fibt, ---, fiN,t) à laquelle est retranchée la fonction fibt, chaque différence étant prise à une valeur xi de la variable Xi correspondante dans l'ensemble et étant pondérée par la valeur de la fonction de pondération Wk en cette valeur xi de la variable Xi. Le procédé permet ainsi avantageusement de quantifier la valeur d de différence sur une pluralité de valeurs de la variable Xi proches d'une des dernières valeurs observées de la variable Xi, pour une quantification plus juste. La présente invention vise également un serveur informatique pour la mise en oeuvre du procédé précédemment décrit, le serveur comportant un processeur propre à exécuter des instructions, une interface d'échange de données avec une base de données et une interface de sortie pour la visualisation de données de localisation sur un dispositif de visualisation. Le serveur informatique peut comporter en outre une interface d'entrée pour l'obtention de données de mesures issues d'un dispositif de mesure, notamment pour observer le noeud observé Y. L'interface de sortie peut en outre être propre à permettre la visualisation de données de détection de l'anomalie sur le dispositif de visualisation. La présente invention vise en outre un produit programme d'ordinateur comportant des instructions pour la mise en oeuvre du procédé précédemment décrit, lorsque ce programme est exécuté par un processeur.
Ce programme peut utiliser un langage quelconque de programmation (par exemple, un langage objet ou autre), et être sous la forme d'un code source interprétable, d'un code partiellement compilé ou d'un code totalement compilé. La figure 2, décrite en détails ci-après, peut former l'organigramme de l'algorithme général d'un tel produit programme d'ordinateur. Les avantages procurés par le serveur et le produit programme d'ordinateur, tels que succinctement exposés ci-dessus, sont au moins identiques à ceux mentionnés plus haut en liaison avec le procédé selon le premier aspect de l'invention.
D'autres caractéristiques et avantages de l'invention ressortiront clairement de la description qui en est faite ci-après, à titre indicatif et nullement limitatif, en référence aux dessins annexés, dans lesquels : - la figure 1 représente schématiquement une partie au moins d'une structure arborescente, - la figure 2 représente un organigramme du procédé de localisation selon l'invention, et - la figure 3 est un graphique sur lequel est représenté une fonction fp et une fonction adaptée fi,t+At à une valeur yt+At du signal à l'instant t+At, - la figure 4 est un graphique sur lequel est représenté une fonction fi,t, trois fonctions du type fibt, et la somme de ces trois fonctions, - la figure 5 représente le graphique de la figure 4 sur lequel est illustré un mode de quantification d'une anomalie présumée selon une variante du procédé de l'invention, - la figure 6 représente le graphique de la figure 4 sur lequel est illustré un mode de quantification d'une anomalie présumée selon une autre variante du procédé de l'invention, - la figure 7 représente une architecture matérielle dans laquelle peut être mis en oeuvre le procédé selon l'invention, - les figures 8a et 8b sont deux graphiques sur chacun desquels sont représentées une fonction fi,t l'instant t et une fonction fi,t+At adaptée à une valeur yt+At du signal à l'instant 4,81 pour respectivement deux variables Xi différentes, la température (FIG. 8a) et l'effacement (FIG. 8b), et - la figure 9 représente un organigramme d'un procédé de détection permettant d'associer l'anomalie à au moins une composante j déterminée du signal y. L'invention est décrite ci-après dans son application aux réseaux de distribution d'énergie électrique à des consommateurs. Elle n'est pas limitée à une telle application et peut par exemple être appliquée aux réseaux de distribution d'eau ou de gaz, ou à d'autres types de réseau tels que les réseaux sociaux. Dans le contexte de la distribution d'énergie électrique, le réseau de distribution d'énergie électrique comprend une structure arborescente, dont au moins une partie est illustrée sur la figure 1. Un noeud observé Y de la structure arborescente comprend par exemple un poste de transformation HTB/HTA (poste source). En outre, un niveau non-observé de la structure arborescente comprend par exemple une pluralité de noeuds non-observés Z1, Z2, ..., Zp, tels que des compteurs électriques de particuliers, d'entreprises ou de collectivités, ou des équipements représentatifs de petits agrégats de consommation comme un poste source HTA/BT. Chaque noeud non-observé est directement ou indirectement connecté au noeud observé Y pour former au moins une partie de la structure arborescente du réseau. Le procédé vise à permettre de localiser, au niveau de la pluralité de noeuds non-observés (Z1, ..., Zi, Zp), une anomalie détectée à partir d'un signal, noté y, issu du noeud observé Y du réseau de distribution d'énergie électrique. Dans le contexte de la distribution d'énergie électrique, le signal y, observé en temps réel, peut être choisi parmi : Puissance active instantanée par phase [en W], Puissance active instantanée totale triphasée [en W], Puissance réactive instantanée par phase [en « var », pour « volt-ampère, réactif »], Puissance réactive instantanée totale triphasée [en var], Puissance réactive instantanée par quadrant (01, Q2, Q3 et Q4) [en var], Puissance apparente instantanée par phase [en VA], Puissance apparente instantanée totale triphasée [en VA], Puissance active moyenne par phase [en W], Puissance active moyenne totale triphasée [en W], Puissance réactive moyenne par phase [en var], 30156 9 1 10 Puissance réactive moyenne totale triphasée [en var], Puissance réactive moyenne par quadrant (01, Q2, Q3 et Q4) [en var], Puissance apparente moyenne par phase [en VA], Puissance apparente moyenne totale triphasée [en VA], 5 Energie active soutirée (index 1 à N) [en Wh], Facteur de puissance [sans unité], Tensions efficaces (phases 1, 2 et 3) [en V], et Intensités efficaces (phases 1, 2 et 3) [en A]. La durée d'intégration des puissances instantanées peut prendre 10 différentes valeurs. Par exemple, ces puissances peuvent être intégrées sur 1, 2, 5, 10, 15, 30 et 60 secondes. La durée d'intégration des puissances moyennes peut également prendre différentes valeurs. Ces valeurs peuvent par exemple être de 1, 5, 10, 30 ou de 60 minutes. Plus généralement, la périodicité des observations de la valeur du 15 signal peut augmenter pour améliorer la précision des calculs décrits ci- dessous ou au contraire être réduite pour accélérer ces calculs. Cette périodicité peut être fixe ou variable. Si elle est fixe, elle peut par exemple être mensuelle, hebdomadaire, journalière, horaire ou encore quasi-instantanée (minutes, secondes, millisecondes). Par exemple, une périodicité journalière 20 pour des consommateurs résidentiels et une périodicité horaire pour des consommateurs industriels est classique. Tel qu'illustré sur la figure 1, le signal y peut correspondre à une somme de sous-signaux z1, zi, zP issus des noeuds non-observés Z1, Zi, Zp du réseau. 25 Le procédé selon l'invention est destiné à être mis en oeuvre dans une architecture matérielle telle qu'illustrée sur la figure 7. L'architecture comprend : - un serveur informatique 1, - une base de données 3, et - un dispositif de visualisation 4. Aux fins de l'observation du signal y, et donc aux fins de détection de l'anomalie, l'architecture peut en outre comprendre un dispositif de mesure 2. Le serveur 1 comprend un processeur 10, une interface d'échange de données 12 avec la base de données 3 et une interface de sortie 13 pour la visualisation de données de détection sur le dispositif de visualisation 4. Le processeur 10 est au moins apte à implémenter toute étape de calcul du procédé de localisation et, le cas échéant, de détection selon l'invention. Aux fins de la détection de l'anomalie, le serveur peut en outre comprendre une interface d'entrée 11 pour l'obtention de données de mesures issues du dispositif de mesure 2. Le dispositif de mesure 2 permet d'observer le signal y issu du noeud observé Y en mesurant ses valeurs au cours du temps. Le dispositif de mesure 2 peut comprendre un capteur ou un ensemble de capteurs, chacun associé fonctionnellement, voire structurellement, à un noeud observé de la structure arborescente. Le dispositif de mesure 2 peut en outre comprendre une ou plusieurs stations météorologiques réparties dans une zone géographique sur laquelle est déployée la structure arborescente.
