Ce diaporama a bien été signalé.
Le téléchargement de votre SlideShare est en cours. ×

Inf'OSE Décembre 2018

Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Mensuel sur l’énergie et l’environnement
N° 138Décembre 2018
LE STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE
MAIS POUR QUOI FAIR...
ADRESSE E-MAIL
infose@mastere-ose.fr
TELEPHONE
04 97 15 70 73
ADRESSE
Centre de
Mathématiques
Appliquées
Mines Paristech
R...
04 - Accord de l’OPEP+
04 - Émissions mondiales records en
2018
05 - Gilets Jaunes : gel des tarifs régle-
mentés et de la...
Publicité
Publicité
Publicité
Publicité
Publicité
Publicité
Prochain SlideShare
Inf'OSE Février 2019
Inf'OSE Février 2019
Chargement dans…3
×

Consultez-les par la suite

1 sur 32 Publicité

Inf'OSE Décembre 2018

Télécharger pour lire hors ligne

L’actualité en France ces dernières semaines a bien sûr été marquée par le mouvement de contestation des gilets jaunes. Bien que ce soulèvement soit le fruit d’un ras-le-bol fiscal général, c’est bien la hausse des taxes sur le carburant qui en a été l’élément déclencheur. Le récent rapport du GIEC l’a pourtant rappelé ; sans une réduction conséquente des émissions de CO2, le seuil des 1,5°C de hausse des températures sera certainement dépassé d’ici la fin du siècle. Les conséquences du dérèglement climatique et de la pollution de l’air, notamment en ville, sont déjà bien visibles. Pourtant, l’institut de sondage Ifop a estimé en novembre que 62% des Français jugent que le pouvoir d’achat est prioritaire devant la transition énergétique. La transition écologique ne pourra donc se faire sans un accompagnement réel des citoyens. L’acceptabilité de la fiscalité environnementale ne peut évoluer qu’avec l’éducation et la sensibilisation précoce de la population, et une juste utilisation des recettes fiscales.
En réponse au mouvement, le Président Emmanuel Macron a annoncé le gel des taxes. L’urgence climatique, elle, n’attend pas. Il est temps de prendre les mesures nécessaires pour réduire les émissions de gaz à effet de serre, et ce à plus grande échelle que celle du citoyen. Espérons que l’application du plan mobilité, présenté au sein de ce numéro, apportera des réponses intéressantes.
Notons également que les acteurs du monde de l’énergie et de la mobilité proposent toujours plus de solutions technologiques allant dans le sens de la transition écologique. Le train hydrogène, un parc éolien flottant avec solution de stockage, ou encore la blockchain pour l’autoconsommation d’électricité solaire, en sont des exemples qui vous seront présentés au fil de votre lecture de ce nouveau numéro de l’Inf’OSE. Nous verrons également comment l’intelligence artificielle s’est imposée dans le domaine de l’énergie. C’est sur cette note plus optimiste que nous vous souhaitons une bonne lecture et surtout, de très belles fêtes de fin d’année.
Dorine JUBERTIE

L’actualité en France ces dernières semaines a bien sûr été marquée par le mouvement de contestation des gilets jaunes. Bien que ce soulèvement soit le fruit d’un ras-le-bol fiscal général, c’est bien la hausse des taxes sur le carburant qui en a été l’élément déclencheur. Le récent rapport du GIEC l’a pourtant rappelé ; sans une réduction conséquente des émissions de CO2, le seuil des 1,5°C de hausse des températures sera certainement dépassé d’ici la fin du siècle. Les conséquences du dérèglement climatique et de la pollution de l’air, notamment en ville, sont déjà bien visibles. Pourtant, l’institut de sondage Ifop a estimé en novembre que 62% des Français jugent que le pouvoir d’achat est prioritaire devant la transition énergétique. La transition écologique ne pourra donc se faire sans un accompagnement réel des citoyens. L’acceptabilité de la fiscalité environnementale ne peut évoluer qu’avec l’éducation et la sensibilisation précoce de la population, et une juste utilisation des recettes fiscales.
En réponse au mouvement, le Président Emmanuel Macron a annoncé le gel des taxes. L’urgence climatique, elle, n’attend pas. Il est temps de prendre les mesures nécessaires pour réduire les émissions de gaz à effet de serre, et ce à plus grande échelle que celle du citoyen. Espérons que l’application du plan mobilité, présenté au sein de ce numéro, apportera des réponses intéressantes.
Notons également que les acteurs du monde de l’énergie et de la mobilité proposent toujours plus de solutions technologiques allant dans le sens de la transition écologique. Le train hydrogène, un parc éolien flottant avec solution de stockage, ou encore la blockchain pour l’autoconsommation d’électricité solaire, en sont des exemples qui vous seront présentés au fil de votre lecture de ce nouveau numéro de l’Inf’OSE. Nous verrons également comment l’intelligence artificielle s’est imposée dans le domaine de l’énergie. C’est sur cette note plus optimiste que nous vous souhaitons une bonne lecture et surtout, de très belles fêtes de fin d’année.
Dorine JUBERTIE

Publicité
Publicité

Plus De Contenu Connexe

Diaporamas pour vous (20)

Similaire à Inf'OSE Décembre 2018 (20)

Publicité

Plus récents (20)

