FR3022658A1 - Procede de creation d'une structure de donnees representative d'une consommation de fluide d'au moins un equipement, dispositif et programme correspondant. - Google Patents

Abstract

L'invention se rapporte à un procédé de création d'une structure de données représentative d'une consommation de fluide d'au moins un équipement (DatFldOut). Selon l'invention un tel procédé comprend: - une étape d'obtention (E-10) de données de consommation de fluide (DatFldln), comprenant une pluralité de données de consommations temporelles mesurées à une fréquence d'échantillonnage, dite courbe initiale (Cbelnit) ; - une étape de découpage (E-20) de ladite pluralité de données de consommations temporelles mesurées en fonction d'au moins un paramètre de découpage prédéterminé (S1, S2, S3,...), délivrant un ensemble de segments de consommations unitaires (ELIN), dit ensemble de linéaments, comprenant au moins un segment de consommation unitaire (LIN), dit linéament, chaque linéament comprenant un label d'identification et une liste de propriétés, comprenant au moins un horodatage et une durée et une quantité consommée ; - une étape d'identification (E-30), au sein d'une base de données (Bdd), d'au moins un équipement (Eqpt) associé à un linéament dudit ensemble de linéaments.

Description

1. Procédé de création d'une structure de données représentative d'une consommation de fluide d'au moins un équipement, dispositif et programme correspondant. 1. Domaine de l'invention L'invention se rapporte à une technique d'identification de consommation. L'invention se rapporte plus particulièrement à une technique d'identification de consommation d'une ressource, telle qu'un fluide, transportée par un flux présentant des variations, et dont on connaît des mesures répétées. Plus particulièrement l'invention s'inscrit dans une optique de maitrise des consommations de ressources, comme par exemple les ressources énergétiques (gaz, électricité, pellets de combustibles), mais également des ressources naturelles (eau). 2. Art antérieur La consommation de ressource est un enjeu important de développement tant pour les pays industrialisés, qui tentent de réduire leurs dépendances vis à vis de pays tiers et de limiter les coûts et les rejets associés, que pour les pays en voie de développement qui doivent de plus assurer une production au plus proche des besoins. Une méthode de maitrise de la consommation des ressources consiste à gérer celles-ci de manière globale, comme par exemple en centralisant, en un emplacement particulier, la gestion et la distribution de cette ressource. Ceci est possible dans le cas de ressources que l'on peut aisément conserver (par exemple l'eau ou le gaz). Dans le cas de l'électricité, pour laquelle les problématiques de stockage sont importantes et pour le moment non surmontées de manière industrielle, la gestion et la distribution de ressources est plutôt envisagée de manière répartie. C'est par exemple le cas des techniques dites de "Smart Grid". Du point de vue du consommateur, en revanche, les solutions de maitrise de la consommation de ressources sont relativement peu nombreuses et elles reposent souvent sur une prise de conscience résultant d'une mesure plus ou moins continue de la consommation : il existe par exemple des systèmes branchés directement sur les prises électriques ayant la possibilité de mesurer la consommation des appareils en aval et/ou de couper l'alimentation de ceux-ci à distance. Ce type de solution est intéressant pour vérifier une consommation d'un nombre peu élevé d'appareils électriques. On imagine mal, en effet, équiper l'ensemble d'une habitation de prises de courant aptes à déterminer la consommation individuelle de chaque appareil. Outre qu'un tel système serait très couteux, son efficacité n'est pas prouvée.

3022658 2 Il existe des compteurs dit intelligents, qui sont aptes à transmettre de l'information au gestionnaire de réseau sur une consommation donnée d'un local, d'une habitation. Le gestionnaire peut ensuite retransmettre ces informations au consommateur après les avoir résumées ou mises en forme. Il y a cependant des problématiques pour identifier, dans une 5 courbe de consommation donnée, les équipements qui sont à l'origine de cette consommation. C'est par exemple le cas d'une courbe de consommation électrique (également appelée courbe de charge). Une courbe de charge électrique totalise, sur une période donnée, la consommation de l'ensemble des équipements d'un local pour lequel la charge est surveillée. Cependant, dans le cas d'une habitation par exemple, le nombre d'appareils susceptibles 10 d'influencer la courbe de charge peut être élevé. Il est donc nécessaire, pour identifier les appareils présents, d'effectuer une désagrégation de la courbe de charge : il s'agit d'une analyse de la courbe de charge dont l'objectif est d'identifier, au sein de celle-ci, les équipements qui ont contribué à la consommation et d'estimer la contribution individuelle de ces équipements. Les méthodes de désagrégation ont fait l'objet de publications visant à établir une revue 15 de l'état de l'art [Zeifman and Roth (2011), Zoha et al. (2012)]. Les travaux fondateurs ont été publiés à partir de la fin des années 1980 [Hart (1992)]. Parmi les nombreux critères techniques susceptibles d'intervenir dans le principe et dans la performance d'un algorithme de désagrégation, une distinction principale apparaît en fonction de la fréquence à laquelle la puissance consommée est échantillonnée. Entre les gammes 1 hr - 15 min, 1 min - 1 Hz, 1-60 Hz, 20 60 Hz-2 kHz, 10-40 kHz, et >1 MHz, les problématiques et les possibilités diffèrent grandement [Armel et al. (2012)]. Les méthodes employées varient et ne sont pas toutes compatibles techniquement avec les parcs de compteurs installés : il s'agit par exemple des méthodes reposant sur l'analyse des harmoniques qui ne sont pas compatibles avec le parc des compteurs standards, ni même avec la 25 plupart des 'smart meters' existants ou amenés à être installés à l'avenir. Pour cette raison, il est plus efficace de mettre en oeuvre des méthodes basées sur des fréquences d'échantillonnage inférieures à la dizaine de Hertz, et en pratique, de l'ordre du dixième de Hertz. Pour la même raison que ci-dessus, les méthodes basées exclusivement sur l'analyse des transitoires [Chang et al. (2010), Orji et al. (2010)] sont difficilement applicables car elles exigent 30 en général au moins la centaine de Hertz.