Le dispositif de mesure 2 peut communiquer avec la base de données 3 de sorte que les valeurs qu'il mesure puissent y être stockées. Le dispositif de mesure 2 peut en outre communiquer les données de mesure directement au serveur 1 via l'interface d'entrée 11 de ce dernier. La base de données 3 est en outre propre à stocker toute information pouvant être utile à l'estimation, voire à la prévision et à la simulation, des valeurs du signal y, du comportement d'au moins une composante j du signal y et du comportement d'au moins une sous-composante d'une composante j du signal y.
Les informations stockées sur la base de données peuvent comprendre un profil de consommation d'énergie électrique par consommateur ou groupe de consommateurs (type de contrat passé entre le consommateur et le fournisseur d'énergie, tarif en cours, etc.), des données relatives aux consommateurs (type de chauffage, type d'habitation, nombre de personnes dans l'habitation), des données historiques de consommation (relevés de consommation, de facturation) et/ou de production d'énergie électrique (éolienne ou photovoltaïque) par consommateur ou groupe de consommateurs, des données météorologiques (ensoleillement, nébulosité, vent, température, etc.) et/ou des données calendaires (type de jour, heure, dates des vacances scolaires, jours fériés, etc.). La base de données 3 est en outre propre à stocker des données représentatives du réseau de distribution électrique, telles que le nombre de postes de transformation sur le réseau, le nombre de compteurs électriques connectés par poste de transformation, la localisation géographique d'au moins une partie des postes de transformation et des compteurs électriques. La base de données 3 est encore propre à stocker des modèles de prévision et des données simulées ou non sur la base de ces modèles tels que des scénarii d'évolution de température et/ou des scénarii d'évolution de portefeuille clients et/ou des modèles selon lesquels peuvent être simulés les comportements de sous-composantes de composantes du signal y. Les données stockées dans la base de données 3 peuvent provenir d'une pluralité de sources de données, tels que l'Internet, des instituts météorologiques, les compteurs dits intelligents, etc. Elles peuvent également être renseignées par les utilisateurs du procédé selon l'invention. Il existe potentiellement un grand nombre de dispositifs de mesure 2. En revanche, la base de données 3 peut permettre le stockage centralisé des données. La ou les bases de données 3 se situent préférentiellement au plus près du ou des serveurs 1 mettant en oeuvre le procédé selon l'invention.
Serveurs 1 et bases de données 3 peuvent être couplés deux à deux et répartis sur un territoire donné (régional, départemental, communal, ou autres). Chaque dispositif de mesure 2 peut être associé à un unique couple serveur 1 - base de données 3. Le dispositif de visualisation 4 permet, aux utilisateurs du procédé de localisation, et le cas échéant de détection, mis en oeuvre par le serveur 1, de visualiser les résultats du procédé. A cette fin, il communique avec le serveur via l'interface de sortie 13 de ce dernier. Le dispositif de visualisation 4 peut comprendre une interface graphique et un dispositif d'affichage d'au moins un message de localisation ou d'alerte généré et envoyé par le serveur 1 pour au moins informer ou alerter les utilisateurs de la localisation probable d'une anomalie détectée et/ou de la détection d'une anomalie. Le message peut être de type texto ou courriel par exemple. Des ordres de gestion de production et/ou de consommation peuvent également être transmis aux utilisateurs via le dispositif de visualisation 4.
Le dispositif de visualisation 4 peut en outre être apte à communiquer avec la base de données 3 pour y stocker les messages de localisation ou d'alerte et des informations sur la suite donnée à la localisation ou à la détection d'une anomalie, notamment afin de permettre l'analyse et la production de retours d'expérience, éventuellement pour la reconnaissance de schémas de survenance d'anomalies. La communication entre les différents composants de l'architecture peut être basée sur tout type de protocole et de support physique de communication, tel qu'un réseau de communication WAN (« Wide-Area Network » pour réseau étendu), des passerelles ou concentrateurs intermédiaires ou encore un réseau de communication local NAN (« Neighborhood Area Network » pour réseau de voisinage), une liaison de télécommunication locale ou distante (via des courants porteurs en ligne ou « CPL », ou encore via un réseau de radiocommunication local ou via un réseau cellulaire de téléphonie mobile, ou autres). La communication entre les différents composants de l'architecture peut encore être basée sur toute combinaison des types de protocole et de support physique de communication susmentionnés. Le procédé de localisation selon l'invention repose sur trois hypothèses.
Selon la première hypothèse, toute valeur yt du signal y à un instant t peut s'exprimer sous la forme d'une somme de valeurs de fonctions fi,t, fi,t, et fN,i N Yt = fj,t(xj,t) + Et j=1 où chaque fonction fp dépend d'une variable Xi compris dans un ensemble de variables (Xi, ..., XN) et est considérée à une valeur xi donnée, à l'instant t, de la variable Xi correspondante et où Et est un bruit blanc gaussien. Selon la deuxième hypothèse, toute valeur zit du sous-signal z' à un instant t peut s'exprimer sous la forme d'une somme de valeurs de fonctions - - -, fibi, - - -, fiN,t) Vi E 1, ..., P:4 = fjltfxj,t~+ et j=1 où chaque fonction fibt dépend d'une des variables Xi compris dans l'ensemble de variables (Xi, ..., XN) et est considérée à ladite valeur xi donnée, à l'instant t, de la variable Xi correspondante et où et est un bruit blanc gaussien. Selon la troisième hypothèse, toute valeur yt du signal y à un instant t correspondant à une somme des valeurs des sous-signaux zl, zi, zP prises à une valeur xi donnée, à l'instant t, de la variable Xi correspondante : chaque fonction fij,t peut être simulée de sorte que chaque fonction fi,t corresponde significativement à une somme, sur l'ensemble des P particules, des fonctions ffii,t1 correspondantes : fit(xi,t) i=1 La figure 4 illustre la fonction fi,t et trois foncions du type notées fli,t, f2i,t et f31,t. Selon l'exemple illustré, il est donc supposé que trois particules Z1, Z2 et Z3 sont connectées à un noeud observé Y pour former la structure arborescente. La somme des trois fonctionsflo, f2i,t et f3i,t est également illustrée sur la figure 4. Il est ainsi visuellement aisé de vérifier que la somme des trois fonctions fli,t, f21,t et f31,t correspond significativement à la fonction fp.