Inf'OSE Décembre 2018

  1. 1. Mensuel sur l’énergie et l’environnement N° 138Décembre 2018 LE STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE MAIS POUR QUOI FAIRE ? >>> PAGE 15 DOSSIER : INTELLIGENCE ARTIFICIELLE & ENERGIE >>> PAGE 24 AUTOCONSOMMATION COLLECTIVE ET BLOCKCHAIN UNE SOLUTION POUR LE FUTUR >>> PAGE 12 © Pixabay LOI D’ORIENTATION DES MOBILITÉS QUELQUES CHIFFRES CLEFS >>> PAGE 08
  2. 2. ADRESSE E-MAIL infose@mastere-ose.fr TELEPHONE 04 97 15 70 73 ADRESSE Centre de Mathématiques Appliquées Mines Paristech Rue Claude Daunesse CS 10 207 06904 Sophia Antipolis Toute reproduction, représentation, traduc- tionouadaptation,qu’ellesoitintégraleoupar- tielle, quel qu’en soit le procèdé, le support ou le média, est strictement interdite sans l’auto- risation des auteurs sauf cas prévus par l’article L. 122-5 du code de la propriété intellectuelle. L’actualité en France ces dernières semaines a bien sûr été marquée par le mouvement de contestation des gilets jaunes. Bien que ce soulèvement soit le fruit d’un ras-le-bol fiscal général, c’est bien la hausse des taxes sur le carbu- rant qui en a été l’élément déclencheur. Le récent rapport du GIEC l’a pourtant rappelé ; sans une réduction conséquente des émissions de CO2 , le seuil des 1,5°C de hausse des températures sera cer- tainement dépassé d’ici la fin du siècle. Les conséquences du dérèglement climatique et de la pollution de l’air, notamment en ville, sont déjà bien visibles. Pourtant, l’institut de sondage Ifop a estimé en novembre que 62% des Français jugent que le pouvoir d’achat est prioritaire devant la transition énergé- tique. La transition écologique ne pourra donc se faire sans un accompagnement réel des citoyens. L’acceptabilité de la fis- calité environnementale ne peut évoluer qu’avec l’éducation et la sensibilisation précoce de la population, et une juste utilisation des recettes fiscales. En réponse au mouvement, le Président Emmanuel Macron a annoncé le gel des taxes. L’urgence climatique, elle, n’attend pas. Il est temps de prendre les mesures nécessaires pour réduire les émissions de gaz à effet de serre, et ce à plus grande échelle que celle du citoyen. Espérons que l’application du plan mobilité, présenté au sein de ce numéro, apportera des réponses intéressantes. Notons également que les acteurs du monde de l’énergie et de la mobilité proposent toujours plus de solutions tech- nologiques allant dans le sens de la transition écologique. Le train hydrogène, un parc éolien flottant avec solution de stockage, ou encore la blockchain pour l’autoconsommation d’électricité solaire, en sont des exemples qui vous seront présentés au fil de votre lecture de ce nouveau numéro de l’Inf ’OSE. Nous verrons également comment l’intelligence arti- ficielle s’est imposée dans le domaine de l’énergie. C’est sur cette note plus optimiste que nous vous souhaitons une bonne lecture et surtout, de très belles fêtes de fin d’année. Dorine JUBERTIE I N F ’ O S E | D é c e m b r e 2 0 1 8 2 Coordinatrice - Catherine Auguet-Chadaj Maquettiste - Antoine Jourdain de Muizon EDITOCONTACTS
  3. 3. 04 - Accord de l’OPEP+ 04 - Émissions mondiales records en 2018 05 - Gilets Jaunes : gel des tarifs régle- mentés et de la fiscalité sur les carburants 06 - Annonce de 200 Mds de finance- ments par la Banque Mondiale 07 - ARENH 08 - Comprendre la Loi d’orientation des mobilités en quelques mesures clés. 12 - Autoconsommation collective et blockchain : une solution pour le futur 15 - Le stockage d’énergie dans le ferro- viaire : mais pour quoi faire ? 21 - Stockage durable d’électricité éolienne 24 - L’intelligence artificielle et l’énergie ARTICLES ACTUALITÉS Devenez partenaire de l’événement OSE 2019 Quels choix énergétiques pour une mobilité durable ? Jeudi 26 Septembre 2019 à Sophia Antipolis (06) Au programme de ce colloque, tables rondes, présentations et débats autour des vecteurs énergétiques pour la mobilité du futur. Si vous êtes intéressés par cette thématique et que vous voulez nous soutenir financièrement ou participer à l’évènement en tant qu’intervenant, vous pouvez nous contacter à l’adresse mail suivante : evenement@mastere-ose.fr. I N F ’ O S E | D é c e m b r e 2 0 1 8 3SOMMAIRE
  4. 4. Le 7 décembre dernier, s’est conclu à Vienne, le dernier congrès des pays de l’OPEP+. L’OPEP+ regroupe les 15 pays de l’OPEP (Organisation des Pays Exportateurs de Pétrole) ainsi que 10 autres pays pro- ducteurs de pétrole. A la suite de la chute du prix du baril au mois de novembre (-20% e n m oye n n e ) , n o t a m m e nt liée aux assouplissements des sanctions contre l’Iran, l’objectif de cette réunion était de faire remonter ce prix en rétablissant l’équilibre entre l’offre et la demande. Cet accord a donc débou- ché sur une diminution de la production de 1,2 million de barils par jour à partir de janvier 2019. La baisse de production sera suppor tée à hauteur de 0,8 million de barils par les pays de OPEP (à 80% par l’Arabie Saoudite, l’Irak, le Koweit et les EAU) et à 0,4 million de barils par les autres pays présents à Vienne. L’effet de cet accord s’est immédiatement fait ressentir sur le marché avec une hausse de 5% du prix du baril dans les heures suivant l’annonce. Il est à noter que ces mêmes pays se retrouveront à Vienne en avril 2019. I N F ’ O S E | D é c e m b r e 2 0 1 8 4 NEWS ACTUALITÉS DÉCEMBRE 2018 cccccccccccccccccccccccccccccccccccccccccccccccccc ValentinMATHIEU cccccccccccccccccccccccccccccccccccccckc ACCORD DE L’OPEP+ ÉMISSIONS MONDIALES RECORDS EN 2018 Sources: • https://www.lemonde.fr/economie/article/2018/12/07/petrole-l-opep-parvient-a-un-accord-dans-la-douleur-les-cours- remontent_5394269_3234.html • https://www.opec.org/opec_web/en/press_room/5279.htm Le Global Carbon Project, u n g r o u p e m e n t d ’ u n e cinquantaine d’organisations scientifiques, a publié le 5 décembre son rapport annuel sur les émissions de CO2 à l’échelle mondiale. Le GCP annonce un record des émis- sions de CO2 liées à la con- sommation d’énergies fossiles et à l’industrie. Ces conclu- sions sont plutôt alarmantes au regard des dernières pub- lications invitant à réduire drastiquement les émissions de GES (GIEC, ONU, AIE). Les experts du GCP ont quantifié leur hausse à 2,7% avec une incertitude autour de 1%. Par ailleurs, leur rapport annonce que le pic de ces émissions n’est pas encore en vue alors que la hausse semblait avoir ralenti entre 2014 et 2016. L’augmentation des émissions en 2018 est principalement imputée à la Chine (+ 0,46 Gt CO2 , soit + 4,7% par rapport à 2017), l’Inde (+ 0,16 Gt CO2 , soit + 6,3%), et aux États-Unis
  5. 5. À un autre moment, il faudra que les comptes soient faits et que le coût de l’électricité soit traduit dans les factures. Jean-Bernard LEVY I N F ’ O S E | D é c e m b r e 2 0 1 8 5NEWS (+ 0,13 Gt CO2 , soit + 2,5%). A l’inverse les émissions de l’UE baissent de 0,7%. L’impact de cette annonce est d’autant plus marquant qu’elle a été publiée en pleine COP24 en Pologne (2 - 14 décembre). Sources : • http://www.globalcarbonproject.org/carbonbudget/ • https://www.lemonde.fr/climat/article/2018/12/05/forte-hausse-des-emissions-mondiales-de-co2_5393211_1652612. html © connaissancedesenergies.org GILETS JAUNES : GEL DES TARIFS RÉGLEMENTÉS ET DE LA FISCALITÉ SUR LES CARBURANTS Le mouvement des « Gilets J a u n e s » , a p p a r u e n octobre, a obtenu ce 4 décem- bre plusieurs mesures de la part du gouvernement fran- çais. D’une part, l’évolution de la fiscalité de la taxe carbone s u r l a co nve rg e n ce e n t re diesel et essence et sur les entrepreneurs non routiers, prévue au 1er janvier 2019, a été suspendue 6 mois. D’autre part, les tarifs réglementés de l’électricité et du gaz ont été gelés pour cet hiver. Cette deu xièm e m esure a suscité de nombreuses réac- tions des acteurs du marché de l’électricité français. L’Anode, a s s o c i a t i o n q u i r e g r o u p e
  6. 6. I N F ’ O S E | D é c e m b r e 2 0 1 8 6 NEWS ANNONCE DE 200 MDS DE FINANCEMENTS PAR LA BANQUE MONDIALE l e s f o u r n i s s e u r s a l t e r n a - tifs d’électricité, a réagi par l’intermédiaire de son prési- dent : « Cette annonce nous préoccupe beaucoup, d’autant qu’elle s’est faite sans con- certation avec les opérateurs alternatifs ». Ils s’inquiètent de la hausse récente des coûts de production et espèrent que ce gel de tarif se traduira par une diminution de la fiscalité plutôt que par une baisse de l’augmentation des tarifs réglementés prévue par la CRE en février prochain. EDF a également commenté cette annonce : « À un autre moment, il faudra que les comptes soient faits et que le coût de l’électricité soit traduit dans les factures » a déclaré Jean-Bernard Lévy, son PDG. Sources : • https://www.capital.fr/entreprises-marches/gel-du-tarif-de-l-electricite-il-faudra-compenser-annonce-edf-1318729 • https://www.connaissancedesenergies.org/afp/gilets-jaunes-le-gouvernement-suspend-la-hausse-de-la-fiscalite-sur- le-carburant-pour-six-mois-philippe-181204 • https://www.lesechos.fr/industrie-services/energie-environnement/0600291444981-electricite-le-casse- tete-du-gel-du-tarif-2227920.php La B a n q u e M o n d i a l e a a n n o n cé d é b u t d é ce m- bre, ses plans de finance - ment pour la période 2021- 2025. L’institution a décidé de doubler le montant de ses financements par rapport à la période précédente, qui datait du lendemain de la COP21 à Paris, en passant à 200 Mds de dollars. Le responsable du dossier, John Roome a déclaré : « cela fait environ 40 milliards par an, dont 27 milliards de fonds directs ». A titre de comparai- son, en 2018, les financements ont été de 20,5 milliards de dollars. L’autre nouveauté de cette annonce est que ces finance- ments ne se concentreront p l u s u n i q u e m e n t s u r l e s moyens permettant de contrer les émissions de GES avec notamment le développement des EnR. En effet, la moitié de ces financements sera alloué à des projets d’adaptation aux aléas climatiques comme des systèmes d’alerte météo, digues, etc. pour lutter contre des phénomènes comme les sécheresses, inondations, etc. Sources : • https://www.lesechos.fr/monde/enjeux-internationaux/0600262733148-climat-la-banque-mondiale-promet-200-milliards- aux-pays-en-developpement-2226636.php • https://www.techniques-ingenieur.fr/actualite/articles/climat-la-banque-mondiale-promet-200-milliards-de-dollars- pour-2021-2025-61272/
