Bert Haskell, Technology Director, Pecan Street Inc.
Pecan Street Inc. est un consortium à but non lucratif regroupant des universités, des entreprises de hautes technologies et des fournisseurs d'énergie qui collaborent pour tester, piloter et commercialiser des technologies smart grid. Le terme « smart grid » définit les efforts de l'industrie de l'énergie en vue de moderniser le réseau électrique avec des compteurs intelligents, des systèmes de gestion de l'énergie domestique (HEMS, home energy management system), des capteurs, des panneaux solaires photovoltaïques (PV), des appareils intelligents, des véhicules électriques et des services Internet qui permettent de mieux gérer sa consommation. À ce jour, Pecan Street a collecté presque deux ans de données sur la consommation d'énergie à l'aide de capteurs installés dans plus de 200 foyers de la communauté Mueller d'Austin au Texas.
Le projet Pecan Street s'est notamment fixé comme objectif de favoriser la création de produits, de services et d'opportunités économiques autour de la gestion de la consommation d'énergie. Les résultats de nos recherches fournissent des informations et des outils pour gérer et réduire sa consommation, mais aussi pour améliorer le confort des habitations. Les fournisseurs pourront également utiliser ces données pour mieux gérer le réseau et investir pour moderniser l'infrastructure.
L'architecture « device-to-cloud » au cœur des recherches de Pecan Street capture des données provenant de diverses sources et les stocke pour analyse et visualisation. Nous collectons des données fournies par des systèmes qui mesurent la quantité d'électricité circulant dans six à huit circuits toutes les six secondes. Une passerelle sans fil nous permet également de recueillir des données sur la consommation de gaz et d'eau. De plus, un collecteur radio installé sur la tour d'un ancien aéroport transmet les données des compteurs Landis+Gyr* aux supercalculateurs de l'Université du Texas et à notre base de données via un réseau extrêmement fiable.
Nous consignons les actions des utilisateurs, comme les mesures de protection de l'environnement appliquées dans leur foyer ou la façon dont ils utilisent les informations sur leur consommation. Nous prévoyons également de collecter des données d'autres appareils intelligents (thermostats, équipements domotiques, systèmes de sécurité, détecteurs de mouvements et nouvelles technologies comme les panneaux solaires et les stations de charge de véhicules électriques).
Nous considérons qu'il est essentiel de comprendre la façon dont les consommateurs se servent des données que nous collectons. Dans le cadre de nos recherches, certains participants auront donc accès à leurs données via un portail Web ou une appli smartphone.
Pendant deux ans, nous avons capturé un immense volume de données (bien plus de 80 gigaoctets) et prévoyons d'atteindre le téraoctet au cours du programme. Si ce chiffre ne semble pas gigantesque, il le devient quand il s'agit de points de données individuels. En effet, chaque point de données représente un événement unique dont le traitement est extrêmement complexe. Le défi des big data consiste à agréger ce flux constant de données non structurées provenant de sources disparates et de les transmettre à l'Université du Texas où elles sont analysées et visualisées.
Nous en sommes à la troisième itération d'architectures de bases de données afin de trouver le meilleur moyen de stocker et d'analyser ce volume d'informations. À l'issue du premier mois, nous avons réalisé que notre approche MySQL* ne convenait pas aux requêtes complexes telles que « Quel est l'usage agrégé des réfrigérateurs sur une période de 24 heures et existe-t-il une possibilité de programme de demande-réponse ou d'écrêtement des pointes ? » Nous avons depuis migré vers d'autres architectures de bases de données et procédons actuellement à l'évaluation d'une solution EMC Greenplum*. Greenplum offre un système d'analyse intégré dont l'architecture de traitement massivement parallèle (MPP, massively parallel processing) ne présente pas la complexité et les contraintes d'un matériel propriétaire. Une distribution Hadoop* nous permettra de traiter et d'analyser nos données avec une solution modulaire pour les données structurées et non structurées.
Outre la recherche d'une approche d'analyse appropriée, nous devons assurer l'intégrité des données collectées. Certaines données étaient inexploitables en raison de dysfonctionnements de certains circuits ou des liaisons haut débit. Nous avons résolu ce problème en créant des ensembles de données certifiés marqués à l'attention des chercheurs.
Les sociétés qui composent le consortium Pecan Street, Intel en fait partie, utilisent ce projet de réseau intelligent (smart grid) comme plate-forme pour le développement de nouveaux concepts de produits. Les analyses « big data » nous permettent de mieux comprendre la consommation d'énergie et comment les utilisateurs veulent la gérer. En plus, nous offrons aux fournisseurs des indications pour investir dans la modernisation du réseau.