Il n'est donc pas requis que la somme, sur l'ensemble des P particules, des fonctions ffii,t1 correspondant à une fonction fp corresponde strictement à la fonction fi,t. De fait, les fonctions ffii,t1 sont simulées pour correspondre au comportement attendu des sous-composantes correspondantes de la composante j du signal, tandis que, comme vu plus loin, la fonction fp peut être déduite empiriquement de mesures du signal et correspondre empiriquement au comportement attendu de la composante j du signal. Chaque simulation peut être basée sur des données relatives au noeud non-observé correspondant, telles que le profil de consommation d'énergie électrique du consommateur ou groupe de consommateurs correspondant (type de contrat passé entre le consommateur et le fournisseur d'énergie, tarif en cours, etc.), les données relatives au consommateur ou groupe de consommateurs correspondant (type de chauffage, type d'habitation, nombre de personnes dans l'habitation), les données historiques de consommation (relevés de consommation, de facturation) et/ou de production d'énergie électrique (éolienne ou photovoltaïque) du consommateur ou groupe de consommateurs correspondant, les données météorologiques (ensoleillement, nébulosité, vent, température, etc.) en la géolocalisation du consommateur ou groupe de consommateurs correspondant et/ou les données calendaires du consommateur ou groupe de consommateurs correspondant (type de jour, heure, dates des vacances scolaires, jours fériés, etc.). Chaque simulation n'est donc pas susceptible de varier significativement dans le temps. Par exemple, si une simulation est basée sur le type de contrat passé entre le consommateur et le fournisseur d'énergie, cette simulation ne sera modifiée qu'en cas de modification dudit contrat. Dès lors, chaque fonction fibt peut être considérée comme relativement invariante en fonction du temps et être notée fij comme c'est le cas sur les figures 5 et 6. Chaque variable Xi peut plus particulièrement être spécifique à un consommateur ou à un groupe de consommateurs et/ou à un phénomène ayant un impact sur la consommation énergétique ; chaque variable de ce type peut être appelé 'variable explicative' en ce sens qu'elle explique ou indique un certain fonctionnement ou comportement du signal y. Chaque variable Xi peut en outre être une variable exogène au signal, en ce sens qu'elle n'est liée ni à la nature du signal, ni à ses valeurs, mais est définie en fonction de considérations extérieures à celles relatives au signal y. Classiquement, il s'agit de variables météorologiques (température, nébulosité, rayonnement solaire, vent, etc.), de variables calendaires (type de jour, heure, dates des vacances scolaires, jours fériés, etc.), de variables tarifaires (offre tarifaire souscrite par le consommateur, évènements tarifaires comme les effacements, etc.), de variables socio-économiques (type d'habitat, nombre de personnes dans le logement, croissance économique, etc.), d'information sur l'installation électrique du consommateur (production décentralisée, pompe à chaleur, etc.) ou ses usages. Le nombre N de ces variables peut donc être relativement grand (de l'ordre de plusieurs dizaines). Par ailleurs, le nombre de ces variables peut varier pour chaque consommateur ou groupe de consommateurs. Les valeurs de ces variables sont par exemple collectées et stockées dans la base de données 3.
Il apparaît dès lors que l'ensemble de variables (Xi, ..., XN) peut comprendre au moins une variable relative à un état du niveau non-observé de la structure arborescente ou plus particulièrement une variable relative à un état d'au moins un des noeuds non-observés Z1, ..., Zi, Zp du réseau.
Chaque variable Xi dépend d'une manière qui lui est propre du temps ; une variabilité temporelle peut lui être associée qui dépend effectivement de sa nature. Par exemple, le fait que le consommateur bénéficie ou non d'une pompe à chaleur est pratiquement invariant dans le temps ; en revanche, la température peut évoluer d'heure en heure.
Chaque variable Xi peut être définie sur un domaine fini de valeurs. Ce domaine peut comprendre un ensemble fini de valeurs discrètes ; par exemple, lorsque la variable Xi est spécifique au type de jour, elle peut prendre une valeur différente par jour ou une valeur pour les jours ouvrés et une autre valeur pour les jours fériés. Les valeurs de la variable Xi peuvent également être définies de façon continue sur le domaine de définition de la variable Xj; par exemple, la température peut être définie sur un domaine allant de -80°C à +80°C et peut prendre n'importe quelle valeur dans ce domaine. Le domaine de définition de chaque variable peut être appris et être lui-même évolutif en fonction des données collectées au cours du temps et stockées dans la base de données 3. Chaque fonction fi,i détermine un comportement attendu à l'instant t du signal ou plus particulièrement d'une composante j de ce signal. Dès lors que ce comportement attendu peut être supposé régulier et évolutif, chaque fonction fbi peut également être supposée régulière et évolutive sur le domaine de définition de la variable Xi dont elle dépend. Chaque fonction fi,i peut ainsi être définie comme une fonction adaptative propre à s'adapter notamment à l'observation d'une nouvelle valeur du signal y. Chaque fonction fii,i détermine un comportement attendu à l'instant t du sous-signal z' correspondant ; autrement dit, chaque fonction fibi détermine un comportement attendu à l'instant t d'une sous-composante de la composante j du signal. Dès lors que ce comportement attendu peut être supposé régulier, chaque fonction fibt peut également être supposée régulière sur le domaine de définition de la variable Xi dont elle dépend.
Comme illustré sur la figure 2, le procédé met ces considérations à profit en prévoyant : - d'exprimer S10 la valeur yt du signal à l'instant t comme une somme de valeurs de fonctions (fi,t, - - -, fN,t), chaque valeur de fonction fi,t étant prise à une valeur xi donnée de la variable Xi correspondante, et - d'exprimer S20 une valeur zit de chaque sous-signal z' à l'instant t comme une somme de valeurs de fonctions (fitt, fibt, chaque valeur de fonction étant prise à ladite valeur xi donnée de la variable Xi correspondante.
Toujours comme illustré sur la figure 2, le procédé prévoit en outre que, pour au moins une variable Xi, la fonction fp correspondante puisse être adaptée S30 à la valeur yt+At du signal y à l'instant 4,81 pour obtenir une fonction adaptée fi,t+At. La figure 3 illustre une telle adaptation de la fonction fp (courbe en trait plein) à la valeur yt+ot du signal à l'instant 4,81 pour obtenir une fonction adaptée fi,t+At (courbe en tirets longs). On remarque que les valeurs fi,t(xi) et fi,t+At(xi) ne sont pas égales entre elles suite à l'étape d'adaptation S30. L'étape d'adaptation S30 peut être implémentée en considérant, tour à tour ou en parallèle, chacune des variables X1, ..., XN.
Toutefois, l'anomalie peut avoir été détectée selon un procédé de détection associant l'anomalie à au moins une composante j déterminée du signal y -- un tel procédé de détection est succinctement décrit comme suite à la présente description du procédé de localisation selon l'invention. Dans ce cas, l'étape d'adaptation ne sera avantageusement implémentée que pour la variable Xi correspondant à ladite au moins une composante j déterminée du signal y ou du moins sera implémentée en premier lieu pour cette variable Xi. Le procédé de localisation selon cette particularité permet avantageusement de limiter, au moins dans un premier temps, le domaine de recherche de l'anomalie à la composante j déterminée du signal, pour une localisation plus rapide et plus fiable de l'anomalie. De la même façon que chaque fonction fp détermine un comportement attendu du signal y à l'instant t, chaque fonction adaptée fi,t+At est susceptible de déterminer un comportement attendu du signal y à l'instant t+At. Chaque fonction adaptée fj,t+At est plus particulièrement susceptible de mieux représenter le comportement attendu du signal, puisque cette fonction adaptée est déduite empiriquement de l'observation du signal, lorsque l'expression S10 de la valeur yt du signal à l'instant t peut n'être que purement théorique.