  7. 7. I N F ’ O S E | D é c e m b r e 2 0 1 8 7NEWSS ARENH Fin novembre la CRE a publié le résultat des demandes d’ARENH pour l’année 2019. Pour la première fois depuis la mise en place de ce disposi- tif en France, le plafond des demandes, fixé à 100 TWh, a été atteint et même dépassé : 69 fournisseurs alternatifs ont demandé 133 TWh. Cette demande contraste fortement avec les volumes très faibles voire nuls demandés lors des années 2015 et 2016 dus à la chute du prix de gros de l’électricité mais confirme la reprise entamée en 2017. Pour l’année 2019, les 100 TWh d’électricité mis à disposition par EDF ont été répartis par la CRE au prorata des demandes de chaque fournisseur alterna- tif. L’évolution du mécanisme au fil des ans conduit la CRE et l’état à se poser des ques- tions sur son fonctionnement. Ainsi, le gouvernement par l’intermédiaire du ministre en charge de l’énergie, François de Rugy, a confirmé que la révision de l’ARENH, dont la fin est prévue en 2025, était envisagée. Évolution des volumes d’ARENH en TWh livrés par EDF par semestre – © CRE Sources : • http://www.lefigaro.fr/societes/2018/12/07/20005-20181207ARTFIG00105-edf-affronte-plus-de-70-concurrents-en-france. php • https://www.cre.fr/Documents/Publications/Rapports-thematiques/Rapport-ARENH
  8. 8. I N F ’ O S E | D é c e m b r e 2 0 1 8 8 LOI D’ORIENTATION DES MOBILITÉS Ce t te s a i s o n l a m o b i l- ité est au premier plan. Les manifestations provo - q u é e s p a r l a h a u s s e d e s taxes sur les carburants ont fait surgir d’autres problé- matiques, dont celle de la frac ture territoriale. Dans ce contexte, le projet de loi d’orientation des mobilités, présenté en Conseil des min- istres le 26 novembre, vise à l’encadrement des muta- tions que subit le secteur du transport au regard des contraintes environnemen- tales, des évolutions tech- nologiques et des besoins sociaux. La nouvelle politique du transpor t veut répondre à trois grands défis. Le premier est le désenclavement de cer- tains territoires qui ne dis- posent pas de solutions de mobilité et où les habitants sont captifs de la voiture. Ainsi, le texte de loi propose tout d’abord des alternatives à l’usage de la voiture indi- viduelle. Un deuxième défi à soulever est l’adaptation de la mobilité aux objectifs environnementaux. En effet, le transpor t est le princi- pal responsable des émis- sions de CO2 , pesant pour 34% des émissions totales avec plus de 70% de ces émissions dues aux trans- ports routier [1]. On rappelle que les objectifs européens visent à une réduction de 60% des émissions d’ici 2050 par rapport à l’année 1990 [2]. Le troisième défi est celui de la réorientation de la poli- tique d’infrastructures, axée auparavant sur les grandes lignes, vers une rénovation des réseaux et un désen- gorgement des métropoles. Ces défis ont structuré le projet de loi qui, dans sa version finale, comprend cinq titres consacrés respective- ment aux autorités organisa- trices de la mobilité, au cou- plage du numérique et du transport, au développement des alternatives à la voiture individuelle, aux investisse- ments programmés et enfin à des mesures diverses censées re n fo rce r l a s é c u r i té d e s transports. Gouvernance en matière de mobilité Le projet de loi propose un mécanisme de transfert de compétence en matière de mobilité des communes aux communautés de communes ou aux régions. L’objectif de ce transfert est d’encourager une organisation efficace des ser vices de mobilité à des échelles plus importantes que celles des communes dans les zones démographiquement peu denses. D’autres dispositions sont relatives à la coopération des autorités organisatrices de la mobilité en vue d’améliorer l’inter-modalité. Ré volution numérique dans la mobilité Afin de préparer la mobilité de demain, la Commission Eu ro péenne a do nné d es directives par rapport à la mise à disposition de services COMPRENDRE LA LOI D’ORIENTATION DES MOBILITÉS EN QUELQUES MESURES CLÉS.
  9. 9. I N F ’ O S E | D é c e m b r e 2 0 1 8 9LOI D’ORIENTATION DES MOBILITÉSA d’information sur les déplace- ments multimodaux. Ainsi, le projet de loi précise les condi- tions d’application du règle- ment et prévoit l’ouverture des données de l’ensemble du réseau national au plus tard le 21 décembre 2021. Le projet de loi prévoit égale- ment des dispositions per- mettant l’inter vention des autorités organisatrices de l a m o b i l i té e n f ave u r d u covoiturage, en établissant par exemple des schémas de développement des aires de covoiturage. Mobilités propres e t ac tives Une mesure en faveur de la mobilité non-polluante vise l’insertion, dans le code des transports, d’un titre relatif à la mobilité active et à l’inter- mobilité. Même si le contenu d e ce t i t re e s t i n ce r t a i n pour l’instant, deux disposi- tions ressortent : l’obligation d ’identification des vélos vendus par les professionnels à compter de 2020, dans le but de prévenir les vols, ainsi que la création d’espaces sécuri- sés pour le stationnement des vélos dans les gares et les pôles d’échanges multi- modaux à l’horizon 2024. Pour encourager le dével- o p p e m e nt d e l a m o b i l i té électrique, le projet prévoit l’obligation de déploiement d’une part minimale de véhi- cules à faibles émissions pour l e s e n t re p r i s e s d i s p o s a nt d’une flotte de plus de 100 véhicules, lorsqu’elles com- plètent ou renouvellent leur flotte. Cette mesure était restreinte auparavant aux s e u l s vé h i c u l e s d e l ’ É t a t e t d e s e s é t a b l i s s e m e nt s publics. Dans les immeu- bles neufs ou en rénovation, la totalité des places de sta- t i o n n e m e n t d e v r o n t ê t r e équipées d’infrastruc tures de recharge. Cette dispo - sition ne s’applique toute - fois pas dans cer tains cas, notamment lorsque le coût d’investissement de telles installations dépasse 7% du coût de la rénovation, ou encore lorsqu’on se réfère aux parcs de stationnement de petites ou moyennes entre - prises. Le projet de loi prévoit également la prise en charge du raccordement au réseau d’électricité des infrastruc- tures de recharge ouvertes au public à hauteur de 75%, pour une période allant jusqu’à fin 2021. C ô t é m o b i l i t é G N V ( G a z N a t u r e l p o u r Vé h i c u l e s ) , le raccordement au réseau de gaz n’est autorisé que si les volumes l’imposent. Le projet de loi propose donc de déroger à cette règle afin de soutenir l’essor des véhicules fonctionnant au gaz naturel et au biogaz, et de permettre de raccorder au réseau une station de ravitaillement en gaz naturel comprimé même pour de faibles volumes. Afin de promouvoir les bons usages et de pallier les émis- sions de gaz à effet de serre, plusieurs mesures sont propo- sées. Tout d’abord il est prévu d’étendre au co-voiturage le forfait « Mobilité durable », qui permet aujourd’hui le remboursement des frais liés aux déplacements à vélo des salariés. Les « zones à circula- tion restreinte » deviendront des « zones à faibles émis- sions », dont la mise en place sera obligatoire pour les col- lectivités si les niveaux de pollution sont dépassés sys- tématiquement. Pour limiter le trafic dans certaines zones, le projet propose, pour les c o l l e c t i v i t é s d e p l u s d e 100  000 habitants, la possi- bilité d’instaurer un « tarif congestion », substitut du « péage urbain » prévu par la loi Grenelle 2.
  10. 10. I N F ’ O S E | D é c e m b r e 2 0 1 8 10 LOI D’ORIENTATION DES MOBILITÉS Enfin, cette proposition de loi a été complétée par un titre relatif aux investissements dans le secteur du transport pour la période 2022-2027, qui reprend les chiffres annon- cés par la ministre en charge des transports dans le cadre d e l a p ro gra m m at i o n d e s investissements. Ainsi l’état annonce un investissement de 13,4 milliards d’euros pour la période 2018-2022, soit une hausse de 40% par rapport à la période 2013-2017 [3]. Les programmes prioritaires sont l’entretien et la modernisa- tion du réseau de transport, avec une priorité accordée au transport du quotidien, la dés- aturation des grands nœuds ferroviaires, le désenclave - ment des villes moyennes et des villages, ainsi que le dével- oppement des usages alterna- tifs à la voiture individuelle en soutenant, par exemple, le développement des ser- vices multimodaux et de la mobilité active. Ces finance- ments ne seront cependant pas à la hauteur des projets envisagés [4] et on note ici un retrait de l’Etat vis-à-vis de la niche fiscale accordée aux poids lourds. En effet, le transpor t de marchandises est exonéré de la hausse de la taxe carbone depuis 2015. I l était prévu initialement soit la mise en place d’une vignette soit une réduction des remboursements de la TICPE (Taxe intérieure de con- sommation sur les produits énergétiques) gazole pour les poids lourds, or, aucune de ces mesures ne figure dans le texte de loi. Avec ses 50 articles le projet propose des mesures surtout normatives, et se veut, selon la ministre des transpor ts Elisabeth Borne, une « boîte à outils » dans