3022658 3 D'autre part, la plupart des méthodes de désagrégation nécessitent une phase d'apprentissage. Généralement l'apprentissage repose sur des techniques d'apprentissage supervisé, basé par exemple sur le renseignement préalable des paramètres d'un automate de Markov à états cachés (HMM pour 'Hidden Markov Models') qui serviront ensuite dans la phase 5 d'inversion par optimisation [Vogiatzis et al. (2013), Kolter and Jaakkola (2012), Bons (1996)]. De telles méthodes ne sont pas simples à mettre en oeuvre. Par ailleurs, la phase d'apprentissage supervisée nécessite une connaissance approfondie, en amont, des matériels disponibles, ce qui n'est pas toujours faisable. Par exemple, la technique décrite dans Kolter and Jaakkola (2012) suppose que la courbe comprenne des paliers pendant lesquels la puissance consommée devrait 10 être constante. Cette technique suppose que la courbe de charge est modélisable par une machine à états discrets. Il existe donc un besoin d'une technique qui soit plus simple et plus efficace que les techniques décrites précédemment. 3. Résumé de l'invention 15 L'invention ne présente pas ces inconvénients de l'art antérieur. Plus particulièrement, l'invention se rapporte à un procédé de création d'une structure de données représentative d'une consommation de fluide d'au moins un équipement. Selon l'invention, un tel procédé comprend: une étape d'obtention de données de consommation de fluide, comprenant une pluralité 20 de données de consommations temporelles mesurées à une fréquence d'échantillonnage, dite courbe initiale ; une étape de découpage de ladite pluralité de données de consommations temporelles mesurées en fonction d'au moins un paramètre de découpage prédéterminé, délivrant un ensemble de segments de consommations unitaires, dit ensemble de linéaments, 25 comprenant au moins un segment de consommation unitaire, dit linéament, chaque linéament comprenant un label d'identification et une liste de propriétés, comprenant au moins un horodatage et une durée et une quantité consommée; une étape d'identification, au sein d'une base de données, d'au moins un équipement associé à un linéament dudit ensemble de linéaments.

3022658 4 Selon un mode de réalisation particulier, ladite étape de découpage de ladite pluralité de données de consommations temporelles mesurées comprend au moins une itération des étapes suivantes : une étape d'identification au sein de la courbe initiale, d'au moins une transition entre 5 deux points de mesure et dont l'amplitude excède une valeur de tolérance 51 prédéterminée, délivrant un ensemble de transitions montantes de référence ; pour une transition de référence dudit ensemble, une étape de recherche d'au plus un nombre N prédéterminé de transitions dite opérantes, dont l'amplitude excède en valeur absolue une valeur de tolérance, associables à ladite transition opérante de référence, 10 délivrant un ensemble de séquences de transitions candidates ; une étape de sélection, en fonction d'au moins un critère de sélection, d'au moins une séquence parmi ledit ensemble de séquences délivrant un linéament ; une étape de déduction dudit linéament de ladite courbe. Selon un mode de réalisation particulier, ladite étape de recherche d'au plus un nombre N 15 prédéterminé de transitions opérantes associables à ladite transition opérante de référence comprend : une étape d'identification, au sein de ladite courbe initiale, de N transitions opérantes succédant à ladite transition opérante de référence, délivrant un ensemble de N transitions opérantes candidates ; 20 une étape d'énumération d'au moins une partie des combinaisons impliquant ladite transition opérante de référence, et au moins une des N transitions opérantes candidates, délivrant un ensemble de séquences ; une étape de présélection, parmi ledit ensemble de séquences, d'au moins une séquence candidate, en fonction de paramètres de sélection prédéterminés, délivrant ledit 25 ensemble de séquences de transitions candidates. Selon un mode de réalisation particulier, ladite étape de présélection, parmi ledit ensemble de séquences, d'au moins une séquence candidate, comprend, pour une séquence courante dudit ensemble de séquences : une étape de calcul des cumuls intermédiaires des transitions de la séquence courante, 30 dits cumuls de transition ; 3022658 5 une étape de calcul des cumuls intermédiaires des transitions non affectées de la courbe de charge en cours de désagrégation, selon un paramétrage donné, dits cumuls de charge ; une étape de calcul de la somme totale des transitions opérantes de la séquence 5 courante, dite somme des transitions. une étape de sélection de ladite séquence courante lorsque lesdits cumuls de transitions sont positifs, lesdits cumuls de charge sont positifs ou nuls et ladite somme des transitions est inférieure en valeur absolue à un seuil S2 donné. Les cumuls intermédiaires de transitions excluent le dernier cumul, celui qui comprend la 10 dernière transition. En effet, ce cumul de toutes les transitions (y compris la dernière) représente exactement la somme totale qui est examinée par le troisième critère qui est différent du premier : norme du cumul inférieure à S2, au lieu de la positivité requise pour les cumuls de transition. Selon un mode de réalisation particulier, ladite étape de sélection, en fonction d'au moins 15 un critère de sélection, d'au moins une séquence parmi ledit ensemble de séquences et délivrant un linéament comprend : une étape d'identification d'une pluralité de transitions susceptibles d'être incluses dans une des séquences dudit ensemble de séquence candidates et respectant des critères d'inclusion prédéterminés ; et 20 lorsqu'une telle pluralité de transitions est identifiée pour une séquence donnée dudit ensemble de séquence, une étape de regroupement de ladite pluralité de transitions non opérantes avec ladite séquence délivrant un linéament. L'invention, dans un autre mode de réalisation, se rapporte également à un dispositif de création d'une structure de données représentative d'une consommation de fluide d'au moins un 25 équipement. Un tel dispositif comprend: des moyens d'obtention de données de consommation de fluide, comprenant une pluralité de données de consommations temporelles mesurées à une fréquence d'échantillonnage, dite courbe initiale ; des moyens de découpage de ladite pluralité de données de consommations temporelles 30 mesurées en fonction d'au moins un paramètre de découpage prédéterminé, délivrant un ensemble de segments de consommations unitaires, dit ensemble de linéaments, 3022658 6 comprenant au moins un segment de consommation unitaire, dit linéament, chaque linéament comprenant un label d'identification et une liste de propriétés, comprenant au moins un horodatage et une durée et une quantité consommée ; des moyens d'identification, au sein d'une base de données, d'au moins un équipement 5 associé à un linéament dudit ensemble de linéaments. Selon une implémentation préférée, les différentes étapes des procédés selon l'invention sont mises en oeuvre par un ou plusieurs logiciels ou programmes d'ordinateur, comprenant des instructions logicielles destinées à être exécutées par un processeur de données d'un module relais selon l'invention et étant conçu pour commander l'exécution des différentes étapes des 10 procédés. En conséquence, l'invention vise aussi un programme informatique, susceptible d'être exécuté par un ordinateur ou par un processeur de données, ce programme comportant des instructions pour commander l'exécution des étapes d'un procédé tel que mentionné ci-dessus. Ce programme peut utiliser n'importe quel langage de programmation, et être sous la 15 forme de code source, code objet, ou de code intermédiaire entre code source et code objet, tel que dans une forme partiellement compilée, ou dans n'importe quelle autre forme souhaitable. L'invention vise aussi un support d'informations lisible par un processeur de données, et comportant des instructions d'un programme tel que mentionnées ci-dessus. Le support d'informations peut être n'importe quelle entité ou dispositif capable de 20 stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une disquette (floppy disc), un disque dur, un SSD, etc. D'autre part, le support d'information peut être un support transmissible tel qu'un signal 25 électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Le programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet. Alternativement, le support d'information peut être un circuit intégré (type ASIC ou FPGA) dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé 30 dans l'exécution du procédé en question.

3022658 7 Selon un mode de réalisation, l'invention est mise en oeuvre au moyen de composants logiciels et/ou matériels. Dans cette optique, le terme "module" peut correspondre dans ce document aussi bien à un composant logiciel, qu'à un composant matériel ou à un ensemble de composants matériels et logiciels.

