Language selection

Recherche


Charge d’énergie synthétique des communautés éloignées fondée sur des techniques d’apprentissage machine

Permettre l’abandon progressif du diesel dans les collectivités éloignées à l’aide de solutions numériques

Alors que les collectivités éloignées du Canada s’apprêtent à réduire et possiblement à éliminer leur dépendance au carburant diesel, il est nécessaire d’évaluer de façon critique les possibilités d’énergie de remplacement au moyen de mesures concernant la production d’énergie, le déplacement du carburant diesel et les coûts des diverses solutions de rechange aux combustibles fossiles. La mise au point de logiciels plus robustes et plus conviviaux dotés de techniques d’optimisation fondées sur l’intelligence artificielle permettrait de prendre des décisions plus éclairées et de faire passer les collectivités éloignées à des solutions énergétiques durables dans un délai plus court.

Objectifs du projet

La compréhension des profils de charge des collectivités éloignées du Canada est un point de départ essentiel pour envisager la production d’énergie propre de remplacement en vue de l’abandon progressif de la production de diesel, qui alimente actuellement ces collectivités. En général, ce type de données sur la charge des collectivités n’est pas accessible au public. Pour mettre en branle l’examen des technologies de remplacement, CanmetÉnergie-Ottawa (CE-O) collabore avec l’équipe de l’Accélérateur numérique afin d’envisager l’utilisation de séries chronologiques existantes (c. à d., les rares profils de charge communautaires disponibles, ainsi que les données sur le vent, le soleil et les conditions météorologiques), afin de créer des séries chronologiques typiques pour les collectivités éloignées du Canada par l’application de techniques modernes de la science des données.

Résultats prévus

Ce projet vise à produire des profils de charge électrique synthétique pour les collectivités éloignées, sous la forme de séries chronologiques horaires pour une année représentative. L’application fondée sur l’apprentissage machine produirait des séries chronologiques de la charge électrique par heure pour les quelque 175 collectivités dont les données sur la charge mesurée ne sont pas disponibles. Il y aura des occasions de validation future à mesure que les données sur la charge mesurée deviendront disponibles.

Sources de données

  • Métadonnées pour 190 collectivités éloignées (c. à d., latitude et longitude, population, consommation annuelle de combustible et production annuelle d’électricité, nombre et taille des groupes électrogènes au diesel, etc.)
  • Profils de charge électrique mesurée chaque heure pour environ 15 collectivités pendant 2 ou 3 ans pour chaque collectivité
  • Données météorologiques et environnementales sous la forme de séries chronologiques horaires pour 190 collectivités (c. à d., vitesse du vent, direction du vent, température, humidité, pression, rayonnement solaire, albédo, etc.)

Secteur


Collaborateurs et partenaires

  • RNCan - CanmetÉNERGIE – Ottawa – bâtiments et groupe des énergies renouvelables
  • RNCan – Accélérateur numérique

Personne-ressource

Ryan Kilpatrick
Ingénieur de recherche, CanmetENERGY-Ottawa

Détails de la page

Date de modification :