Il a été décrit jusqu'à présent une adaptation de la fonction fp en fonction de la seule valeur yt+At observée du signal. Toutefois, en fonction de la variabilité temporelle de la variable Xi relativement à l'intervalle de temps At, ladite au moins une fonction fi,t peut en outre être adaptée à une valeur xi de la variable Xi à l'instant t+At. Le procédé permet ainsi avantageusement de prendre en compte une éventuelle variation des variables X1, ..., XN entre deux observations du signal. Le pendant de cet avantage est que le procédé permet d'éviter d'avoir à récupérer systématiquement la valeur xi de la variable Xi à chaque adaptation S30, par exemple en imposant d'interroger systématiquement la base de données 3, lorsqu'il est su que cette valeur xi n'a pas variée pendant l'intervalle de temps At. La variabilité temporelle de la variable Xi peut également avoir un impact sur la question de savoir s'il est pertinent d'adapter la fonction fp à chaque observation du signal ou si, au contraire, il est plus pertinent de n'adapter la fonction fi,t qu'après un certain nombre d'observations du signal. Il est donc envisagé que, pendant l'intervalle de temps At, un nombre d'observations successives du signal puisse être réalisé qui soit fixé indépendamment pour chaque fonction fi,t en fonction d'une variabilité temporelle de la variable Xi correspondante par rapport à l'intervalle de temps At. Le procédé permet ainsi avantageusement de ne réaliser l'adaptation d'une composante j du signal que lorsque celle-ci est susceptible d'être significative, pour optimiser les ressources informatiques et la capacité de calculs. Par ailleurs, il est avantageux d'envisager que l'expression S10 de la valeur yt du signal à l'instant t puisse ne pas être purement théorique, mais, bien au contraire, qu'au moins une fonction fi,t ait été apprise, selon un modèle d'apprentissage déterminé, sur la base de valeurs du signal observées antérieurement à l'instant t. Le procédé permet ainsi avantageusement qu'au moins une fonction fp soit significative d'une évolution antérieure du signal. Dans ce contexte, il est cohérent que l'adaptation S30 de chaque fonction fi,t apprise comprenne l'implémentation du modèle d'apprentissage selon lequel cette fonction fp a été apprise. Le procédé permet ainsi avantageusement d'intégrer l'adaptation S30 de chaque composante j du signal à l'apprentissage de son évolution. Il est à noter que le modèle d'apprentissage peut imposer à la fonction fp et à son évolution adaptative des contraintes de régularité sur son domaine de définition. Comme illustré sur la figure 2, le procédé prévoit d'utiliser avantageusement chaque fonction adaptée fi,t+At obtenue pour localiser toute anomalie détectée à l'instant t+At. Pour ce faire, le procédé enseigne de calculer S40, pour la variable Xi considérée et pour au moins un noeud non-observé Zi, une valeur d de différence entre la fonction adaptée fi,t+At et la somme des fonctions (fiit, - - -, fii,t, fiN,t) à laquelle est retranchée la fonction fii,t. En d'autres termes, cette étape de calcul S40 consiste à déterminer dans quelle mesure une défaillance de la particule Z ayant, à l'instant t, une contribution fibt à la fonction fi,t correspond à la variation de la fonction fi,t entre les instants t et t+At suite à son adaptation S30. Comme suite, le procédé prévoit de localiser S50 l'anomalie détectée au niveau de la particule Zi, si la valeur d de différence est inférieure à une valeur seuil Mij. En d'autres termes, la variation de la fonction fi,t entre les instants t et 4,81 suite à son adaptation S30 sera alors identifiée comme correspondant significativement à la défaillance de la particule Zi ayant, à l'instant t, une contribution fii,t à la fonction fo, et la particule Zi considérée sera par là-même identifiée comme probable localisation de l'anomalie détectée.
Le procédé permet ainsi avantageusement de localiser une anomalie au niveau des noeuds non-observés de la structure arborescente grâce à la simulation des sous-composantes de chaque composante j du signal. Dans le cas particulier illustré sur la figure 5, la somme des fonctions flo et f2i,t et la somme des fonctions flo et f3i,t ont été représentées. Chacune de ces sommes correspond donc à la somme des fonctions f11,t, f21,t et f31,t à laquelle est retranchée la fonction f31,t et la fonction f21,t, respectivement. Il est donc recherché premièrement dans quelle mesure un défaut de la troisième particule peut être à l'origine de l'anomalie détectée, deuxièmement dans quelle mesure un défaut de la deuxième particule peut être à l'origine de l'anomalie détectée. D'une part, il apparaît immédiatement une différence significative entre la fonction adaptée fi,t+At et la somme des fonctions flo et f3i,t, ce qui semble indiquer que l'anomalie détectée n'est probablement pas survenue au niveau de la particule Z2. D'autre part, il apparaît que la courbe correspondant à la somme des fonctions flo et f21,t, se superpose relativement bien à la courbe correspondant à la fonction adaptée fi,t+m, ce qui semble indiquer que l'anomalie détectée est probablement survenue au niveau de la particule Z3. Selon une particularité, pour la variable Xi considérée, l'étape de calcul S40 peut être implémentée pour chaque particule Zi et/ou pour chaque combinaison de particules. Chaque combinaison de particules peut comprendre deux, trois et jusque P particules. Dans le cas particulier où la défaillance de chaque particule et de chaque combinaison de particules est considérée, pour toutes les variables X1, ..., XN, ce cas étant illustré sur la figure 2, l'étape de calcul S40 peut être mathématiquement exprimée comme suit : Id(fj,t+At,8ifji,t)} i=1 1=1,...,N;A où A= 81, ..., 8i, ..., 8p E {0,1}P est un opérateur permettant de parcourir l'ensemble des sélections à une ou plusieurs particules pouvant être considérées, pour chaque variable Xi. Dès lors, toutes les défaillances potentielles ont été envisagées pour toutes les variables et un ensemble de valeurs d de différence a été calculé, chaque valeur d de différence correspondant à une desdites défaillances potentielles pour une desdites variables. Dans ce contexte où plusieurs particules et/ou combinaisons de particules sont considérées, l'étape de localisation S50 peut comprendre la localisation de l'anomalie détectée au niveau de chacune des particules Zi pour lesquelles la valeur d atteint une valeur minimale, cette valeur minimale correspondant a posteriori à ladite valeur seuil Mij. Dans le cas particulier où la défaillance de chaque particule et de chaque combinaison de particule est considérée, cette démarche, illustrée sur la figure 2, consiste à résoudre le problème d'optimisation pouvant être mathématiquement exprimé comme suit : i=1 j=1,...,N où l'argument du minimum argmin renvoie l'ensemble des particules {Zi} en lesquelles la valeur d de différence atteint sa valeur minimale.
Le procédé de localisation selon l'invention permet ainsi P 1 , j,t+At,8ifii,t argminA cl f", avantageusement de considérer exhaustivement chaque noeud non-observé et/ou chaque combinaison de noeuds non-observés de la structure arborescente comme une localisation potentielle de l'anomalie et de sélectionner, selon un même critère, le ou les noeuds non-observés et/ou la ou les combinaisons de noeuds non-observés où l'anomalie est le plus probablement survenue. Le procédé de localisation selon l'invention renvoie donc des informations sur la ou les particules susceptibles d'être en défaut. Résoudre le problème d'optimisation illustré ci-dessus consiste donc, en faisant varier les valeurs des 8i à trouver quelle(s) particule(s) sont le plus vraisemblablement en défaillance. Le problème de minimisation écrit ici a une seule solution. Néanmoins, cette solution n'est pas forcément identifiable et n'est pas forcément la seule acceptable dans le cadre de notre problème. Cette solution représente pour le moins une information susceptible de faciliter l'identification d'une zone 'géographique' en défaillance, par exemple en recoupant l'ensemble des particules {Zi} identifiées avec les données de géolocalisation des particules stockées dans la base de données 3. De façon générale, mais également de façon particulièrement avantageuse dans le contexte où un procédé de détection associant l'anomalie à au moins une composante j déterminée du signal y est utilisé, les particules peuvent être classées par groupe. Chaque groupe peut par exemple comprendre une pluralité de particules connues pour avoir un comportement donné en fonction d'une variable Xi déterminée. Par exemple, des particules peuvent être connues pour être particulièrement thermosensibles ; A titre illustratif, ceci peut être dû au fait que les consommateurs correspondants ont une habitation équipée d'un système de chauffage électrique. Au contraire, des particules peuvent être connues pour être particulièrement thermo-insensibles ; A titre illustratif, ceci peut être dû au fait que les consommateurs correspondants ont une habitation équipée d'un système de chauffage au fioul. Pour illustrer ces considérations en relation avec la figure 4, il est possible de classer la particule Z2 dans une classe de particules ayant une contribution invariable à la fonction fp en fonction de la variable Xi et les particules Z1 et Z3 dans une classe de particules ayant une contribution variable à la fonction fi,t en fonction de la variable Xi. Ainsi, dès lors qu'est déterminée la composante j du signal associée à l'anomalie détectée, l'étape de calcul S40 et, le cas échéant, l'étape de localisation S50 sont implémentées uniquement, ou du moins en premier lieu, pour la ou les particules Z appartenant à une classe de particules sensibles à la variable Xi correspondant à la composante j déterminée du signal, la défaillance de ces particules étant plus susceptible d'être à l'origine de l'anomalie détectée que des particules d'autres classes. Le procédé de localisation selon cette particularité permet ainsi avantageusement de limiter encore, au moins dans un premier temps, le domaine de recherche de l'anomalie aux seuls noeuds connus pour être sensibles à la variable liée à ladite composante j déterminée du signal, pour une localisation encore plus rapide et plus fiable de l'anomalie. Pour une fonction adaptée fi,t+At obtenue, la valeur d de différence entre la fonction adaptée fj,t+At et la somme des fonctions (fit t, fibt, fiN,t) à laquelle est retranchée la fonction fii,t peut être calculée d'au moins trois façons différentes qui sont présentées ci-dessous. Tout d'abord, la valeur d de différence peut être calculée selon une norme euclidienne généralisée de ladite différence. La valeur d de différence peut alors être plus particulièrement exprimée de la façon suivante : d (fi,t+At, 8k = J j,t+At(xi,t) -15kfit (xi ,t) k=1 k=1 où 11xlip = (kir + lx2IP + + I xnI p)1/P avec p 1 et x = x2, ..., xii) de Kn et avec 15k=i = 0 et 15ki. = 1.