laquelle les opérateurs de transport et les collectivités pourront piocher des solutions. Ana DAVID Sources : [1] « Les émissions de gaz à effet de serre des transports [L’essentiel sur…, Environnement, Transports et environnement] : Observation et statistiques ». [En ligne]. Disponible sur: http://www.statistiques.developpement-durable.gouv.fr/lessen- tiel/ar/361/1228/emissions-gaz-effet-serre-transports.html. [Consulté le: 09-déc-2018]. [2] « Transport emissions », Action pour le climat - European Commission, 23-nov-2016. [En ligne]. Disponible sur: https:// ec.europa.eu/clima/policies/transport_en. [Consulté le: 09-déc-2018]. [3] « Loi Mobilités - Tout comprendre en 15 mesures clés ». [En ligne]. Disponible sur: https://www.ecologique-solidaire.gouv. fr/sites/default/files/18191_LOM_15_mesures_12P_Pour%20BAT.pdf. [Consulté le: 09-déc-2018]. [4] A. KERRIOU, « Infrastructures : un scénario médian à 60 Md€ et un recours accru au pollueur-payeur - Actu-Transport- Logistique.fr ». [En ligne]. Disponible sur: https://www.actu-transport-logistique.fr/routier/infrastructures-un-scenario- median-a-60-md-et-un-recours-accru-au-pollueur-payeur-455112.php. [Consulté le: 11-déc-2018]. [5] « Projet de loi d’orientation des mobilités ». [En ligne]. Disponible sur: http://www.senat.fr/leg/pjl18-157.html. [Consulté le: 09-déc-2018]. [6] « Avis sur un projet de loi d’orientation des mobilités ». [En ligne]. Disponible sur: http://www.conseil-etat.fr/Decisions- Avis-Publications/Avis/Selection-des-avis-faisant-l-objet-d-une-communication-particuliere/Avis-sur-un-projet-de-loi-d- orientation-des-mobilites. [Consulté le: 09-déc-2018].
  11. 11. I N F ’ O S E | D é c e m b r e 2 0 1 8 11LOI D’ORIENTATION DES MOBILITÉSA © Patrick Janicek - https://www.flickr.com/photos/ marsupilami92/8036293803
  12. 12. I N F ’ O S E | D é c e m b r e 2 0 1 8 12 AUTOCONSOMMATION COLLECTIVE ET BLOCKCHAIN Autoconsommation collective et blockchain : une solution pour le futur Depuis l’ordonnance de juillet 2016, la produc- tion de l’électricité a évolué. L’ordonnance a offer t une base législative pour faciliter le développement des instal- lations en autoconsommation. L’autoconsommation, comme son nom l’indique, permet de consommer directement l’électricité produite par son installation. Elle permet ainsi au « consom’acteurs » d’être moins dépendant du réseau et de réaliser des économies sur la facture d’électricité. D’après Enedis, les installa- tions en autoconsommation sont passées de 54,51 MW soit 8 586 installations fin 2016, à 145,97 MW soit 33 618 instal- lations, dont 83% de solaire photovoltaïque, fin 2018 [1]. Qu’est-ce que l’autoconsommation col- lec tive ? Jusqu’à présent, la plupart des installations en auto - consommation sont indivi- duelles. Aujourd’hui, il est possible d’autoconsommer la production d’électricité à plusieurs. L’ar ticle L.315-2 d u C o d e d e l ’é n e r g i e indique «qu’une opération d ’ a u t o c o n s o m m a t i o n e s t collective lorsque la fourni- ture d’électricité est effec- tuée entre un ou plusieurs producteurs et un ou plus- ieurs consommateurs finals liés entre eux au sein d’une p e r s o n n e m o ra l e e t d o nt les points de soutirage et d’injection sont situés en aval d’un même poste public de transformation d’électricité d e m o y e n n e e n b a s s e tension». La personne morale organ- isatrice définit des coeffi- cients de répar tition de la production autoconsommée entre chaque autoconsomma- teur. Ces coefficients peuvent être dynamiques, c’est-à-dire qu’ils peuvent varier pour chaque pas de la courbe de mesure de la consommation, ou bien statiques. Le gestion- naire du réseau de distribu- tion applique la clé de répar- tition sur un pas de temps de 30 minutes pour un compteur Linky et affecte la part de la production à chaque auto- consommateur [2]. L’autoconsommation collec- tive présente plusieurs avan- tages. Elle permet de con- sommer localement la pro- duction électrique et donc de limiter les pertes en lignes sur le réseau. Si la production et la consommation sont bien synchronisées, le recours aux centrales de pointe est limité. L’autoconsommation collec- tive permet de prétendre à des installations de taille plus importante et d’atténuer les pointes d’injection dans le réseau grâce à la complémen- tarité des différents profils de consommation ; c’est l’effet de foisonnement. Elle contribue également à mutualiser le financement de l’installation. Cependant, le développement massif de l’autoconsommation collective peut poser certains problèmes. L e p r o b l è m e m a j e u r e s t
  13. 13. I N F ’ O S E | D é c e m b r e 2 0 1 8 13AUTOCONSOMMATION COLLECTIVE ET BLOCKCHAIN l a g e s t i o n d e s s y s t è m e s d’information du gestionnaire de réseau de distribution. Ces systèmes doivent être très per formants pour per- mettre un traitement rapide des données de comptage et de transaction. Qu’est-ce que la blockchain ? Une blockchain est un regis- tre qui recense tout type de transactions et dont la base de données est décentralisée et disponible pour tous les membres du système. Cette technologie est adaptée aux transactions pair à pair, ou peer to peer, qui n’ont pas besoin d’intermédiaires. Cette désintermédiation peut per- mettre la réduction des coûts (liés à l’existence d’un inter- m é d i a i r e ) p a s f o r c é m e n t nécessaires [3]. Le registre permet une tra- çabilité et un consensus dis- tribué, c’est-à-dire que chaque acteur autorisé de la chaine a le droit de consulter le regis- tre et peut vérifier la validité des transactions, ce qui rend le processus infalsifiable. Les utilisateurs doivent faire confiance aux technologies et au réseau et non plus à l’intermédiaire physique ou moral. Cependant, de nos jours, le cadre juridique de la block- chain n’est pas bien défini. Sans cet intermédiaire, qui endosse la responsabilité en cas de litige ? Quel lien entre autocon- sommation collec tive e t blockchain ? Le développement de projet d ’ a u t o c o n s o m m a t i o n c o l - lective peut être boosté par l’intégration de la blockchain. G r â c e à l a b l o c k c h a i n , un réseau vir tuel va être Figure 1 : Schéma d’autoconsommation collective avec compteurs virtuels - © R. BEN MOKHTAR
  14. 14. I N F ’ O S E | D é c e m b r e 2 0 1 8 14 AUTOCONSOMMATION COLLECTIVE ET BLOCKCHAIN transposé sur le réseau phy- sique et va permettre de régler les échanges d’énergie entre les consommateurs en fonction de leurs besoins. La blockchain va permettre de certifier les données de consommation et de pro - duction sans avoir besoin de l’intervention du gestionnaire de réseau de distribution. Pour ce faire, chaque compt- eur électrique est considéré comme un nœud de la chaine qui contient le registre des informations liées à la con- sommation totale, soit la part de l’énergie autoconsommée et celle soutirée au réseau. Ces données sont horodatées. Ces valeurs de la blockchain sont ensuite transmises au gestionnaire du réseau de distribution, en l’occurrence Enedis, qui va les transmettre a u fo u r n i s s e u r p o u r q u’i l puisse facturer l’électricité soutirée du réseau. Ce système peut être dével- o p p é a u s e i n d ’ u n b â t i - ment avec différents con- sommateurs ou bien dans un éco- quar tier en faisant circuler l’énergie produite d a n s l e r é s e a u p u b l i c , l ’autoconsommation étant m u t u a l i s é e , e t c e , p e u importe où sont implantés les panneaux. L’ a u t o c o n s o m m a t i o n c o l - lective associée à la block- chain est encore au stade d’expérimentation [4]. Pour aller plus loin, il serait p o s s i b l e d a n s l e f u t u r d’utiliser sa propre énergie en itinérance. En effet, il serait possible d’alimenter son véhi- cule électrique à par tir de bornes qui sont inscrites dans la même blockchain. Il serait donc possible de recharger sa voiture à partir de l’électricité produite par ses propres pan- neaux solaires. A l’heure actu- elle, la réglementation de l’autoconsommation collec- tive ne le permet pas puisqu’il faut être situé en aval d’un même transformateur. Ce p e n d a n t , c e l a p o u r r a i t changer avec l’amendement d u p r o j e t d e l o i s u r l ’ Evo l u t i o n d u Lo g e m e n t , d e l ’A m é n a g e m e n t e t d u Numérique (ELAN). Cet amen- dement a pour but d’élargir la zone géographique des opérations en autoconsom- mation collective. Les points d’injection et de soutirage peuvent être situés dans un périmètre fixé par arrêté. Rihab BEN MOKHTAR Sources : [1] « Le Mix par Enedis », enedis.fr, 2018. [En ligne]. Disponible sur: https://www.enedis.fr/open-data-le-mix-par-enedis. [2] « L’autoconsommation collective », photovoltaique.info/, 03-déc-2018. [En ligne]. Disponible sur: http://www.photovoltai- que.info/L-autoconsommation-collective.html. [3] E-CUBE Strategy consultants, « Autoconsommation collective et blockchain — Perspectives sur deux phénomènes émer- gents et liés ». nov-2017. [4] Enedis, « L’autoconsommation collective et la blockchain : le projet DIGISOL », www.smartgrids-cre.fr. [En ligne]. Disponible sur: http://www.smartgrids-cre.fr/index.php?p=blockchain-autoconsommation.