5 Un composant logiciel correspond à un ou plusieurs programmes d'ordinateur, un ou plusieurs sous-programmes d'un programme, ou de manière plus générale à tout élément d'un programme ou d'un logiciel apte à mettre en oeuvre une fonction ou un ensemble de fonctions, selon ce qui est décrit ci-dessous pour le module concerné. Un tel composant logiciel est exécuté par un processeur de données d'une entité physique (terminal, serveur, passerelle, routeur, etc.) 10 et est susceptible d'accéder aux ressources matérielles de cette entité physique (mémoires, supports d'enregistrement, bus de communication, cartes électroniques d'entrées/sorties, interfaces utilisateur, etc.). De la même manière, un composant matériel correspond à tout élément d'un ensemble matériel (ou hardware) apte à mettre en oeuvre une fonction ou un ensemble de fonctions, selon 15 ce qui est décrit ci-dessous pour le module concerné. Il peut s'agir d'un composant matériel programmable ou avec processeur intégré pour l'exécution de logiciel, par exemple un circuit intégré, une carte à puce, une carte à mémoire, une carte électronique pour l'exécution d'un micrologiciel (firmware), etc. 4. Figures 20 D'autres caractéristiques et avantages de l'invention apparaîtront plus clairement à la lecture de la description suivante d'un mode de réalisation préférentiel, donné à titre de simple exemple illustratif et non limitatif, et des dessins annexés, parmi lesquels : la figure 1 présente un synoptique de la technique proposée pour le traitement des données de consommation de fluide ; 25 la figure 2 présente un dispositif de mise en oeuvre de la méthode proposée. 5. Description 5.1. Rappel du principe Le principe général de la technique décrite consiste à appliquer, sur une courbe de consommation (comme par exemple une courbe de consommation électrique, également 30 appelée courbe de charge), une méthode de désagrégation (i.e. de découpage) spécifique qui peut ne pas travailler en mode probabiliste.

3022658 8 Pour mettre en oeuvre la technique décrite on utilise une « courbe de consommation » ou une dérivée première d'une telle courbe de consommation par rapport au temps. Il s'agit d'une série temporelle échantillonnée régulièrement ou non. Elle peut avoir été mesurée directement ou reconstituée à partir de mesures physiques d'une autre grandeur par un traitement préalable 5 (comme par exemple l' horodatage des Wh au compteur). Plus particulièrement, une courbe de consommation est fournie en entrée de la méthode proposée, en bloc ou en flux, i.e. par tronçons successifs. Il s'agit éventuellement d'une courbe de consommation nettoyée des scories ou données parasites issues du ou des capteurs utilisés. Cette courbe de consommation se présente habituellement sous la forme d'une série temporelle mais elle peut avoir été codée afin de 10 compression et/ou de détection et correction d'erreurs de transmission. Cette courbe de consommation comprend un ensemble de points de mesure. En fonction de la provenance de la courbe de consommation, l'échantillonnage n'est pas nécessairement régulier, ni commun à tous les sites ou à tous les fluides visés. Par exemple, dans le cas d'une courbe de consommation électrique, l'échantillonnage peut correspondre à une valeur tous les 15 dixièmes de Hertz ou à un horodatage effectué tous les Ampère-heure par exemple, auquel cas la fréquence d'échantillonnage n'est évidemment pas régulière dans le temps. Pour d'autres types de consommation (par exemple gaz, eau courante), l'échantillonnage de la courbe de consommation peut être de l'ordre de la seconde. D'une manière générale, décrite en relation avec la figure 1, la méthode proposée permet 20 de créer une structure de données, qui comprend un découpage de consommation en éléments distincts à partir de la courbe de consommation fournie. Ce découpage est mise en oeuvre de manière itérative, voire récursive, de sorte que l'on cherche à identifier, dans la courbe de consommation, les éléments distincts qui la compose à partir de transitions, montantes ou descendantes, que l'on repère dans la courbe en question. La méthode comprend : 25 une étape d'obtention (E-10) d'une structure de données représentative d'une consommation de fluide, ladite structure de données comprenant une pluralité de données de consommations temporelles mesurées à un échantillonnage régulièrement espacé dans le temps, régulièrement espacé en unité de consommation (Wh dans le cas de l'électricité), ou encore irrégulier mais associant alors une mesure de la consommation 30 de ressource avec une mesure du temps, dite courbe initiale (Cbelnit) ; 3022658 9 une étape de découpage (E-20) de ladite pluralité de données de consommations temporelles mesurées en fonction d'au moins un paramètre de découpage prédéterminé, délivrant un ensemble de segments de consommations unitaires, dit ensemble de linéaments (ELIN), comprenant au moins un segment de consommation unitaire, dit 5 linéament (LIN), chaque linéament (LIN) comprenant un vecteur de caractérisation pouvant inclure entre autre un horodatage, correspondant par exemple à une heure de début et à une heure de fin, une durée ou une quantité consommée ; une étape d'identification (E-30), au sein d'une base de données, d'au moins un équipement associé à un linéament (LIN) dudit ensemble de linéaments (LIN).

10 L'étape de découpage (E-20) est celle qui permet d'obtenir les segments de consommation distincts qui sont appelés linéaments. Ces segments sont plus particulièrement obtenus en identifiant et en réunissant au moins deux transitions (à la hausse et à la baisse), dans la courbe de consommation : c'est-à-dire des modifications du flux de consommation qui excèdent (en valeur absolue) un paramètre seuil '51' dont la valeur peut évoluer au long du 15 processus de découpage. Pour toute transition de ce type au sein de la courbe de consommation, non encore affectée à un linéament, et s'effectuant à la hausse, la méthode proposée la considère comme l' « embryon » d'un linéament qu'elle va tenter de compléter et recherche dans ce but d'autres transitions excédant elles-aussi le seuil '51', et qui pourraient être associées à cette transition. Lorsque la somme (signée) d'une liste de transitions du voisinage annule suffisamment 20 (cf. seuil 'S2') la transition embryon, l'ensemble embryon + liste apparaît susceptible d'être retenu et complété. Dans ce deuxième temps, toutes les transitions non déjà affectée mais intermédiaires, viz. situées entre la première et la dernière des transitions excédant le seuil, voire un peu au-delà, deviennent alors elles-aussi successivement candidates à la constitution du linéament en formation. Si l'inclusion de certaines de ces transitions intermédiaires fait passer la 25 somme cumulée sous un seuil 'S3' (typiquement plus sévère que le seuil 'S2'), l'ensemble de toutes les transitions -désormais qualifié de linéament- est retiré de la courbe de consommation, à l'exception d'un faible résidu qui reste affectées à cette dernière. Le processus se poursuit alors de façon itérative et/ou récursive sur la courbe de consommation (de laquelle on a extrait ce linéament et qui s'en trouve ainsi simplifiée) afin d'identifier d'autres linéaments tout en 30 autorisant leur recouvrement temporel potentiel.