Les deuxième et troisième façons de calculer la valeur d de différence considèrent des normes qui dépendent de la répartition des observations du signal et de la robustesse des estimations de la fonction fi,t+At et des fonctions (fit,t, - - -, fibt, - - - , Selon une première variante, la valeur d de différence peut être calculée de la façon illustrée sur la figure 5. En considérant un ensemble de valeurs {xi} de la variable Xi à des instants antérieurs à l'instant t, la valeur xi de la variable Xi à l'instant t et la valeur xi de la variable Xi à l'instant t+At, la valeur d de différence est calculée comme une somme, sur un ensemble I, comprenant les instants antérieurs à l'instant t, l'instant t et l'instant t+At, de puissances paires de différences entre la valeur de la fonction adaptée fi,t+At et la valeur de ladite somme des fonctions (fitt, ---, fibt, ---, fiN,t) à laquelle est retranchée la fonction fibt, chaque différence étant prise à la valeur xi de la variable explicative Xi correspondante dans la somme. La valeur d de différence peut alors être plus particulièrement exprimée de la façon suivante : P \ 2 ( cl f P 7j,t+At, 8k fj,t = fj,t+At(Xj,l) - 8k fjk,t (x1,1) k=1 lEln \ k=1 où In = (t - t'At, t - (n - 1)At, t + At) avec n > 1 et avec 15k=1 = 0 et (îki - 1-- Dans l'exemple illustré sur la figure 5, sont considérés les instants t201, t-nt, t et t+At et les valeurs d de différence en ces instants. Comme l'illustre les doubles flèches, il apparaît que la valeur d de différence entre la fonction adaptée fi,t+At et la somme des fonctions fli,t,et f3i,t est significative. En comparaison, il apparaît que la valeur d de différence entre la fonction adaptée fi,t+At et la somme des fonctions fli,t et f2i,t est relativement faible. L'anomalie détectée est donc très probablement localisée au niveau de la particule Z3. Le procédé permet ainsi avantageusement de quantifier la valeur d de différence sur une pluralité d'observations récentes de la variable Xi correspondante, pour une quantification plus juste. Selon une seconde variante, la valeur d de différence peut être calculée de la façon illustrée sur la figure 6. En considérant un ensemble de valeurs {xi} de la variable Xi à des instants antérieurs à l'instant t, la valeur xi de la variable Xi à l'instant t et la valeur xi de la variable Xi à l'instant t+At, et à partir d'une fonction de pondération Wk de la variable Xi définie sur le support de Xi, Wk étant une fonction de type noyau Gaussien, la valeur d de différence est calculée comme une somme, sur l'ensemble des valeurs {x1}, de puissances paires de différences entre la valeur de la fonction adaptée fi,t+At et la valeur de ladite somme des fonctions (fitt, -, fibt, -.., fiN,t) à laquelle est retranchée la fonction fibt, chaque différence étant prise à une valeur xi de la variable Xi correspondante dans l'ensemble et étant pondérée par la valeur de la fonction de pondération Wk en cette valeur xi de la variable Xi. La valeur d de différence peut alors être plus particulièrement exprimée de la façon suivante : P ( /f P \ 2 d fi,t+At, ôkfik,t = Wk(Xj) j,t+At(Xj) - ô kfjk,t (xi) k=1 {x j} \ k=1 l où {x1} est l'ensemble des valeurs de la variable Xi. Il est à noter qu'une fonction Wk de type noyau Gaussien implique que la fonction Wk est définie en tous les points où la variable Xi est définie, et que l'intégrale de Wk sur son support de définition est égale à 1. La « fenêtre » k définie, en quelque sorte, la largeur de la Gaussienne dans le cadre d'un noyau Gaussien. Les points éloignés du point xi sur lequel la fonction Wk est centrée auront par conséquent un poids très faible sur la valeur d(fi,t+At,fi,t) de variation. Dans l'exemple illustré sur la figure 6, les valeurs de la variables Xi proches de la valeur de la variable Xi à l'instant 4,81 comprennent la valeur de la variable Xi à l'instant t-200t, la valeur de la variable Xi à l'instant t-150t, la valeur de la variable Xi à l'instant t-10nt, la valeur de la variable Xi à l'instant t-20t, la valeur de la variable Xi à l'instant t-nt, la valeur de la variable Xi à l'instant t et bien sûr la valeur de la variable Xi à l'instant t+nt. Il apparaît, tout comme dans l'exemple illustré sur la figure 5, que la valeur d de différence entre la fonction adaptée fi,t+At et la somme des fonctions fli,t, f21,t et f31,t est non nulle. Il apparaît que la valeur d de différence entre la fonction adaptée fi,t+At et la somme des fonctions flo et f3i,t est quasi nulle ; une contribution relativement significative à la valeur d de différence est observable pour les valeurs de la variable Xi à l'instant t-150t et à l'instant t-nt, mais ces valeurs sont les plus éloignées de la valeur de la variable Xi à l'instant t+nt et ont donc un poids statique très faible. L'anomalie détectée est donc très probablement localisée au niveau de la particule Z2. Le procédé permet ainsi avantageusement de quantifier la valeur d de différence sur une pluralité de valeurs de la variable Xi proches d'une des dernières valeurs observées de la variable Xi, pour une quantification plus juste. Le procédé de détection selon lequel l'anomalie peut être détectée de façon associée à au moins une composante j déterminée du signal y est décrit ci-dessous en référence aux figures 8a, 8b et 9. Dans le contexte de la détection d'anomalie, le signal y issu du noeud observé Y du réseau de distribution d'énergie électrique est plus particulièrement un signal de mesure. Un tel signal est généralement défini comme un signal envoyé dans un système dans le but de vérifier son bon fonctionnement. Il peut s'agir plus particulièrement ici d'un signal significatif de l'énergie électrique transmise, à travers le noeud observé Y, aux particules de ce noeud. Le procédé de détection illustré sur la figure 9 repose sur les mêmes hypothèses que le procédé de localisation décrit plus haut. Le procédé met en outre les mêmes considérations à profit en prévoyant : - que, à un instant t+At, soit observée S120 la valeur yt+At du signal de mesure y, et - que soit adaptée S130 au moins une fonction fi,t à la valeur yt+At observée du signal de mesure, cette adaptation permettant d'obtenir la fonction adaptée fi,t+At. Dans le contexte mentionné plus haut où au moins une fonction fi,t est significative d'une évolution antérieure du signal de mesure, il est cohérent que l'adaptation S130 de chaque fonction fi,t apprise comprenne l'implémentation du modèle d'apprentissage selon lequel cette fonction fi,t a été apprise. Le procédé permet ainsi avantageusement d'intégrer l'adaptation S30 de chaque composante du signal de mesure à l'apprentissage de son évolution.