  15. 15. I N F ’ O S E | D é c e m b r e 2 0 1 8 15STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE Le stockage d’énergie dans le ferroviaire : mais pour quoi faire ? Si dans nos imaginaires col- lectifs le train a d’abord été une formidable machine de locomotion à vapeur, une majorité de personnes le con- çoivent aujourd’hui comme une machine électrique ali- mentée via une caténaire (ligne électrique aérienne par- allèle aux rails et en contact avec les trains). La réalité est pourtant plus contrastée. En France en 2015, seul 55,5% du réseau ferro- viaire était électrifié. C’est dans la moyenne européenne, bien mieux que le Danemark (24,3%) mais moins bien que la Belgique (85,6%). [1] Par conséquent, le parc fer- roviaire français se compose de rames automotrices élec- triques, de rames automo - trices roulant au diesel ainsi que de rames hybrides dites « bimodes », capables de circu- ler soit en traction électrique via une caténaire, soit en motorisation diesel seule. [2] Grâce aux recherches actu- ellement menées au sein de la SNCF, par les principaux constructeurs de trains et les récents travaux parlemen- taires, nous constatons que le stockage d’énergie électrique représente un enjeu majeur pour le secteur du transport ferroviaire. Nous expliquerons dans une première partie en quoi l ’usage de stockeurs d’énergie est intéressant pour des lignes déjà équipées d’un réseau d’alimentation élec- trique aérien ; puis dans une deuxième partie comment le train à hydrogène appor te une réponse concrète aux problématiques de mobilité durable pour les lignes non électrifiées. P a r t i e 1 : L e s t o c k a g e d ’é n e r g i e é l e c t r i q u e co m m e support au réseau élec trique ferroviaire En termes de trafic, les lignes ferroviaires électrifiées per- m e t t e n t a u j o u r d ’ h u i d e transpor ter 90% des voya- geurs. En particulier, la SNCF prévoit un quadruplement de l’utilisation des lignes régio- nales TER entre 2008 et 2030. Pour répondre à la demande, il sera nécessaire de faire cir- culer davantage de trains sur des lignes conçues et dimensi- onnées il y a plusieurs décen- nies pour la plupart. [3] Pour comprendre l ’impac t d’une forte augmentation du trafic ferroviaire, il est néces- saire de comprendre la struc- ture du réseau ferroviaire, illustrée sur la figure ci-après. L’électricité est produite et acheminée à haute tension (en bleu foncé) jusqu’à des
  16. 16. I N F ’ O S E | D é c e m b r e 2 0 1 8 16 STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE Figure 1 : Réseau électrique ferroviaire - © E. RAKOTOMISA sous-stations (en rouge), réparties à intervalles régu- liers (tous les 10 à 15 km environ) le long des rails. Ces sous-stations compo- sées de transformateurs et de convertisseurs transfor- ment l’énergie électrique pour qu’elle puisse ensuite être injectée au niveau de la caténaire (en bleu clair). Les trains s’alimentent alors en captant l’électricité dis- ponible tout le long de la caténaire. A chaque nœud de con- sommation, c’est-à-dire à chaque point mobile de contact entre un train et u n e c a té n a i re ( n o m m é s Vcat(i) sur la figure ci-des- sus), des chutes de tension ont lieu au niveau de la caté- naire. Ainsi, les données de l’ensemble des nœuds de tension d’une ligne forment ce que l’on appelle un plan de tension. Dans un con- texte où les chutes de ten- sions sont physiquement inévitables au passage d’un train, l’enjeu pour les ingé- nieurs de SNCF Réseau est donc de s’assurer que le plan de tension soit à tout instant au-dessus d’un seuil minimal de tension. [3] Or, les chutes de tension sont proportionnelles aux puissances soutirées à la caténaire et d’autant plus importantes que les sous- s t a t i o n s s o n t e s p a c é e s. Dans l’optique d’une aug- mentation du trafic des TER, et en l’absence de ren- forcement du réseau élec- trique existant, des simula- tions numériques montrent que le réseau « tomberait ». Cela provoquerait alors la mise hors tension de plu- sieurs sections de lignes, et par conséquent l’arrêt immédiat de tous les trains e n c i r c u l a t i o n j u s q u’a u rétablissement du réseau. Pour éviter ces désagré - m e n t s , p l u s i e u r s s o l u - tions de renforcement du r é s e a u é l e c t r i q u e s o n t e n v i s a g e a b l e s . P u i s q u e l’ajout d’une sous-station coûte très cher (environ
  17. 17. I N F ’ O S E | D é c e m b r e 2 0 1 8 17STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE 15 millions d’euros) et que le renforcement du réseau élec- trique aérien (comme l’ajout d’une caténaire supplémen- taire) coûte approximative - ment 1 million d’euro par km, les ingénieurs de la SNCF ont imaginé des solutions fondées sur l’utilisation de stockeurs d’énergie, facilement déploy- abl es et économiquement intéressantes. Comme le montre la figure ci- dessous, deux solutions de renforcement du réseau grâce à l’usage de stockeurs peuvent être envisagées : [4] • Solution A : Embarquer à bord des trains un système de stockage d’électricité. Lorsque la tension élec- trique au niveau de la c a t é n a i r e s ’ a p p r o c h e du seuil limite, le train déporte une partie de sa demande d’énergie vers ses stockeurs embarqués. La part d’énergie captée sur le réseau électrique aérien est suffisamment réduite pour maintenir un plan de tension acceptable. Les stockeurs embarqués se rechargent à partir du réseau lorsque le plan de tension le permet. • S o l u t i o n B : Pl a ce r e n b o r d u r e d e v o i e u n système de stockage fixe, rattaché à une caténaire. L e s y s t è m e d e s t o c k - age sur veille le plan de tension et anticipe les besoins des trains à prox- imité. S’il prévoit qu’un train, de par sa demande en énergie, va entraîner une chute de tension trop impor tante, le stock age fixe injecte une puissance électrique supplémentaire au niveau de la caténaire pour relever la tension. Figure 2 : Correction du plan de tension de la caténaire avec l’utilisation de solutions de stockage – © E. RAKOTOMISA
  18. 18. Le schéma du haut présente les chutes de tension provo- quées par plusieurs trains en circulation entre deux sous- stations (notées SST sur la figure). Ce schéma illustre donc le problème que nous venons d’identifier. En bas à gauche, la résolu- tion du problème avec la solu- tion A (stockage embarqué), et à droite avec la solution B (stockage stationnaire noté STA sur la figure). E n v i s a g e r l ’ u t i l i s a t i o n d’un système de stock age d’électricité, quel qu’il soit, implique de faire un choix entre différentes technologies de stockage : accumulateurs é l e c t ro c h i m i q u e s, vo l a n t s d’iner tie, piles à combusti- b l e, s u p e r - c o n d e n s a t e u r s, etc.). Une liste des principaux critères à prendre en compte est proposée dans le tableau ci-dessous. Figure 3 : Critères de comparaison des technologies de stockage - © E. RAKOTOMISA Pa r t ic uliè reme nt adap tées à une utilisation ferroviaire, deux solutions émergent : - l ’ u t i l i s a t i o n c o m - b i n é e d ’ a c c u m u l a t e u r s é l e c t r o c h i m i q u e s e t d e super-condensateurs - l’utilisation de piles à combustible (H2 ) Les accumulateurs électro - chimiques et super-conden- sateurs sont des technolo - gies éprouvées et industriel- lement maîtrisées tandis que les piles à combustible appor- tent à l’heure actuelle autant de questions que de solutions. [4] Le f a i t e s t q u e s i p a r m i l’ensemble des solutions de renforcement du réseau élec- trique, la SNCF porte son choix sur le stockage embarqué, il ne serait pas possible de mod- ifier l’architecture des rames existantes pour y ajouter du stockage. La SNCF serait dans l’obligation d’acquérir des trains hybrides « électrique + stockeurs d’électricité ». Fort heureusement, en plus de résoudre le problème de la chute de tension que nous venons d’identifier, l’achat d e c e s n o u v e l l e s r a m e s « hybrides » offrirait aussi des solutions au transport ferrovi- aire sur des lignes non élec- trifiées. C’est cet aspect que nous développons dans la partie suivante. Par tie 2 : Le train à hydrogène pour les lignes non élec trifiées C ’est une première mondi- ale. Il s’appelle Coradia iLint et il possède une autono - mie de 1000 km ! Le premier train à hydrogène au monde, en exploitation commerciale depuis le 17 septembre 2018 est franco-allemand. Français car conçu à Tarbes (M idi- Pyrénées) par Alstom et alle- mand car exploité par la région de la Basse-Saxe. Il fait circu- ler beaucoup de promesses et de fantasmes. En France, d’après Guillaume Pépy (PDG de la SNCF), la part du ferrovi- aire non électrique représente 3500 trains journaliers. C’est Figure 4: Deux technologies adaptées aux problématiques du ferroviaire - © E. RAKOTOMISA I N F ’ O S E | D é c e m b r e 2 0 1 8 18 STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE
