Wintics est lauréat de la compétition mondiale de détection de consommation anormale d’énergie organisée par Schneider Electric et Drivendata

Schneider Electric vient de révéler les lauréats de la compétition mondiale de data science « Power Laws: Detecting Anomalies in Usage », organisée sur la plateforme Drivendata. Le challenge s’est déroulé sur 2 mois et a attiré plus de 1 700 concurrents venant notamment d’universités prestigieuses, d’instituts de recherche et de grandes entreprises mondiales. En terminant deuxième, Wintics démontre une nouvelle fois son expertise de pointe en intelligence artificielle et le très haut niveau de performance de ses algorithmes.

Détecter les consommations anormales d’énergie

Les bâtiments sont les premiers consommateurs d’énergie dans le monde et les principaux contributeurs au réchauffement climatique. Pourtant, les bâtiments consomment en moyenne 20% d’énergie de plus que leurs besoins réels, en lien avec des défauts de construction, des dysfonctionnements d’équipements, des systèmes de contrôles mal paramétrés ou des procédures défaillantes.

Il existe donc un besoin significatif de développement de solutions automatiques, précises et fiables, capables de détecter les consommations anormales d’énergie dans les bâtiments et de recommander des actions d’économie d’énergie pertinentes.

Schneider Electric, soucieux d’améliorer son offre actuelle, a lancé cette compétition pour encourager le développement d’algorithmes plus précis et plus performants. réé par NUMA et la Ville de Paris en 2015, DataCity est un programme d’innovation qui propose de mettre les nouvelles technologies au service des grands enjeux de la ville de demain : environnement, qualité de vie, mobilité, etc.

Wintics a développé une approche 100% fiable

Dans le cadre du challenge, Wintics a eu accès à 40 millions de lignes de données, retraçant sur 7 ans et par tranches de 10 ou 15 minutes, l’historique de consommation d’énergie (chauffage, climatisation, éclairage, etc) et d’utilisation (présence, température, etc) de 180 bâtiments.

Les données ne sont pas labélisées, c’est-à-dire qu’aucun exemple d’anomalie n’a été présenté dans l’historique de relevés. Il revenait donc aux concurrents de définir eux-mêmes ce qu’est une consommation anormale afin de déterminer, pour chaque mesure, si elle était anormale ou pas.

Wintics a combiné ses expertises métiers et algorithmiques pour développer une méthode s’appuyant sur deux approches :

  • Approche prédictive innovante : déterminer un score d’anomalie par relevé en lien avec la probabilité que la consommation mesurée soit excessive. Techniquement, nous avons croisé un réseau de neurones entraîné pour prédire la consommation d’énergie en fonction du contexte (type de jour, température extérieure, type d’activité dans le bâtiment, nombre de personnes présentes, etc.) avec des méthodes avancées de calcul probabiliste inspirées de la physique.
  • Approché métier : sur la base d’une exploration et d’une visualisation de la donnée, définition de règles automatiques permettant de déterminer si les relevés suspects sont réellement anormaux.

Cette méthode s’est avérée très efficace, avec un niveau de précision de 100%. En d’autres termes, chacune des milliers d’anomalies proposées par notre algorithme se sont avérées, après vérification par les experts métier de Schneider Electric, être effectivement des consommations anormales d’énergie.

Wintics à la pointe des solutions de la smart city

Après ses deux succès sur des challenges du programme Datacity organisé par Numa, Wintics démontre une nouvelle fois la pertinence de son offre au service de la Smartcity, avec désormais 3 solutions reconnues dans le cadre de compétitions au service d’une ville plus intelligente :

  • Solutions de prévision de trafic développée pour la Direction des Routes d’Ile de France
  • Cartographie interactive des grandes villes permettant d’automatiser les études de potentiel d’usage et de contraintes techniques dans le cadre d’aménagement urbain (ex. implantation de bornes électriques)
  • Algorithme de détection de consommations anormales d’énergie permettant de rationaliser la consommation énergétique des bâtiments

<<< Lien vers le communiqué de Driven Data >>>