Il est à noter que le modèle d'apprentissage peut non seulement imposer à la fonction fi,t et à son évolution adaptative des contraintes de régularité sur son domaine de définition, mais peut dès lors également permettre de fixer, pour la fonction fi,t concernée, une valeur seuil Mi correspondant à une limite acceptable de variation de la fonction fi,t entre les instants t et t+At. La valeur seuil Mi est préférentiellement définie indépendamment pour chaque fonction fi,t Le procédé prévoit d'utiliser avantageusement chaque fonction adaptée fi,t+At obtenue pour détecter toute anomalie comme une variation du comportement attendu du signal de mesure y, ou plus particulièrement de la composante j du signal de mesure, entre les instants t et 4,81 qui serait supérieure à une limite acceptable de variation dudit comportement. Pour ce faire, le procédé enseigne de calculer S140, pour au moins une fonction adaptée fi,t+At obtenue, une valeur d(fi,t+At,fi,t) de variation de la fonction fi,t pour quantifier une variation du comportement attendu de la composante j du signal de mesure y entre les instants t et t+At. A partir de chaque fonction adaptée fi,t+At obtenue et de la fonction fp dont la fonction adaptée est déduite, la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t peut être calculée de trois façons différentes correspondant à celles décrites ci-dessus, en relation avec les figures 5 et 6, pour le calcul S40 de ladite valeur d de différence. Des avantages équivalents peuvent ainsi être obtenus pour une quantification plus juste de la valeur d(fi,t+At,fi,t) de variation. Une fois calculée S140, la valeur d(fi,t+At,fi,t) de variation est, selon le procédé, comparée S150 à la valeur seuil M.
Lorsqu'il existe une composante j du signal de mesure pour laquelle la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est supérieure à ladite valeur seuil M1, 3 j E ...,N tel que c(ffi,t+At, fi,t) M1 le procédé comprend la détection S160 de l'anomalie, celle-ci correspondant bien alors à une variation du comportement attendu du signal de mesure y entre les instants t et 4,81 supérieure à une limite acceptable de variation dudit comportement. Dans un mode de réalisation du procédé de détection illustré par la partie représentée en tirets courts de l'organigramme de la figure 9, le procédé est bouclé en temps par substitution de l'indice temporel t+At par l'indice temporel t. Dans un mode de réalisation alternatif du procédé de détection illustré par la partie représentée en tirets longs-courts de l'organigramme de la figure 9, le fait que chaque fonction adaptée fi,t+At soit susceptible de représenter plus justement le comportement attendu du signal de mesure que ne le permet la fonction fp dont elle a été déduite est avantageusement exploité. Pour ce faire, le procédé envisage que chaque fonction adaptée fi,t+At vienne remplacer S1000, dans l'expression S110 de la valeur yt du signal de mesure y à l'instant t, la fonction fi,t dont elle a été déduite, le bouclage du procédé étant réalisé par substitution de l'indice temporel t+At par l'indice temporel t. Dans l'exemple illustré par la partie représentée en tirets longs-courts de l'organigramme de la figure 9, il est plus particulièrement supposé que chaque fonction fi,t a été adaptée S130 et remplacée S1000. Le procédé de détection permet ainsi avantageusement de mettre à profit les adaptations antérieures du comportement de chaque composante j du signal de mesure pour une détection ultérieure. Comme suite à chaque détection S160 d'une anomalie, le procédé de détection peut prévoir de pointer vers le procédé de localisation selon l'invention de sorte que l'anomalie détectée puisse être localisée de la façon décrite plus haut. Cette liaison fonctionnelle entre le procédé de détection et le procédé de localisation est illustrée sur la figure 9 par le renvoi A à la figure 2. Le renvoi A renvoie plus particulièrement à l'étape de calcul S40 du procédé de localisation. La mise en oeuvre des étapes S10 et S30 du procédé de localisation est effectivement devenues superflues en ce sens que ces étapes trouvent leur équivalents dans les étapes S110 et S130 du procédé de détection ; il suffit donc de conserver en mémoire les résultats obtenus par la mise en oeuvre des étapes S110 et S130 du procédé de détection, puis d'utiliser ces résultats pour implémenter l'étape S40 du procédé de localisation. On notera qu'il n'est pas nécessaire d'exprimer les sous-composantes du signal pour mettre en oeuvre le procédé de détection ; dès lors, l'étape S40 du procédé de localisation pour être mise en oeuvre nécessitera que soit implémentée l'étape S20 d'expression des fonctions fitt, ---, fibt, ---, et fiN,t.
Pour illustrer l'apport du procédé de détection par rapport aux procédés de détection de rupture du signal de mesure lui-même, considérons un cas observable dans lequel deux anomalies se compensent l'une l'autre pour résulter en une variation sensiblement nulle du signal observé.
Considérons également les figures 8a et 8b qui illustrent comment réagit, dans ce cas, le procédé selon l'invention pour un signal de mesure correspondant par exemple à la puissance active instantanée totale triphasée [en kW], notée P. A titre d'exemple, le cas considéré peut être observé, par exemple du fait d'une baisse de température, lorsque : - un premier consommateur thermosensible, son habitation étant par exemple équipée de chauffage électrique, aurait dû consommer une quantité significative d'énergie électrique, mais n'en a rien fait du fait d'une défaillance du système de chauffage, et - un deuxième consommateur n'a pas su respecter une consigne d'effacement Eff, selon laquelle il s'engageait à ne pas dépasser un niveau maximal de consommation, et a effectivement consommé plus d'énergie électrique qu'il ne s'était engagé à le faire, le signal de mesure diminuant sensiblement d'autant du fait de la sous- consommation du premier consommateur qu'il n'augmente du fait de la surconsommation du deuxième consommateur, de sorte que la valeur Pt de la puissance P à l'instant t est sensiblement égale à la valeur Pt+At de la puissance P à l'instant t+At. Sur la figure 8a sont représentées, par deux courbes, la fonction f-ro,t et la fonction adaptée fp,t+At en fonction de la température T°, chacune de ces fonctions déterminant un comportement attendu de la composante en température de la puissance P, aux instants t et t+At respectivement. A l'instant t, une température T°(t) est relevée à laquelle correspond une valeur fTo(t) de la fonction fp,t. A l'instant t+At, une nouvelle température T°(t+At) est relevée à laquelle correspond une valeur fro(t+At) de la fonction fp,t+At. Ces deux valeurs peuvent être comme illustrées sur la figure 6a bien différentes entre elles ; dès lors, la valeur d(fp,t+At,f-ro,t) de variation de la fonction f-nt pour s'adapter à la valeur Pt+At de la puissance P à l'instant 4,81 peut être supposée suffisamment élevée pour qu'une anomalie soit détectée. Sur la figure 8b sont représentées, par deux courbes, la fonction fEff,t et la fonction adaptée fEff,t+pt en fonction de la consigne d'effacement qui, à titre purement illustratif, peut prendre ici une des valeurs 0 et 1 et avoir la forme d'un créneau. Ces fonctions déterminent un comportement attendu de la composante de la puissance P relative à la consigne d'effacement, aux instants t et 4,81 respectivement. A l'instant t, aucune consigne d'effacement n'était enregistrée, la valeur de la consigne d'effacement est nulle, et la valeur fEff(t) de la fonction fEff,t est conforme à cette valeur relevée de la consigne d'effacement. Selon la fonction fEff,t en créneau, il était prévu une consigne d'effacement non nulle au temps t+At. Toutefois, à l'instant t+At, il s'est avérée que la consigne d'effacement n'a pu être respectée, et la fonction fEff,t a été adaptée à la valeur Pt+At de la puissance P à l'instant 4,81 ; du fait de cette adaptation, la valeur fEff(t-h8,1) de la fonction fEff,t+Pt est égale à la valeur fEff(t) de la fonction fEff,t à l'instant t. Dès lors, la valeur d(fEff,t+m,fEff,t) de variation de la fonction fEff,t pour s'adapter à la valeur Pt+At de la puissance P à l'instant 4,81 peut être supposée suffisamment élevée pour qu'une anomalie soit détectée. Au niveau du signal de mesure, la sous-consommation du premier consommateur compense la surconsommation du deuxième consommateur de sorte qu'aucune anomalie ne peut être détectée par une analyse de rupture du signal de mesure. Au contraire, le procédé de détection permet une analyse par composante j du signal de mesure et, comme illustré sur les figures 6a et 6b, une variation sensiblement nulle de la valeur du signal de mesure entre deux observations peut néanmoins conduire à la détection justifiée d'une anomalie.