  19. 19. 20% des trains en circula- tion, tous propulsés grâce au diesel, fortement émetteurs de CO2 et de polluants locaux. [5] [6] E n c o n fé re n c e d e p re s s e l e s a m e d i 1 6 n o v e m b r e 2018, G.  Pépy revient sur le calendrier de la transition écologique du fer roviaire et annonce la fin des trains diesels en 2035 au lieu de 2040 comme prévu initiale- ment. Et pour lui, qui exclut d’électrifier toutes les lignes trop coûteuses alors même que les finances publiques sont dans le rouge, c’est bien le train à hydrogène qui sera le chef de file pour mener à bien cette transition qui engager la SNCF dans l’objectif de neutralité carbone en 2050. « On va passer commande à l’été (2019) de prototypes, ce sera probablement des pro- totypes Alstom, et on aura ces prototypes début 2022 en France  », a-t-il déclaré. Alstom a, en effet, proposé a u x r é g i o n s u n e v e r s i o n hybride électrique «  caté - naire + pile à combustible  », adaptation du Coradia iLint au matériel et aux besoins français. L’objectif pour le constructeur est de proposer un prototype homologué par l’Etat français pour 2022, puis de livrer une trentaine de trains aux régions entre 2024 et 2028 pour une phase de test avant de monter en puissance. [5] [7] Les récentes déclaratio ns d e G . Pe py fo nt d i re c te - ment suite au rapport par- lementaire confié au député LREM Benoît Simian sur « le verdissement des matériels roulants du transpor t fer- roviaire en France ». Pour le député, il est urgent de préparer le terreau pour le développement d’une filière d’excellence française autour du train à hydrogène et plus généralement de l’hydrogène. D’une par t, parce qu’il est moins coûteux de dévelop- per des solutions de stock- age embarquées à bord du matériel roulant plutôt que d’électrifier la majorité des lignes régionales existan- tes. D’autre part, parce que le parc des 450 rames diesels qui datent des années 1990 et 2000 va devoir être renou- velé à partir de 2030 pour un nouveau cycle d’exploitation de 30 ans. Passer à nouveau commande de rames diesels reviendrait à garder le ferrovi- aire captif du diesel jusqu’en 2 0 6 0 a u m i n i m u m , a l o r s même que nous cherchons à réduire drastiquement la part des énergies fossiles dans le mix énergétique français. [8] A l’heure actuelle, la quasi- t o t a l i t é d e s t r a v a u x d e recherches sur les « trains ver ts » se cristallisent sur l’usage de batteries élec- t ro c h i m i q u e s ( p o r t é s p a r l e c o n s t r u c t e u r c a n a d i e n Bombardier), ou sur la pile à combustible pour Alstom. La principale critique adressée au train à hydrogène, c’est d’être à l’usage 3 fois plus consommateur d’électricité qu’un train à batterie élec- trochimique. Seulement, le train de Bombardier ne peut aujourd’hui réaliser un trajet de plus de 40 km. [9] L’hydrogène n’existant pas à l’état naturel, il doit être obtenu par électrolyse puis s t o c k é à h a u t e p r e s s i o n (700  bars) et il coûte cher. En supposant l’utilisation de grosses infrastructures fonc- tionnant plus de 7000 heures par an, le coût de produc- tion de l’hydrogène oscille entre 100 et 200€ le MWh. Le coût du stockage est lui aussi dans ce même ordre de gran- deur de prix. Pour autant, le CEA estime qu’il sera possi- ble de faire baisser le coût I N F ’ O S E | D é c e m b r e 2 0 1 8 19STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE
  20. 20. de l’hydrogène à 50€ le MWh d’ici 2030 grâce au dével- oppement de nouvelles tech- nologies. [8] Alors, la décision de l’Etat d ’i nv e s t i r d a n s l a f i l i è r e hydrogène ne serait-elle pas plutôt un choix politique et stratégique qu’un choix tech- nologique ? La concurrence autour de la conception et de la production des bat- teries électrochimiques est déjà très rude alors qu’elle n’existe que très peu sur la pile à combustible. Investir dans le train à hydrogène, c’est permettre à la filière française de se renforcer et se structurer, en lui garantissant des débouchés économiques conséquents. Par la suite, tout le savoir-faire acquis grâce au train à hydrogène pourra être transposable à d’autres moyens de transport à hydrogène. [8] En conclusion, il apparaît plus que crucial que l’Etat pose un cadre législatif et norma- tif quant à la mise en circu- lation de trains hydrogènes sur le territoire français et q u a n t a u d é ve l o p p e m e n t d u v e c t e u r é n e r g é t i q u e hydrogène. A la clé, permettre à terme la mutualisation de l’approvisionnement et la dis- tribution de l’hydrogène entre plusieurs modes de trans- port (bus, voiture, etc.). C’est un enjeu écologique majeur qui permettrait à minima à ces modes de transport de n’émettre aucune pollution locale, voire d’être totalement écologique si l’hydrogène peut être obtenu à par tir d’électricité décarbonée. Eli RAKOTOMISA Sources : [1] Comission europeenne - Division Mobilité Transport, 2018. [En ligne]. Available: https://ec.europa.eu/transport/facts-fundings/ scoreboard/compare/energy-union-innovation/share-electrified-railway_en. [2] SNCF, «Le guide de la production ferroviaire,» 2018. [3] O. BOSSI, Contribution au dimensionnement et la gestion par optimisation de systèmes de stockage d’énergie pour les réseaux électriques ferroviaires, Grenoble, 2016. [4] AFP, «SNCF: Pepy avance la date de fin des trains diesels à 2035,» 2018. [5] B. Simian, «Le verdissement des matériels roulants du transport ferroviaire en France,» Rapport parlementaire pour l’Assemblée Nationale, Novembre 2018. [6] La Tribune, «SNCF : Pépy envisage la fin des trains diesel et l’arrivée de l’hydrogène en 2030,» La Tribune, n° %16569, 17 novembre 2018. [7] AFP, «Alstom propose un train à hydrogène aux régions françaises,» 21 novembre 2018. [8] Techniques de l’Ingénieur - Innovations sectorielles, «Le train à batterie de Bombardier, un hydrogène-killer ?,» 4 décem- bre 2018. [9] E. Rakotomisa, «Gestion énergétique multi-source pour la traction électrique ferroviaire» , Septembre 2018. I N F ’ O S E | D é c e m b r e 2 0 1 8 20 STOCKAGE D’ÉNERGIE DANS LE FERROVIAIRE
  21. 21. Stockage durable d’électricité éolienne L’un des grands enjeux actuels de l’énergie élec- tr ique réside dans notre capacité à la stocker. En effet, l’énergie électrique produite par n’importe quel système énergétique doit être injec- tée directement sur le réseau et se consomme « instantané- ment ». A l’inverse du gaz ou du pétrole, elle est difficile- ment stockable en quantité et sur le long terme, ce qui rend sa consommation plus compliquée. Il existe pour- tant différentes techniques qui se développent pour stocker cette énergie. S’i n q u i é t a n t d u d é s i n té - rêt croissant pour les éner- gies fossiles et de l’essor des énergies renouvelables (EnR) [1], la société norvégienne Statoil productrice et expor- tatrice de pétrole (récem- ment renommée Equinor) investira 200 millions de dollars d’ici 2022 pour le développement des EnR. Un des principaux projets qu’elle porte se situe en Ecosse au large de Peterhead, sur le parc éolien flottant Hywind. D’une puissance installée de 30 MW, ce parc éolien a accueilli en 2017 cinq éoli- ennes de 6 MW à 25 km des côtes, capables de fournir en électricité 20 000 foyers [2]. Situées en pleine mer, elles résolvent les problèmes de nuisances visuelles et sont soumises à des vents plus forts ce qui permet de max- imiser la produc tion par rapport à des éoliennes ter- restres ou même en bordure de côte. N é a n m o i n s, l e p ro b l è m e du stock age de l’énergie produite n’est pas résolu. L’é n e r g i e é l e c t r i q u e e s t é v i d e m m e n t s t o c k a b l e dans des batteries grâce à des réac tions élec trochi- miques, dont les technolo- gies fonctionnent avec des couples élec trochimiques ou d’oxydo-réduction nom- breux et variés. Parmi elles, la batterie Li-Ion s’est large- ment imposée dans notre quotidien avec des appli- c a t i o n s n o t a m m e n t s u r n o s a p p a r e i l s é l e c t r o n - iques et dans l’automobile. Elle repose sur la révers- ibilité de l’échange de l’ion Lithium entre l’anode et la cathode de l’accumulateur. L’intérêt de ces batteries est qu’elles possèdent une haute densité d’énergie allant de 300 à 1500 Wg/kg [3], mais p o u r u n e a u t o n o m i e d e quelques heures. C’est pour- quoi cette technologie est l’une des plus matures et est bien adaptée pour le stock- a g e d ’é n e rgi e é l e c t r i q u e produite à partir d’énergie renouvelable. En effet, les énergies éolienne ou pho- tovoltaïque ont des facteurs de charge relativement bas comparés à d’autres moyens de production, mais surtout avec une grande variabilité horaire de production. C’est dans cette technologie que les compagnies Equinor et Masdar ont récemment investi (respec tivement à hauteur de 75% et 25%) pour le développement et l’installation des batteries I N F ’ O S E | D é c e m b r e 2 0 1 8 21STOCKAGE ÉOLIEN
  22. 22. Batwind. D’une capacité de 1,3 MWh, la batterie Li-Ion d ’ u n e t rè s h a u t e p e r fo r - mance utilise un algorithme d’optimisation basé sur des données intégrant les prix du marché, les plannings de maintenance, la demande de consommation et le réseau électrique [4]. Elle est ainsi capable d’optimiser le stock- age pour savoir quand garder en réserve et quand restituer l’énergie électrique automa- tiquement sur le réseau. Le problème du stockage lié à la variabilité du vent est ainsi contourné. Figure 1 : Principe de fonctionnement des technologies Hywind et Batwind -article du 28/06/2018 Portail energiesdelamer.eu - Equinor installe la batterie Batwind et la couple à l’éolien offshore. Source : [6] Mais il existe d’autres sys- t è m e s d e s t o c k a g e d e l’énergie plus durables (le lithium étant une ressource limitée, chère et rare). En pompant des volumes hydrau- liques, l’énergie électrique peut être stockée sous forme d’énergie mécanique poten- tielle, puis libérée en action- nant des turbines. Cette tech- nique de pompage-turbinage s’applique dans des Stations de Transfer t d’Energie par pompage (STEP) et nécessite donc une topographie du ter- ritoire propice à la rétention d’eau, ce qui n’est pas forcé- ment le cas de l’Ecosse. En revanche, une technologie innovante française dévelop- pée par la société MGH Energy pourrait se prêter davantage aux spécificités du territoire écossais qui repose égale - ment sur l’énergie potenti- elle. La technologie consiste à utiliser l’énergie électrique produite pour soulever des poids du plancher marin à la surface de la mer. Ainsi, quand l’énergie électrique est produite en surplus, elle est u tilisée po u r ac t i on - ner des poulies permettant d’élever ces poids jusqu’à la surface. Arrivés à la surface, ils sont stockés sur une plate- forme. Lorsque le réseau demande à être alimenté, les poids sont relâchés et se laissent choir jusqu’à une profondeur pouvant attein- dre 1  km. Dans leur chute, ils activent des générateurs situés à la surface et restitu- ent ainsi l’énergie potentielle accumulée en énergie élec- trique.[5] I N F ’ O S E | D é c e m b r e 2 0 1 8 22 STOCKAGE ÉOLIEN