3022658 10 Une caractéristique complémentaire importante de la technique proposée consiste à doter chaque linéament d'une liste de paramètres le caractérisant et comprenant typiquement au moins un numéro ou code unique d'identité, un horodatage, une durée, et une quantité consommée. Les paramètres de cette liste sont généralement scalaires, mais ils peuvent être de 5 nature quantitative ou catégorielle. Cette liste, qui peut être calculée juste après la construction du linéament, ou alternativement en différé, permet de classifier celui-ci, par exemple en analysant l'espace multi dimensionnel où il est possible de la plonger. Elle comprend également, en sus des paramètres déjà mentionnés, un certain nombre d'autres paramètres modélisant le candidat linéament, tels que son nombre de transitions, un ou plusieurs facteurs rendant compte 10 de la morphologie globale du linéament et/ou de la morphologie des transitoires le composant, etc. À l'aide de cette liste, la technique proposée recherche, au sein d'une ou plusieurs bases de données, bases de connaissance ou ontologie (locales/individuelles, régionales, et/ou nationales), un ou plusieurs équipements -ou catégories d'équipements- susceptibles de correspondre à ce linéament. Cette étape peut faire partie intégrante du processus de découpage, pouvant 15 contribuer à l'acceptation du linéament en construction ou au contraire à son rejet, menant dans le cas du rejet à la construction ultérieure d'un autre linéament composé d'un ensemble similaire ou non des transitions encore disponibles. Elle peut aussi en être indépendante, ce qui a lieu lors de la phase de génération initiale et supervisée des ontologies. En définitive, le processus itératif de la technique proposée est beaucoup plus simple et 20 efficace que les processus basés sur les chaines de Markov cachées. Ainsi la technique proposée est plus simple à mettre en oeuvre que les techniques décrites antérieurement. Par ailleurs, la technique proposée permet d'obtenir une précision accrue de la désagrégation de la courbe de charge. En effet, par comparaison avec la méthode décrite dans [Kolter and Jaakkola (2012)], la technique proposée ne suppose pas la présence de paliers 25 pendant lesquels la puissance consommée doive pouvoir être considérée comme constante. A l'inverse, à l'aide de la technique proposée, le profil temporel de consommation peut prendre des formes quelconques. Il peut en particulier manifester des transitions complexes et des rampes croissantes ou décroissantes, dont les caractéristiques peuvent d'ailleurs jouer un rôle de signature morphologique de la consommation. Ces signatures morphologiques participent 30 d'ailleurs à l'étape de reconnaissance/assignation de ceux-ci à un appareil ou à une catégorie d'équipements, ce qui permet de rendre celle-ci plus précise. De plus, les signatures ne 3022658 11 nécessitent pas d'être modélisables par une machine à états discrets, et la méthode proposée est donc dispensée de la difficile inversion correspondante. La technique proposée présente l'avantage supplémentaire de ne pas dépendre d'un apprentissage supervisé (manuel et fastidieux) qui serait effectué pour chaque local ou habitation 5 de manière individuelle. Au contraire, l'apprentissage débute à l'aide de certaines connaissances sur l'équipement du local et sur les usages qu'il en a, puis il se précise en continu à partir des mesures réalisées dans le logement considéré. Car en effet par ailleurs, des connaissances antérieures ont été collectées au travers d'un questionnaire normalisé et formalisées sous forme d'informations a priori permettant d'appliquer une approche bayésienne. Une supervision peut 10 permettre de maximiser les performances mais elle reste optionnelle. Pour valoriser au mieux le flux de données acquises, la chaîne de traitement analyse celui-ci en temps quasi réel (en anglais « Near real time » ou NRT) dès le commencement de l'acquisition. Au début de la mise en oeuvre de la technique, les résultats obtenus reflètent uniquement les règles a priori évoquées ci-dessus, mais progressivement, ces règles s'adaptent et 15 les performances s'améliorent. De plus, les enseignements tirés de chaque nouveau local ou habitation peuvent être remontés vers des bases de connaissances a priori centralisées (des usages du foyer considéré et des foyers en général, des signatures des équipements du foyer et des équipements en général), et les enrichissent de manière non-paramétrique. Par ailleurs, la capacité de la technique proposée à extraire des linéaments dès après leur 20 réalisation, avant même de les avoir affecté à un équipement, représente un avantage qui favorise une implémentation en flux. De plus, et indépendamment, la capacité de la méthode proposée à labelliser les linéaments dès les premières extractions dans un nouveau local (avant même que l'apprentissage s'y soit graduellement adapté) constitue un second avantage favorisant des opérations et services en quasi temps-réel.

25 Ainsi, la technique proposée offre des solutions simples à des problématiques complexes. En effet, Il est à noter qu'une telle reconstitution des consommations individuelles par équipement ouvre la voie à un ensemble d'applications et de services : les résultats de la mise en oeuvre de la technique proposée permettent de communiquer aux acteurs impliqués des informations d'anticipation géographique de la consommation ainsi que de mettre en oeuvre 30 d'éventuelles stratégies économiques supplémentaires. En parallèle, pour chaque particulier, il devient possible d'estimer puis d'extrapoler ses divers postes de consommation, de prévoir plus 3022658 12 précisément le montant de ses prochaines factures et de lui livrer des analyses pertinentes de son profil de consommation, voire des alertes relatives à un écart à un objectif, à une défaillance de l'un ou plusieurs de ses équipements, et à d'autres enjeux encore tels que la concomitance de son absence et d'une consommation excessive de chauffage ou d'air conditionné, etc. 5 5.2. Description d'un mode de réalisation On décrit, dans un mode de réalisation, une application de la technique proposée à une analyse et à un découpage d'une courbe de charge électrique. L'objet de cette mise en oeuvre est d'obtenir, à partir d'une courbe de consommation électrique d'un logement ou d'un local, une information représentative des équipements électriques qui ont contribué à la courbe de charge.