En admettant que les deux anomalies soient détectées de façon associées pour l'une à la composante en température, pour l'autre à la composante d'effacement. Dès lors que seuls les compteurs des deux consommateurs sont connectés au noeud observé Y, le procédé de localisation selon l'invention permet de localiser immédiatement l'anomalie associée à la composante en température comme étant survenue sur le compteur du premier consommateur et l'anomalie associée à la composante d'effacement comme étant survenue sur le compteur du deuxième consommateur, le premier consommateur étant connu pour être thermosensible et le deuxième consommateur étant connu pour participer à un programme d'effacement.
Claims (12)
- REVENDICATIONS1. Procédé de localisation d'une anomalie détectée dans une structure arborescente, l'anomalie étant susceptible d'être survenue à un niveau non-observé de la structure arborescente, ce niveau comprenant une pluralité de noeuds non-observés (Zi, Zi, Zp), chaque noeud non-observé étant connecté à un noeud observé Y duquel est issu un signal (y) correspondant à une somme de sous-signaux (z1, z', zP) issus des noeuds non-observés, l'observation du noeud observé Y comprenant la mesure en temps réel de valeurs du signal (y) par analyse desquelles l'anomalie est détectée à un instant t+.8,t, le procédé comprenant : - exprimer (S10) la valeur yt du signal (y) à l'instant t comme une somme de valeurs de fonctions (fi,t, fi,t, fN,t) et (S20) une valeur zit de chaque sous-signal z' à l'instant t comme une somme de valeurs de fonctions (fitt, - - - f i,t1 - - - f N,01 chaque fonction fp et dépendant d'une même variable Xi parmi un ensemble de variables (X1, ..., XN) et chaque valeur de fonction fj,t et étant prise à une valeur xi donnée de la variable Xi correspondante, chaque fonction fi,t et déterminantt un comportement attendu à l'instant t d'une composante j du signal (y) et d'une sous-composante de la composante j du signal (y) correspondant, respectivement, - pour au moins une variable Xj: o adapter (S30) la fonction fi,t correspondante à la valeur yt+At du signal (y) à l'instant 4,81 pour obtenir une fonction adaptée fbt+At, o pour au moins un noeud non-observé Zi, - calculer (S40) une valeur d de différence entre la fonction adaptée fi,t+At et la somme des fonctions (fitt, ---, fibt, ---, fiN,t) à laquelle est retranchée la fonction fibt, - si la valeur d de différence est inférieure à une valeur seuil Mij, localiser (S50) l'anomalie détectée au niveau du noeud non- observé
- 2. Procédé selon la revendication 1, dans lequel l'étape d'adaptation (S30) comprend en outre adapter la fonction fi,t à une valeur xi de la variable Xi à l'instant t+.8,t.
- 3. Procédé selon l'une des revendications 1 à 2, dans lequel l'étape de calcul (S40) est implémentée pour chaque noeud non-observé Zi et/ou pour chaque combinaison de noeuds non-observés (Z1, Zi, Zp), et l'étape de localisation (S50) comprend localiser l'anomalie détectée au niveau de chacun des noeuds non-observés Zi pour lesquels la valeur d atteint une valeur minimale.
- 4. Procédé selon l'une des revendications 1 à 3, dans lequel au moins une fonction fi,t est apprise, selon un modèle d'apprentissage, à partir de valeurs du signal (y) observées antérieurement à l'instant t.
- 5. Procédé selon la revendication 4, dans lequel l'étape d'adaptation (S30) comprend implémenter le modèle d'apprentissage.
- 6. Procédé selon l'une des revendications 1 à 5, dans lequel l'anomalie est détectée selon un procédé de détection associant l'anomalie à au moins une composante j déterminée du signal (y), et les étapes d'adaptation (S30), de calcul (S40) et, le cas échéant, de localisation (S50) sont implémentées uniquement si ladite au moins une variable Xi correspondant à ladite au moins une composante j déterminée du signal (y).
- 7. Procédé selon la revendication 6, dans lequel l'étape de calcul (S40) et, le cas échéant, l'étape de localisation (S50) sont implémentées uniquement si ledit au moins un noeud non-observé Zi appartient à une classe de noeuds non-observés sensibles à ladite au moins une variable Xi.
- 8. Procédé selon l'une des revendications 1 à 7, dans lequel : - la structure arborescente est un réseau de distribution d'énergie électrique,- les valeurs du signal (y) sont choisies parmi des valeurs de tension efficace, des valeurs d'intensité efficace, des valeurs d'énergie active soutirée, et des valeurs de puissance active ou réactive, instantanée ou moyenne, par phase, totale triphasée ou par quadrant, et - les variables Xi sont choisies parmi au moins un profil de consommation d'énergie électrique par consommateur ou groupe de consommateurs, des données relatives à un consommateur ou à un groupe de consommateurs, des données historiques de consommation et/ou de production d'énergie électrique par consommateur ou groupe de consommateurs, des données météorologiques et des données calendaires.
- 9. Procédé selon l'une des revendications 1 à 8, dans lequel : à partir d'un ensemble de valeurs {xi} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, la valeur d de différence est calculée (S40) comme une somme, sur un ensemble I, comprenant les instants antérieurs à l'instant t, l'instant t et l'instant t+At, de puissances paires de différences entre la valeur de la fonction adaptée fi,t+At et la valeur de ladite somme des fonctions (fiit, fiN,t) à laquelle est retranchée la fonction fibt, chaque différence étant prise à la valeur xi de la variable explicative Xi correspondante dans la somme.
- 10. Procédé selon l'une des revendications 1 à 9, dans lequel : à partir d'un ensemble de valeurs {xi} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, et 30156 9 1 37 à partir d'une fonction de pondération Wk de la variable Xi définie sur le support de Xi, Wk étant une fonction de type noyau Gaussien, la valeur d de différence est calculée (S40) comme une somme, sur l'ensemble des valeurs {xi}, 5 de puissances paires de différences entre la valeur de la fonction adaptée fbt+At et la valeur de ladite somme des fonctions (fit,t, - - -, fibt, ---, fiN,t) à laquelle est retranchée la fonction fibt, chaque différence étant prise à une valeur xi de la variable Xi correspondante dans l'ensemble et étant pondérée par la valeur de la fonction 10 de pondération Wk en cette valeur xi de la variable Xi.