  23. 23. Figure 2 : Principe de fonctionnement de la technologie MGH [Source : http://www.mgh-energy.com] La technologie proposée par MGH pourrait donc bien s’adapter au problème de stockage de l’électricité produite par des éoliennes flottantes, étant donnée leur localisation géographique. Néanmoins, les capacités de stockage de cette technologie sont bien moindres que celles des batteries Li-Ion. Lucas DESPORT Sources : [1] J. Crépu, « Coup de poker sur le pétrole », 2018. [2] B. Bornemann, « Equinor installe la batterie Batwind et la couple à l’éolien », Energies de la mer. . [3] F. Le Jeune, « Stockage de l’électricité par batterie : les différentes technologies », Les Smart Grids. . [4] K. Storme, « Hywind, le premier parc éolien flottant inauguré en Écosse », Le marin. . [5] MGH, « A New Technology for Grid-Scale Electricity Storage », DEEP SEE ENERGY STORAGE .. [6] https://www.energiesdelamer.eu/publications/111-stockage-batterie-step/4172-equinor-installe-la-batterie-batwind-et- la-couple-a-l-eolien-offshore I N F ’ O S E | D é c e m b r e 2 0 1 8 23STOCKAGE ÉOLIEN
  24. 24. L’intelligence artificielle et l’énergie Intelligence artificielle © Pixabay In t e l l i g e n c e a r t i f i c i e l l e , a p p r e n t i s s a g e a u t o m a - tique, données, capacité de calculs, ser veurs, robotisa- tion, internet of things (IoT ) etc. Ces mots font désor- mais partie de notre quoti- dien. Toutes les nouvelles marques se sont focalisées sur ces nouvelles tendances pour gagner de nouvelles parts de marché. On peut citer comme exemple l’entreprise « Uber » : cette entreprise a gagné d’importantes parts de marché dans le transport de personne. Les chauffeurs de taxis sont menacés de perdre leur emploi parce que les gens préfèrent utiliser une simple a p p l i c a t i o n m o b i l e p o u r réserver une voiture plutôt que d’appeler une agence pour réser ver un taxi. De même pour les commerçants traditionnels, le e-commerce a évolué de façon conséquente et a gagné d’importantes parts de marché. L’exemple le plus connu de ces entreprises de e-commerce est « Amazon ». Cette tendance effacera-t- elle un jour les produits et les services historiques ? Ces nouvelles technologies ont envahi presque tous les domaines et on les retrouve évidemment dans le secteur de l’énergie. On peut citer l’exemple des réseaux intelli- gents (smart grids), qui sont des réseaux électriques con- nec tés qui permettent de limiter au maximum les inter- ventions grâce à la mainte - nance prédictive, de surveiller et d’agir sur les réseaux de façon coordonnée et ciblée. I N F ’ O S E | D é c e m b r e 2 0 1 8 24 IA & ÉNERGIE
  25. 25. N o u s t r o u v o n s a i n s i l e s c o m p t e u r s « L i n k y » déployés par ENEDIS comme exemple de l’utilisation de l’intelligence artificielle dans le secteur énergétique. Ces compteurs intelligents per- mettent de simplifier cer- taines opérations comme le relevé de la consommation, les changements de puis- sance ou de fournisseur ou encore d’améliorer les diag- nostics en cas de dysfonc- tionnement. Ces compteurs apportent des améliorations dans l’optimisation de la gestion, de l’entretien et du développement des réseaux électriques. Les compteurs « Linky » assurent l’intelligence du réseau. Plusieurs questions peuvent se poser : Quelle est la définition de l’IA et du machine learning ? Quels sont les algorithmes les plus utilisés  ? Pour quelles applications ces technol- o gi e s s o nt- e l l e s u t i l i s é e s dans le secteur de l’énergie ? Q u e l l e s o p p o r t u n i té s ce s nouvelles technologies font- elles naître ? Intelligence ar tificielle (IA) e t Machine learning (ML) L’IA est apparue avec les réflexions de Turing en 1950 sur « les machines peuvent- elles penser ? ». L’IA a connu d e p u i s d e s p é r i o d e s d e grande attractivité comme des périodes de désuétude. L’é vo l u t i o n e x p o n e n t i e l l e des puissances de calcul et des capacités de stockage des ordinateurs a cepen - dant permis de faire renaître l’intelligence artificielle avec de nouveaux challenges. L e f o n c t i o n n e m e n t d e l ’i n t e l l i g e n c e a r t i f i c i e l l e se base sur deux grandes notions  : l’utilisation des données, collectées depuis des années et l’auto appren- t i s s a g e d e s a l g o r i t h m e s . Selon Yann Le Cun, chercheur en Intelligence Artificielle, il s’agit d’un « ensemble de techniques per mettant à des machines d’accomplir des tâches et de résoudre d e s p ro b l è m e s n o r m a l e - ment réservés aux humains et à cer tains animaux. » Cette nouvelle technologie permet donc aux machines de prendre des décisions en utilisant la prévision ou l’optimisation. [1] Mais avant tout, nous devons connaître la différence entre les algorithmes ‘classiques’ (les algorithmes rigides) et les algorithmes d’intelligence artificielle. Lorsqu’un algorithme clas- s i q u e e s t d é v e l o p p é , i l prend en considération tous les scénarios que le dével- oppeur a introduit, comme par exemple les instructions conditionnelles « si ». Ce type d’algorithme prend unique- ment des données d’entrée qu’il compare avec des con- ditions puis qu’il traite en utilisant une logique bien définie. Alors qu’un algo- r i t h m e d ’ I A , p r e n d l e s données d’entrée (input) et les données de sortie (output) et il essaye de trouver des liens (patterns) entre ces données. Comme avec les ré s e a u x d e n e u ro n e s, c e sont des boîtes noires (black box algorithms) qui définis- sent les relations entre les données sans l’intervention du développeur. Pour bien comprendre cette différence, nous allons com- parer deux différents types de développement d’un chat bot pour une messagerie électro- nique. En utilisant des algo- rithmes rigides, nous allons définir toutes les possibilités de mails et toutes les possibil- ités de réponses. Par exemple, nous pouvons définir que si on reçoit ‘Bonjour’, il faut qu’on réponde ‘Bonjour’ et si on reçoit ‘Hello’, la réponse I N F ’ O S E | D é c e m b r e 2 0 1 8 25IA & ÉNERGIE
  26. 26. est ‘Hello’ ou ‘Hi’. Et si un mot ou une phrase n’est pas défini, l’algorithme affiche ‘ Je suis désolé, je n’ai pas compris ’. Au contraire les algorithmes d ’ I A p e u ve n t p re n d re e n compte l’historique des mails et trouver des relations entre chaque mail sans les condi- tions ‘si’. Comme indiqué ci- dessus, l’IA permet de rendre les machines capables de simuler « l’intelligence humaine », en mimant des comportements tels que le raisonnement ou l’apprentissage. L’un des principaux champs d ’é t u d e d ’ I n t e l l i g e n c e Ar tificielle est le Machine L e a r n i n g ( M L ) . C e t t e approche consiste à « appren- d r e » a u x o r d i n a t e u r s à exécuter trois grands types d’actions : prédire, classifier et regrouper. • Les algorithmes de pré - dic tion s’appellent les modèles de régression : la régression linéaire, Ridge, les arbres de décision, les réseaux de neurones, etc. • Les algorithmes de clas- sification : les machines à vec teurs de suppor t (Support Vector Machine), les arbres de décision, les réseaux de neurones, etc. • Les algorithmes de parti- tionnement de données ou clustering : K-means, DBScan etc. Nous pouvons utiliser l’un de ces trois modèles seulement, ou les combiner. Cette tech- nique s’appelle l’ensemble learning. La per formance des algo - rithmes de machine learning et la précision de leurs prévi- sions sont liées à la qualité et la quantité des données d’entrée. En effet, ces algo- rithmes acceptent plusieurs types de données par exemple des nombres, des variables catégorielles (0 ou 1, oui ou non), des chaînes de carac- tère (texte), des images, des sons et des vidéos. Toutefois, c o m m e p o u r l e s ê t r e s humains, vous ne pouvez pas demander à un enfant ou à une personne qui manque d’expérience de prendre des décisions. Par conséquent, ce sont la quantité et la qualité des données qui garantissent la performance des modèles de machine learning. [2] Les algorithmes de machine learning sont regroupés dans deux grands groupes : • L e s a l g o r i t h m e s d’apprentissage supervisé • L e s a l g o r i t h m e s d ’ a p p r e n t i s s a g e n o n supervisé Les algorithmes de machine learning L e p r e m i e r g r o u p e d’algorithmes regroupe les algorithmes de régression et les algorithmes de classifica- tion qui utilisent des données labélisées pour entraîner le modèle, ces labels étant les variables à prédire. Les algo- rithmes de régression sont utilisés dans la prédiction de valeurs continues comme par exemple le prix des maisons, la demande d’électricité ou encore le prix du pétrole, alors que les algorithmes de classification sont utili- sés pour prédire des vari- ables catégorielles comme par exemple la classification des types des fleurs, etc. L e d e u x i è m e g r o u p e d ’ a l g o r i t h m e s ( l e s a l g o - rithmes d’apprentissage non super visé) contient princi- palement des algorithmes de partitionnement de données ou clustering. Ils prennent en entrée des données non labé- lisées, comme les courbes de charge de toute une année, et ils essayent de trouver I N F ’ O S E | D é c e m b r e 2 0 1 8 26 IA & ÉNERGIE
