RAPPORT FINAL 1ÈRE PHASE DU PROJET

Dans le cadre du projet soutenu par le fonds de recherche d’Argovie, il s’agissait d’ajouter un assistant énergétique intelligent au Solar Manager. Cet assistant se compose de deux éléments principaux : les prévisions météorologiques solaires et la classification des grands consommateurs d’électricité de la maison. Ensemble, ces deux composants doivent être utilisés pour faire des suggestions à l’utilisateur (par exemple : « Demain, le soleil brillera et je recommande de régler la machine à laver à 14 heures ou de la programmer en conséquence ») et ainsi augmenter la consommation propre (ou l’autosuffisance) du ménage. Par exemple, l’utilisation systématique du lave-vaisselle, du lave-linge et du sèche-linge avec suffisamment de courant solaire permet d’augmenter la consommation propre de 6% par an (respectivement d’économiser environ 170 CHF) par rapport à l’utilisation de ces appareils sans courant solaire (par exemple toujours le soir)[1].

Dans le cadre du projet, les deux composantes principales ont pu être traitées et ont donné des résultats très satisfaisants.

Ainsi, les prévisions météorologiques solaires ont été établies sur la base des données de Meteotest et de différents paramètres d’entrée tels que l’orientation et l’inclinaison de l’installation solaire. Une image du prototype développé pour la prévision est présentée dans l’illustration ci-dessous. Il s’est toutefois avéré que la prévision de la météo solaire au moyen de cette approche n’est pas suffisamment bonne dans tous les cas (par exemple en cas de chutes de neige ou d’ombrage). C’est pourquoi les premiers essais d’apprentissage automatique ont été réalisés dans le cadre du projet en cours. Cette approche est très prometteuse et le pronostic a été amélioré de manière décisive dans 90% des cas. L’approche par l’apprentissage automatique doit maintenant être poursuivie dans une étape ultérieure.

Dans la partie de la classification des grands consommateurs d’électricité, les résultats sont également prometteurs. Dans le cadre du travail en cours, différents algorithmes et approches ont été analysés et évalués. Cette partie du travail a toutefois révélé des défis plus importants. Ainsi, la classification n’atteint actuellement pas encore la fiabilité souhaitée. Des analyses ont toutefois montré qu’une classification à l’aide d’un réseau neuronal pourrait améliorer considérablement la fiabilité.

[1] Les hypothèses suivantes ont été formulées :
1) Consommation annuelle d’énergie du lave-vaisselle de 300 kWh, du lave-linge de 400 kWh et du sèche-linge de 500 kWh (selon https://www.energieheld.ch/gesamtsanierung/energieverbrauch)
2) Pendant 70% de l’année, les 3 appareils peuvent fonctionner à l’énergie solaire.
3) On part du principe que la consommation annuelle totale d’énergie du ménage est de 14 500 kWh.
Cela donne : Augmentation de la consommation propre = 0,7 * (300 + 400 + 500) / 14’500