10 Dans ce mode de réalisation, l'étape de découpage de la courbe de consommation comprend : une étape d'imputation des valeurs erronées ; une étape d'estimation des paramètres de découpage / extraction ; une étape de prétraitement de série temporelle ; 15 une étape itérative d'extraction et d'adaptation, au cours de laquelle les linéaments sont obtenus et les paramètres d'extraction recalculés si nécessaire. L'identification, au sein de la base de données, d'au moins un équipement associé à un linéament dudit ensemble de linéaments comprend quant à elle une mise en correspondance au cours de laquelle les linéaments sont affectés à un type d'équipement (voire à un équipement 20 bien précis). Cette identification peut être opérée pendant l'étape d'extraction ou après. Ces différentes phases sont décrites par la suite. 5.2.1. Imputation des valeurs réputées erronées Dans ce mode de réalisation, la technique consiste à consolider la série temporelle correspondant à la courbe de charge en marquant comme incertaines les périodes pouvant 25 résulter d'éventuelles défaillances provenant du capteur ou de la chaîne de transmission de l'information. L'exploitation d'a priori permet de distinguer entre des défauts et des possibles aberrations telles que des suspensions réelles de la consommation. Un indice de confiance est utilisé pour rendre compte de cette distinction. 5.2.2. Découpage en linéaments 30 L'étape suivante consiste à découper (décomposer) la courbe de charge en tronçons de profils temporels atomiques (c'est-à-dire élémentaires), éventuellement superposés les uns aux 3022658 1.3 autres, et qui sont appelés linéaments. Ce découpage est réalisé par une technique itérative. Plus particulièrement, il s'agit d'une opération qui effectue plusieurs itérations par intervalle temporel considéré. Les itérations peuvent s'opérer indifféremment vers le futur ou vers le passé. On les dira rétroactives dans ce second cas et c'est le mode utilisé lorsque l'opération est menée en flux, 5 (c'est-à-dire en temps quasi réel). Une nuance existe cependant, car « en flux » accentue le fait que de nouvelles données apparaissent au cours du découpage. Ceci se produit obligatoirement lors d'opérations NRT, mais pourrait théoriquement être simulé en différé. Cependant, préalablement à la mise en oeuvre des itérations, des initialisations et des transformations peuvent être réalisées. Elles visent à, par exemple, adapter les bornes et le pas 10 d'évolution des paramètres variables des itérations et à pré-conditionner la série temporelle. Il s'agit par exemple de l'estimation des paramètres nécessaires à l'itération et d'un prétraitement de la série temporelle. 5.2.2.1. Estimation des paramètres de l'itération Dans un mode de réalisation, l'histogramme de la série temporelle différentielle est 15 calculé sur une période 'P' suffisamment longue pour être représentative, et avec une taille de classe valant typiquement 1 Watt (ou toute autre résolution et unité pertinentes). On calcule l'équation de la fonction puissance (droite en représentation Log-Log) passant par les deux premières classes pour lesquels l'histogramme n'est pas nul. On calcule alors l'abscisse de la première classe pour laquelle (a) l'histogramme n'est pas nul et (b) passe sous cette fonction 20 puissance. Cette abscisse est utilisée comme estimation du bruit et initialise un paramètre 'S3', utilisé postérieurement. Plus précisément, si 'T_i' représente la valeur absolue caractéristique des transitions rangées dans une classe labellisée 'i', et si 'H_i' renseigne le nombre de transitions constatées comme appartenant à cette classe 'i' au cours de la période temporelle 'P', alors 'S3' est calculé comme étant la valeur du niveau de transition T_j, associé à la classe 'j' la plus petite et 25 pour laquelle l'inégalité suivante est vérifiée : T. (log(H_1)-log(H_O)) H_j < f. H_O.TO' (log(T_1)-log(T_O)) 'f ' est un nombre pris entre 0 et 1. Une valeur utilisable de f = 0.9. Les valeurs initiale S/i et finale 51f du paramètre 51 sont estimées de manière adaptative par une analyse du même histogramme. Par défaut, ces valeurs sont fixées à respectivement 30 100 W et 0,5W, ce qui couvre les cas de figures habituels d'un foyer résidentiel. 3022658 14 5.2.2.2. Prétraitements de la série temporelle Selon la cadence d'acquisition, particulièrement lorsqu'elle est élevée, il peut être utile de cumuler les transitions successives de même signe en les rassemblant sous la forme d'une « méta-transition ». Ce prétraitement permet d'extraire les « rampes » de manière plus efficace (les 5 rampes sont des signaux présentant une évolution relativement longue et monotone (croissante ou décroissante). En effet, ce prétraitement augmente l'horizon de la combinatoire ce qui est intéressant pour la suite des traitements d'extraction. La construction de linéaments est en effet entamée à partir uniquement des transitions, ou le cas échéant des méta-transitions, du voisinage temporel suivant la transition montante embryon (TOME), et dépassant le seuil '51' courant. Dans 10 un intervalle temporel donné, les méta-transitions sont évidemment moins nombreuses et d'amplitudes plus grandes que les transitions de même signe qui les constituent. Or, pour une transition embryon donnée, l'algorithme examine toutes (ou au moins un grand nombre parmi toutes) les combinaisons des transitions voisines de l'embryon. La combinatoire augmentant très vite avec le nombre de transitions opérantes considérées, celui-ci est donc limité à un nombre 'N', 15 appelé horizon, qui inclue des méta transitions plus lointaines car leur densité se trouve réduite et/ou leur amplitude augmentée en comparaison de celle des simples transition par l'effet du cumul engendrant les méta-transitions. Un inconvénient associé à ce prétraitement pourrait venir du risque de rendre indistinctes des transitions qui seraient en réalité indépendantes, quoique proches dans le temps, puisqu'en 20 effet le processus consiste à cumuler toute nouvelle transition « physique » à la « méta- transition » en cours de construction, à la condition : - qu'elles aient toutes deux le même signe (+ ou -) ; et - que la transition courante n'ait été précédée que de 'Np' transitions d'amplitude nulle.

25 Np est un paramètre positif ou nul, valant typiquement 0 ou 1. Il doit être fixé en fonction de la cadence d'acquisition. Le potentiel effet indésirable mentionné ci-dessus augmente avec Np, mais il est en pratique négligeable dans les cas utilisant Np = 1 ou 2 et f=0.2 Hz (fréquence d'acquisition des données) dans la mesure où la commutation de deux appareils à quelques secondes d'intervalle n'est guère plus fréquente que leur commutation simultanée. Il est d'autre 30 part envisageable de revenir à un découpage sur base des simples transitions après avoir extrait des linéaments sur base des méta-transitions, ou encore d'alterner ces deux modes. 3022658 1.5 On stocke avec la méta-transition les indices (et/ou les horodatages) des transitions simples la constituant car il est nécessaire d'en disposer au moment de caractériser e.g. l'énergie totale ou les transitoires du linéament. Dans la suite, le terme transition inclue généralement aussi les méta-transitions, sauf lorsque la distinction de vocabulaire est faite explicitement. 5 5.2.2.3. Description d'une itération donnée (parmi la pluralité d'itérations) La technique de découpage itérative consiste à considérer les (méta-) transitions dont la norme de l'amplitude (positive ou négative) dépasse un premier seuil de tolérance Si, passé en argument. Ces transitions sont alors dites « opérantes » (TO) et elles sont considérées comme étant des transitions de référence et sont regroupées dans un ensemble de transitions montantes 10 (ETM) Pour chaque transition opérante montante (TOM) de référence non encore affectée à un linéament, l'algorithme identifie (ou recherche), les N transitions opérantes qui lui succèdent (en allant donc vers le passé dans le mode rétroactif). Il énumère ensuite tout ou partie des combinaisons impliquant la TOM embryon (TOME), qui est la transition opérante de référence, et 15 l'une ou plus des N transitions opérantes identifiées au-delà de la TOME. 'N' prend ses valeurs entre 1 et 12, typiquement. Il existe M = 2AN -1 combinaisons (ou séquence S) qui soient telle. On note une explosion combinatoire liée à la valeur de ce cardinal M. Pour lutter contre cette difficulté, lors de l'énumération des combinaisons candidates, il peut être efficace de n'en autoriser qu'un nombre plus restreint, en limitant la quantité de TOs pouvant être qualifiées 20 d'intrus, c'est-à-dire non candidate à la construction du linéament initié par la TOME courante. En effet, dans un schéma ordinaire 'N' augmente au fil des itérations et certaines combinaisons ont déjà été considérées lors des passes antérieures, en particulier celles incluant les TOs proches de la TOME. Schématiquement, à l'issue de cette recherche, on obtient un ensemble de séquences de transitions (EST) comprenant les séquences candidates.