- 11. Serveur informatique (1) pour la mise en oeuvre du procédé de localisation selon l'une des revendications 1 à 10, le serveur comportant un processeur (10), une interface d'échange de données (12) avec une base de données (3) et une interface de sortie (13) pour la visualisation de données de 15 localisation sur un dispositif de visualisation (4).
- 12. Produit programme d'ordinateur comportant des instructions pour la mise en oeuvre du procédé de localisation selon l'une des revendications 1 à 10, lorsque ce programme est exécuté par un processeur (10).
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1363360A FR3015691B1 (fr) | 2013-12-20 | 2013-12-20 | Procede de localisation d'une anomalie detectee dans une structure arborescente |
PCT/FR2014/053396 WO2015092279A1 (fr) | 2013-12-20 | 2014-12-17 | Procédé de localisation d'une anomalie détectée dans une structure arborescente |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1363360A FR3015691B1 (fr) | 2013-12-20 | 2013-12-20 | Procede de localisation d'une anomalie detectee dans une structure arborescente |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3015691A1 true FR3015691A1 (fr) | 2015-06-26 |
FR3015691B1 FR3015691B1 (fr) | 2017-03-03 |
Family
ID=50976702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1363360A Active FR3015691B1 (fr) | 2013-12-20 | 2013-12-20 | Procede de localisation d'une anomalie detectee dans une structure arborescente |
Country Status (2)
Country | Link |
---|---|
FR (1) | FR3015691B1 (fr) |
WO (1) | WO2015092279A1 (fr) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3070495B1 (fr) * | 2017-08-28 | 2019-09-06 | Enedis | Detection de defaillance d'un reseau de distribution electrique |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568399A (en) * | 1995-01-31 | 1996-10-22 | Puget Consultants Inc. | Method and apparatus for power outage determination using distribution system information |
EP2026299A1 (fr) * | 2007-08-14 | 2009-02-18 | General Electric Company | Mètre électrique cognitif |
US20090187344A1 (en) * | 2008-01-19 | 2009-07-23 | Brancaccio Daniel S | System, Method, and Computer Program Product for Analyzing Power Grid Data |
GB2493985A (en) * | 2011-08-26 | 2013-02-27 | Intelligent Sustainable Energy Ltd | Utility consumption identification |
US20130231790A1 (en) * | 2012-03-05 | 2013-09-05 | Green Charge Networks Llc | Processing Load Profiles for Consumption Management Systems |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006025870A2 (fr) | 2004-08-26 | 2006-03-09 | Springbok Incorporated | Methode permettant de localiser avec precision un dysfonctionnement et d'en verifier la realite dans un systeme de transmission electrique |
FR2965933B1 (fr) | 2010-10-12 | 2013-04-26 | Schneider Electric Ind Sas | Localisation de defauts dans un reseau electrique |
-
2013
- 2013-12-20 FR FR1363360A patent/FR3015691B1/fr active Active
-
2014
- 2014-12-17 WO PCT/FR2014/053396 patent/WO2015092279A1/fr active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568399A (en) * | 1995-01-31 | 1996-10-22 | Puget Consultants Inc. | Method and apparatus for power outage determination using distribution system information |
EP2026299A1 (fr) * | 2007-08-14 | 2009-02-18 | General Electric Company | Mètre électrique cognitif |
US20090187344A1 (en) * | 2008-01-19 | 2009-07-23 | Brancaccio Daniel S | System, Method, and Computer Program Product for Analyzing Power Grid Data |
GB2493985A (en) * | 2011-08-26 | 2013-02-27 | Intelligent Sustainable Energy Ltd | Utility consumption identification |
US20130231790A1 (en) * | 2012-03-05 | 2013-09-05 | Green Charge Networks Llc | Processing Load Profiles for Consumption Management Systems |
Non-Patent Citations (1)
Title |
---|
GOUDE YANNIG ET AL: "Local Short and Middle Term Electricity Load Forecasting With Semi-Parametric Additive Models", IEEE TRANSACTIONS ON SMART GRID, IEEE, USA, vol. 5, no. 1, 1 January 2014 (2014-01-01), pages 440 - 446, XP011536179, ISSN: 1949-3053, [retrieved on 20131224], DOI: 10.1109/TSG.2013.2278425 * |
Also Published As
Publication number | Publication date |
---|---|
FR3015691B1 (fr) | 2017-03-03 |
WO2015092279A1 (fr) | 2015-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10962576B2 (en) | Estimation of shading losses for photovoltaic systems from measured and modeled inputs | |
De Benedetti et al. | Anomaly detection and predictive maintenance for photovoltaic systems | |
Ventura et al. | Utility scale photovoltaic plant indices and models for on-line monitoring and fault detection purposes | |
US10956629B2 (en) | Estimation of soiling losses for photovoltaic systems from measured and modeled inputs | |
US11143680B2 (en) | Estimation of energy losses due to partial equipment failure for photovoltaic systems from measured and modeled inputs | |
FR2957097A1 (fr) | Systeme et procede de surveillance de ressources dans un reseau de distribution d'eau | |
US20150142347A1 (en) | Solar Energy Disaggregation Techniques for Whole-House Energy Consumption Data | |
FR3008207A1 (fr) | Unite et procede de regulation energetique d'un systeme de production et de consommation electrique | |
KR20180072954A (ko) | 태양전지모듈 발전량 예측방법 및 예측장치 | |
FR2917161A1 (fr) | Procede et systeme de detection et d'estimation de la consommation des usages electriques des installations d'un souscripteur | |
Shi et al. | Expected output calculation based on inverse distance weighting and its application in anomaly detection of distributed photovoltaic power stations | |
EP3391240B1 (fr) | Traitement des donnees de telerelevee pour l'analyse des modes de consommation | |
Mathew et al. | Estimation of wind turbine performance degradation with deep neural networks | |
Bâra et al. | Embedding the weather prediction errors (WPE) into the photovoltaic (PV) forecasting method using deep learning | |
FR3087926A1 (fr) | Securisation d’une intervention sur une branche basse tension du reseau de distribution electrique | |
FR3015691A1 (fr) | Procede de localisation d'une anomalie detectee dans une structure arborescente | |
WO2022008552A1 (fr) | Procédé de détection de défaillance d'un onduleur photovoltaïque | |
WO2015092286A1 (fr) | Procédé de détection d'une anomalie dans un signal de mesure | |
EP3417169A1 (fr) | Modèle de pronostic et de gestion de la santé pour prédire le niveau d'usure du filtre à huile d'une turbine éolienne | |
WO2024171209A1 (fr) | Système de jumeau numérique pour centrales électriques solaires et procédé associé | |
Basmadjian et al. | Day-Ahead Forecasting of the Percentage of Renewables Based on Time-Series Statistical Methods. Energies 2021, 14, 7443 | |
FR3046483A1 (fr) | Procede d'optimisation de moyens de production d'energie | |
Deline et al. | Reducing Uncertainty of Fielded Photovoltaic Performance (Final Technical Report) | |
Anderson et al. | Overcoming Communications Outages in Inverter Downtime Analysis | |
EP3646255B1 (fr) | Système et procédé de gestion de risques dans un processus |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 3 |
|
PLFP | Fee payment |
Year of fee payment: 4 |
|
PLFP | Fee payment |
Year of fee payment: 5 |
|
PLFP | Fee payment |
Year of fee payment: 6 |
|
PLFP | Fee payment |
Year of fee payment: 7 |
|
PLFP | Fee payment |
Year of fee payment: 8 |
|
PLFP | Fee payment |
Year of fee payment: 9 |
|
PLFP | Fee payment |
Year of fee payment: 10 |
|
PLFP | Fee payment |
Year of fee payment: 11 |