25 Pour chaque séquence S, on considère sa combinaison complémentaire notée S'. ll s'agit de toutes les TO vérifiant le critère de voisinage défini par l'horizon N, mais n'appartenant pas à S. Toute séquence S (constituée de la TOME et d'au moins une autre TO) est présélectionnée si : 1. les cumuls intermédiaires des transitions de la séquence S, prises l'une après 30 l'autre, commençant par la TOME mais excluant la dernière, restent positifs. Il s'agit des cumuls de transitions suivants : 3022658 16 TOk > 0, `di E [1: K - 1], où S = {TOisc, k E [0: k=0 et avec TOME = TOe > 0, 2. les cumuls intermédiaires de la valeur V de la courbe de charge intégrée en cours de désagrégation à l'instant de la TOME et des transitions TOs de la séquence 5 complémentaire S', prises l'une après l'autre, sont restés positifs. Il s'agit des cumuls suivants : V +ITOis: > 0, `di E [0: où s' = ,k E [0: K]}, et où k=0 V = =1 T0e, où R est l'ensemble des r transitions en amont de TOME non encore affectées à des linéaments au moment de l'itération considérée. 3. la somme totale des TOs de la séquence S est inférieure en valeur absolue, à un 10 deuxième seuil S2 (il s'agit de la somme de toutes les transitions de la séquence S). < 52 k=0 Ce seuil S2 peut être par exemple calculé comme étant la plus grande valeur parmi (a) une fraction (e.g., 20%) de l'amplitude absolue de la plus grande transition participant à la séquence S, et (b) un seuil S3 qui prend par exemple la valeur du bruit (cf. supra). Plusieurs séquences S peuvent répondre aux trois critères précédents. Elles sont dites 15 présélectionnées et l'on cherche alors à identifier la meilleure d'entre elles. Une définition possible pour qualifier cette meilleure séquence est qu'elle minimise (en valeur absolue) la somme totale des TOs utilisée dans la troisième condition. Des critères de brièveté ou de simplicité pourraient aussi être utilisés. On tente alors d'adjoindre à cette meilleure séquence certaines des transitions non- 20 opérantes (TN0s, viz. d'amplitudes inférieures à 51) -ou même opérantes- s'étant éventuellement produites entre la TOME (ou juste en amont de celle-ci) et la dernière TO appartenant à la séquence S (ou juste en aval de celle-là). Ces adjonctions sont réalisées successivement et elles forment des séquences ordonnées de TOs et de TN0s, appelées L. Chaque adjonction doit respecter les trois critères ci-dessus (en y définissant désormais la complémentarité par rapport à 25 une séquence L et non plus à la séquence S, et en prenant toutes les transitions de l'intervalle qui précèdent la tentative d'adjonction en cours) à défaut de quoi la transition considérée n'est pas 3022658 1.7 adjointe à la séquence L, et l'on fait subir les tests à la transition suivante. Cette étape de construction par adjonction est simple et rapide car les transitions sont ordonnées et leur liste possède un cardinal fini qui est généralement de l'ordre de quelques dizaines et ne dépasse que rarement la centaine.

5 Enfin, s'il existe, le plus tardif des ensembles des séquences L ainsi formés respectant de surcroît un critère équivalent à la troisième condition -mais en plus sévère, utilisant par exemple S3 seul en place de S2- est baptisé linéament. Notons que cette étape peut échouer ; aucune transition n'est alors retirée de la courbe de charge en cours de découpage et l'algorithme itère en partant de la TOME suivante. Des stratégies plus poussées et/ou plus astucieuses pourront 10 être imaginées pour adjoindre à S la meilleure combinaison de transitions qui lui sont voisines et recevables. En cas de succès, la séquence résultante L est soustraite de la série temporelle communiquée en entrée de l'itération (entraînant ainsi une simplification de la série d'entrée). S'il n'est pas nul, le cumul résiduel, c'est à dire la somme de toutes les transitions incorporée à la 15 séquence L (valeur qui est inférieure à S3 en norme) est par exemple affecté à la (méta-) transition appartenant à S et manifestant la plus grande amplitude en norme. En d'autres termes, au début d'une itération, on identifie d'abord les transitions dont l'amplitude, c'est-à-dire la valeur absolue, dépasse le seuil 51. Celles retenues ainsi sont alors appelées opérantes (TOs) dont on crée une liste valide pour le temps de l'itération courante 20 caractérisée par des paramètres N, 51, S2, fixés. Ensuite, au sein de cette itération, on considère successivement les TOMs (transitions opérantes montantes), c'est-à-dire celles qui sont positives parmi les TOs précédemment identifiées pour la durée de l'itération. Pendant qu'on examine une TOM donnée, on l'appelle TOME (« transition opérante montante embryon » il s'agit d'une transition de référence) et c'est alors que peut s'effectuer une présélection d'autres TOs (en aval 25 et dans l'horizon, mais toujours issues de la même liste des TOs). Puis -en cas de succès de la présélection (cf. les trois critères et le seuil S2)- s'effectue l'ajout séquentiel de transitions qui peuvent être quelconques du moment qu'elles appartiennent au voisinage de la présélection. Ces ajouts et rejets représentent la sélection (cf. les trois critères adaptés et le seuil S3) qui -en cas de succès- produit un linéament. 30 5.2.2.4. Gestion des paramètres 3022658 18 La courbe de charge résultant des soustractions précédentes est réinjectée récursivement dans le processus jusqu'à ce qu'il soit nécessaire d'augmenter l'horizon N ou l'un des seuils. Un scénario fonctionnel est décrit ci-après à titre illustratif. La valeur initiale de l'horizon N vaut Ni, typiquement fixé à 1. Les valeurs initiales de 51 et 5 S3 ont été discutées plus haut. Le pourcentage déterminant le seuil S2 n'évolue pas au long des itérations. Il vaut par exemple 20% (52 est ici interprété en relatif de la plus grande transition) L'analyse successive des TOMs non encore affectées est effectuée sur des tronçons appelés 'lumps'. La longueur des lumps est déterminée de manière adaptative pour qu'il y ait 'Nt' (fixé à 4) transitions supérieures à 51i par lump en moyenne dans la série.

10 Les paramètres 51, S2 et S3 sont maintenus constants jusqu'à ce que toute la série temporelle ait été traitée au moins une fois sous ces conditions. Si aucune extraction n'est constatée à la fin d'un tel balayage, 51 est divisé par un facteur constant F1 (fixé ici à 2), ce qui augmente la densité de TOM et réduit l'intervalle temporel associé à l'horizon 'N', et les itérations reprennent.

15 Lorsque 51 atteint 51f, l'horizon N est incrémenté et 51 est réinitialisé à Shi. Lorsque N atteint une valeur maximale Nf, conditionnée par la puissance de calcul (fixée à 11 par exemple pour un ordinateur de puissance moyenne) et par la complexité des linéaments attendus, N est réinitialisé à Ni ainsi que 51 à Shi. Lorsque qu'un cycle allant de Ni à Nf n'a produit aucun linéament, tous les linéaments ont 20 été extraits et la courbe de charge résiduelle atteint essentiellement le niveau de veille car celui-ci n'offre pas de transitions opérantes s'éliminant mutuellement à l'échelle des plus longs horizons atteignables. Il s'agit du niveau de veille non constant de la courbe de consommation considérée, qui est un indicateur intéressant pour évaluer les « pertes ». 5.2.2.5. Regroupement et affectation 25 En plus d'un label permettant de l'identifier de manière unique, chaque linéament peut être caractérisé par une liste de plusieurs scalaires susceptibles de le caractériser puis de le classifier : (1) sa durée, (2) le nombre de transitions et/ou de méta-transitions qu'il implique, (3-6) les premiers moments de l'histogramme des amplitudes de celles-ci, (7) sa puissance intégrée (en Wh), (8) son amplitude maximale (en W), (9) sa variation totale TV (pour 'total variation' ; en W), 30 et (10) l'horaire et (11) le jour de la semaine où il a été constaté. Sa concomitance avec les linéaments brefs et faibles (BF, cf. infra) est aussi caractérisée par (12) le nombre, (13) l'énergie 3022658 19 intégrée et par (14) la TV des linéaments classés comme BF et inclus à l'intérieur de son étendue temporelle. Les linéaments que leur brièveté et leur faible amplitude rendent indéterminables sont appelés « brefs et faibles » (BF). La liste peut encore contenir d'autres informations telles que la température extérieure au logement, la vitesse du vent, ou encore l'état du régime heure 5 pleine - heure creuse. L'ensemble de ces paramètres peut être porté dans un espace multidimensionnel possédant par exemple 14 dimensions. Toutefois, pour éviter une « malédiction de la dimensionnalité », un regroupement (clusterisation) est effectué. Il peut être diffus, basé sur la densité et hiérarchique, ce qui lui confère de bonnes propriétés de robustesse et ne requière pas 10 de recevoir en entrée le nombre attendu de clusters. À noter que l'affectation bayésienne du linéament peut se faire au moment de son extraction, permettant ainsi de guider finement le processus d'extraction : la « classabilité » des linéaments peut guider leur extraction, limitant les erreurs de désagrégation qui menacent d'autant plus le processus qu'elles interviennent précocement.

15 Les linéaments se regroupent ainsi en familles dont les propriétés peuvent être confrontées en comparant pour chacun d'eux la probabilité d'avoir été généré par un type d'équipement spécifique (probabilité dite d'émission, construite à partir de l'a priori bayésien). Plus spécifiquement, le ménage complète initialement et peut mettre à jour un formulaire simple, établissant la liste de tous les appareils électriques susceptibles de parfois fonctionner. Si tous ne 20 sont pas listés, les plus consommateurs et les plus fréquents le sont préférablement. Le formulaire permet d'autre part de portraiturer schématiquement les usages qui sont habituellement faits de ces appareils. Partant, une base de données locale, contenant la liste, les horaires d'usage, et les caractéristiques morphologiques des linéaments des appareils attendus, est bâtie à partir des réponses au questionnaire et d'une base de données homologue, décrivant 25 globalement tous les ménages et tous les appareils électriques courants. Il est dès lors possible d'affecter à chaque cluster le label associé au type d'équipement maximisant cette probabilité d'émission. 5.2.2.6. Cas des successions de linéaments Un linéament peut ne représenter qu'un événement isolé d'une succession de linéaments 30 s'enchaînant ordinairement. Ceci ne pose pas de difficulté dans la mesure où le linéament, ainsi que la puissance et l'énergie associées, reste affectable sui generis à l'appareil et à l'usage qui les 3022658 20 ont générés. Néanmoins, les linéaments qui apparaissent fréquemment sont soumis à l'algorithme ci-dessous, dans le but de caractériser plus finement le fonctionnement de l'appareil concerné. La distribution des intervalles de temps séparant les représentants d'un cluster des représentants d'un autre cluster est établie par l'histogramme des différences temporelles. En 5 priorité, ces deux clusters seront en fait confondus, et nous étudions en ce cas la distribution des durées séparant les linéaments d'une même famille, typiquement celle d'un équipement de chaud ou de froid. Lorsque Nck, occurrences ont été comptées, Nck, valant environ 100, ce qui demande plus ou moins de temps selon la durée moyenne de la période de répétition, nous calculons IRG1 = (q09-qo.1)/qo.s, qx désignant la durée du xème quantile (ici les 2', 9" déciles, et la 10 médiane, c'est à dire. le 5" décile). IRG1 donne une mesure de l'irrégularité associée à la signature globale de l'ensemble des Nck, linéaments supposés quasi périodiques. Un autre scalaire IRG2 est calculé de façon semblable ; il estime quant à lui le caractère irrégulier des durées des linéaments considérés. L'évolution de ces deux paramètres peut traduire une défaillance ou un incident impliquant l'appareil. 15 5.2.2.7. Rétroaction vers les bases de données locales et globales Finalement, les propriétés détectées (usage, morphologie) sont réinjectées dans les ontologies/bases de données locale (celle caractérisant les usages et les équipements du ménage à l'origine de la courbe de charge étudiée) et globales (celles caractérisant les usages de la population et la morphologie des linéaments). Cette rétroaction utilise une méthode à noyau, non 20 paramétrique, permettant de flouter adéquatement les observations. Cette opération enrichit les bases de données et augmente le taux de succès ultérieurs, que ce soit pour le foyer étudié ou les autres. Les propriétés détectées sont supervisées dans la durée et les éventuelles dérives donnent lieu aux alertes annoncées plus haut (e.g. dysfonctionnement des équipements de chaud 25 et de froid, réglages inappropriés en période d'absence, etc.). 5.3. Dispositif de mise en oeuvre On décrit, en relation avec la figure 2, un dispositif mis en oeuvre pour identifier, au sein d'une courbe de consommation, un ou plusieurs équipements responsables de la consommation, selon le procédé décrit préalablement. Par exemple, le dispositif comprend une mémoire 21 30 constituée d'une mémoire tampon, une unité de traitement 22, équipée par exemple d'un 3022658 21. microprocesseur, et pilotée par le programme d'ordinateur 23, mettant en oeuvre un procédé de création de structure de données de consommation. À l'initialisation, les instructions de code du programme d'ordinateur 23 sont par exemple chargées dans une mémoire avant d'être exécutées par le processeur de l'unité de traitement 22.

5 L'unité de traitement 22 reçoit en entrée des données représentative de consommation, sous la forme d'une série temporelle, de fréquence constante ou variable. Le microprocesseur de l'unité de traitement 22 met en oeuvre les étapes du procédé création selon les instructions du programme d'ordinateur 23 pour décomposer cette courbe de consommation en linéament et associer ces linéaments à des équipements prédéterminés.

10 Pour cela, le dispositif comprend, outre la mémoire tampon 21, des moyens de communications, tels que des modules de communication réseau, des moyens de transmission de donnée et éventuellement un processeur de chiffrement. Ces moyens peuvent se présenter sous la forme d'un processeur particulier implémenté au sein du dispositif, ledit processeur étant un processeur sécurisé. Selon un mode de réalisation 15 particulier, ce dispositif met en oeuvre une application particulière qui est en charge des calculs. Ces moyens se présentent également comme des interfaces de communications permettant d'échanger des données sur des réseaux de communication, des moyens d'interrogations et de mise à jour de base de données, ...

Claims (4)

1. REVENDICATIONS1. Procédé d'identification d'au moins un équipement, appartenant à un local raccordé à un réseau de distribution de fluide, ledit au moins un équipement réalisant une consommation dudit fluide, procédé mis en oeuvre par l'intermédiaire d'un dispositif d'identification, procédé caractérisé en ce qu'il comprend: une étape d'obtention (E-10), à l'aide d'un capteur, de données de consommation de fluide (DatFldln) dudit local, appelée courbe initiale (Cbelnit) et comprenant une pluralité de données de consommations temporelles mesurées à une fréquence 10 d'échantillonnage une étape de découpage (E-20) de ladite pluralité de données de consommations temporelles mesurées en fonction d'au moins un paramètre de découpage prédéterminé (51, S2, 53,...), délivrant un ensemble de segments de consommations unitaires (ELIN), dit ensemble de linéaments, comprenant au moins un segment de consommation unitaire 15 (LIN), dit linéament, chaque linéament comprenant un label d'identification et une liste de propriétés, ladite liste de propriétés comprenant au moins un horodatage et une durée et une quantité de fluide consommée; une étape d'identification (E-30), au sein d'une base de données (Bdd), d'au moins un équipement (Eqpt) associé à un linéament dudit ensemble de linéaments, délivrant une 20 structure de données (DatFldOut) représentative d'une consommation de fluide dudit au moins un équipement (Eqpt).
2. 2. Procédé, selon la revendication 1, caractérisé en ce que ladite étape de découpage (E-20) de ladite pluralité de données de consommations temporelles mesurées comprend au 25 moins une itération des étapes suivantes une étape d'identification (E-21) au sein de la courbe initiale (Cbelnit), d'au moins une transition entre deux points de mesure et dont l'amplitude excède une valeur de tolérance S1 prédéterminée, délivrant un ensemble de transitions montantes (ETM) de référence ; 30 pour une transition de référence dudit ensemble, une étape de recherche (E-22) d'au plus un nombre N prédéterminé de transitions dite opérantes, dont l'amplitude excède en 3022658 23 valeur absolue une valeur de tolérance Si, associables à ladite transition opérante de référence, délivrant un ensemble de séquences de transitions (EST) comprenant les séquences candidates ; une étape de sélection (E-23), en fonction d'au moins un critère de sélection (S2, 53), d'au moins une séquence parmi ledit ensemble de séquences délivrant un linéament ; une étape de déduction (E-24) dudit linéament de ladite courbe.
3. 3 Procédé, selon la revendication 2, caractérisé en ce que ladite étape de recherche d'au plus un nombre N prédéterminé de transitions opérantes associables à ladite transition 10 opérante de référence comprend : une étape d'identification, au sein de ladite courbe initiale (Cbelnit), de N transitions opérantes succédant à ladite transition opérante de référence, délivrant un ensemble de N transitions opérantes candidates ; une étape d'énumération d'au moins une partie des combinaisons impliquant ladite 15 transition opérante de référence, et au moins une des N transitions opérantes candidates, délivrant un ensemble de séquences ; une étape de présélection, parmi ledit ensemble de séquences, d'au moins une séquence candidate, en fonction de paramètres de sélection prédéterminés (S2, S3), délivrant ledit ensemble de séquences de transitions (EST) candidates. 20
4. 4. Procédé selon la revendication 3, caractérisé en ce que ladite étape de présélection, parmi ledit ensemble de séquences, d'au moins une séquence candidate, comprend, pour une séquence courante dudit ensemble de séquences : une étape de calcul des cumuls intermédiaires des transitions de la séquence courante, 25 dits cumuls de transition ; une étape de calcul des cumuls intermédiaires des transitions non affectées de la courbe de charge en cours de désagrégation, selon un paramétrage donné, dits cumuls de charge ; une étape de calcul de la somme totale des transitions opérantes de la séquence 30 courante, dite somme des transitions. 3022658 24 une étape de sélection de ladite séquence courante lorsque lesdits cumuls de transitions sont positifs, lesdits cumuls de charge sont positifs ou nuls et ladite somme des transitions est inférieure en valeur absolue à un seuil S2 donné. Procédé selon la revendication 2, caractérisé en ce que ladite étape de sélection, en fonction d'au moins un critère de sélection, d'au moins une séquence parmi ledit ensemble de séquences et délivrant un linéament comprend : une étape d'identification d'une pluralité de transitions susceptibles d'être incluses dans une des séquences dudit ensemble de séquences candidates et respectant des critères 10 d'inclusion prédéterminés (S3) ; et lorsqu'une telle pluralité de transitions est identifiée pour une séquence donnée dudit ensemble de séquences, une étape de regroupement de ladite pluralité de transitions non opérantes avec ladite séquence délivrant un linéament. 15 6. Dispositif d'identification d'au moins un équipement, appartenant à un local raccordé à un réseau de distribution de fluide, ledit au moins un équipement réalisant une consommation dudit fluide' dispositif caractérisé en ce qu'il comprend: des moyens d'obtention, à l'aide d'un capteur, de données de consommation de fluide (DatFldln) dudit local appelée courbe initiale (Cbelnit) et comprenant une pluralité de 20 données de consommations temporelles mesurées à une fréquence d'échantillonnage ; des moyens de découpage de ladite pluralité de données de consommations temporelles mesurées en fonction d'au moins un paramètre de découpage prédéterminé (51, 52, S3,...), délivrant un ensemble de segments de consommations unitaires (ELIN), dit ensemble de linéaments, comprenant au moins un segment de consommation unitaire 25 (LIN), dit linéament, chaque linéament comprenant un label d'identification et une liste de propriétés, ladite liste de propriétés comprenant au moins un horodatage et une durée et une quantité de fluide consommée ; des moyens d'identification, au sein d'une base de données (Bdd), d'au moins un équipement (Eqpt) associé à un linéament dudit ensemble de linéaments, délivrant une 30 d'une structure de données (DatFldOut) représentative d'une consommation de fluide dudit au moins un équipement (Eqpt). 3022658 25 7. Produit programme d'ordinateur téléchargeable depuis un réseau de communication et/ou stocké sur un support lisible par ordinateur et/ou exécutable par un microprocesseur, caractérisé en ce qu'il comprend des instructions de code de programme pour l'exécution d'un procédé de création selon la revendication 1, lorsqu'il est exécuté par un processeur.