  27. 27. © H. MRAIHI des liens entre ces courbes pour les regrouper dans dif- férents ensembles (clusters). On pourra regrouper d’un côté des courbes de charge carac- térisant la demande pendant des jours de semaine et de l’autre des courbes de charge caractérisant la demande des weekends. [3] L’IA dans le sec teur de l’énergie Prévision de la demande et de la produc tion Au cours des dix dernières a n n é e s , p l u s i e u r s a p p l i - cations de l’IA dédiées au secteur énergétique ont été e x p é r i m e n t é e s . D a n s c e t ar ticle, nous citerons des exemples de ces nouvelles approches. En France, RTE (Réseau de Transpor t de l’Élec tricité), qui assure le transpor t de l’électricité sur le territoire, possède le plus grand réseau d e t r a n s p o r t d ’é l e c t r i c i t é d ’ E u ro p e : 1 0 5 9 6 1 k i l o - mètres de lignes électriques, 2 7 4 4   p o s te s é l e c t r i q u e s, 1   2 4 1 t r a n s fo r m a t e u r s e t 3 515 points de livraison. [4] Cette entreprise, qui est une filiale d’EDF, offre ses services de transmission d’électricité à cinq types de clients dif- fé re n t s : l e s p ro d u c t e u r s d’électricité, les entreprises ferroviaires, les distributeurs d’électricité qui eux-mêmes fournissent l’électricité aux clients finaux que sont les particuliers et les PME-PMI du secteur tertiaire, les industri- els et les acteurs de marché. Elle est également engagée dans des échanges contrac- tuels transfrontaliers avec la Grande Bretagne, la Belgique, l’Allemagne, la Suisse, l’Italie et l’Espagne. Pour assurer la bonne gestion de cet énorme réseau élec- t r i q u e, R T E d o i t i n t é g re r des nouvelles technologies. En effet, l ’entrepr ise doit s’assurer en permanence que la capacité du réseau est I N F ’ O S E | D é c e m b r e 2 0 1 8 27IA & ÉNERGIE
  28. 28. suffisante pour transpor ter l’électricité et que toutes les composantes du réseau sont en état de fonctionnement. Pour ces raisons, les réseaux de transport de l’électricité dans le monde entier, se sont d i r i g é s v e r s l ’i n t é g r a t i o n de technologies d’IA et de m a c h i n e l e a r n i n g. A t i t re d ’e xe m p l e, n o u s p o u vo n s citer les modèles de prévi- sion de la demande en élec- tricité. En effet, ces modèles utilisent l’historique de la demande électrique, la tem- pérature, la pluviométrie, le type du jour ( jour de semaine ou weekend), l’heure, etc. pour prévoir la demande en électricité un jour avant. Pour faire cela, on peut utiliser les techniques de prévision tradi- tionnelles comme les modèles statistiques ARMA ou ARIMA ou encore la régression liné- aire. Une autre possibilité est d’utiliser les modèles de prévision de machine learning comme les arbres de décision, les réseaux de neurones arti- ficiels, etc. La performance et la précision Nouveaux moyens de production - © Pixabay de ces nouveaux modèles qui utilisent les algorithmes de machine learning sont meil- leures que celles des anciens modèles. En effet, l’erreur de prévision de ces derniers modèles est inférieure à 10%. Ce niveau de précision permet aux gestionnaires de réseaux électriques et aux fournisseurs d’électricité comme EDF de connaître à l’avance la quan- tité d’électricité qu’ils doivent fournir aux consommateurs, ce qui leur permet de se pré- parer et d’éviter par la suite des problèmes de pénurie ou de blackout. La maintenance prédic tive P o u r v e i l l e r à r e s p e c t e r l’équilibre entre l’offre et la demande, les gestionnaires des réseaux élec triques et les producteurs d’électricité doivent également s’assurer du bon fonctionnement de toutes les composantes du réseau. Pour cela, les gestionnaires des réseaux électriques uti- lisent les technologies de l’IA I N F ’ O S E | D é c e m b r e 2 0 1 8 28 IA & ÉNERGIE
  29. 29. et du machine learning dans le cadre de la maintenance prédictive. De nombreuses méthodes de Machine Learning peuvent être employées pour effectuer de la maintenance prédictive sur les moyens de production d’énergie. Ces modèles permettent de prévoir le moment et le type de la panne des composants du système. Le p r i n c i p a l av a n t a g e d e c e t t e n o u v e l l e f o r m e d e maintenance est la réduction du temps d’arrêt des cen- trales de production, d’où l’augmentation de la quantité d’énergie produite et la dim- inution des coûts de produc- tion associés. Il est ainsi pos- sible de savoir quand changer un composant du réseau sans avoir à attendre l’occurrence de la panne. D a n s c e c a d r e , n o u s pouvons utiliser deux types d ’algorithmes de machine learning : • Les algorithmes de clas- s i f i c a t i o n q u i p e u v e n t prédire la nécessité d’une o p é r a t i o n d e m a i n t e - nance ou non (oui ou non) • Les algorithmes de prévi- s i o n ( r é g r e s s i o n ) q u i peuvent prédire à quel moment la défaillance va se produire. Les données utilisées pour l ’ a p p r e n t i s s a g e d e c e s modèles sont collec tées à l’aide de capteurs installés dans le réseau de produc- tion ou de distribution. Ces données sont sous la forme d’une série temporelle comme par exemple l’historique des types de défaillance, la date des défaillances, etc. Cette application a été dével- oppée et testée depuis 2017 par une filiale de distribu- tion d’élec tricité de E.ON. L’utilisation des modèles de Machine Learning a permis de réduire l’occurrence des coupures, d’où la réduction des coûts liés à la mainte - nance corrective et du coût économique associé aux cou- pures pour les consomma- teurs finaux. N o u s p o u vo n s é g a l e m e n t utiliser les techniques d’IA dans les centrales solaires. En effet, des logiciels per- mettent de traiter les images en temps réel et de détecter la position du soleil ce qui permet d’identifier les meil- leures positions pour fixer les panneaux photovoltaïques dans l’objectif d’augmenter la production de l’électricité et de réduire les coûts de production. Trading L’intelligence ar tificielle et les algorithmes de Machine Learning ont également été utilisés sur les marchés de l’électricité. En effet, plusieurs star tups et PME ont choisi d’investir dans la bourse de l’électricité (EPEX  SPOT ) en utilisant l’IA. Ils ont dével- oppé des modèles de prévi- sion des prix de l’électricité en intégrant des algorithmes d e ré gre s s i o n co m m e l e s arbres de décision ou les réseaux de neurones ar ti- f i c i e l s. Ce s m o d è l e s p e r - mettent de prévoir le prix de l’électricité un jour avant et on trouve même des modèles qui prévoient le prix une heure avant. Les algorithmes de prévision prennent comme données d’apprentissage : l’historique des prix, la tem- pérature, les prévisions de la demande, l’heure, etc. [5] L e t a u x d ’e r r e u r d e c e s modèles est inférieur à 20% ce qui représente un faible taux par rapport aux autres types de modèle utilisés dans les bourses financières. I N F ’ O S E | D é c e m b r e 2 0 1 8 29IA & ÉNERGIE
  30. 30. © Pixabay Maison connec tée Avec le développement des objets connectés (Internet of Things), nous obser vons également l’intégration de l’IA et du machine learning dans les maisons. En effet, les maisons connectées per- mettent d’optimiser la con- sommation de l’énergie et d’augmenter le confort des habitants. Cette intégration de l’IA peut se manifester dans deux sys- tèmes importants : • Des systèmes de prévision et de gestion de la con- sommation en temps réel. • Des systèmes d’efficacité é n e r g é t i q u e d a n s l’industrie. Ces systèmes servent à mieux gérer son domicile et à opti- miser sa consommation. Dans un premier temps l’utilisateur va utiliser son smartphone ou son PC portable pour allumer les lumières et le chauffage. Puis ces modèles vont appren- dre le mode de vie du domi- cile et commencer à gérer les différents appareils de la maison. Par exemple, les modèles utilisent la tempéra- ture pour prendre la décision d’allumer le chauffage ou non. Dans ce cas, des algorithmes de classification sont utilisés. Les données d’apprentissage de ces algorithmes sont des données qui définissent le mode de vie du propriétaire comme l’heure de rentrée au domicile, etc. Pour développer ces technol- ogies, plusieurs entreprises ont investi dans la recherche afin d’optimiser la consomma- tion d’électricité et de fournir le plus de confort possible aux utilisateurs. [6] Pour conclure, cet ar ticle a eu pour but de définir l’intelligence ar tificielle et le machine learning : deux termes omniprésents dans notre quotidien. I l i n tè gre a u s s i q u e l q u e s exemples d’utilisation de ces I N F ’ O S E | D é c e m b r e 2 0 1 8 30 IA & ÉNERGIE
  31. 31. nouvelles technologies dans le domaine de l’énergie et plus précisément dans le secteur de l’électricité. Nous avons pu observer que ces techniques sont utilisées sur l’ensemble de la chaîne de gestion de l’électricité : la production, la distribution, les services après-vente, le marketing etc. Mais l’intervention des êtres humains demeure toujours nécessaire. On se demande ainsi si le jour où les machines intelli- gentes remplaceront les êtres humains viendra... Hamza MRAIHI Sources : [1] « Les Enjeux de la Recherche en Intelligence Artificielle », Yann LeCun, 2016 [2] « Schneider Electric et Microsoft France lancent un incubateur commun pour accélérer la transition énergétique grâce à l’Intelligence artificielle ». [En ligne]. Disponible sur: https://www.schneider-electric.fr/fr/about-us/newsroom/actualites/ schneider-electric-et-microsoft-france-lancent-un-incubateur-commun-pour-accelerer-la-transition-energetique-grace-a- l-intelligence-artificielle-e8d4-636ff.html. [3] « Application de l’Intelligence Artificielle dans l’énergie », E-CUBE strategy consultants, Septembre 2018 . [4] « 1er réseau de transport d’électricité d’Europe », RTE France, 20-oct-2014. [En ligne]. Disponible sur: https://www.rte- france.com/fr/ecran/1er-reseau-de-transport-d-electricite-d-europe. [5] G. D. Pierrefeu, « POURQUOI ET COMMENT LES ACTEURS DE L’ÉNERGIE DOIVENT-ILS - URGEMMENT - S’APPROPRIER LEUR INTELLIGENCE ARTIFICIELLE ? », p. 8. [6] « 2018 : les tendances qui vont bouleverser les secteurs de l’énergie (smart home...) », Le Monde de l’Energie, 07-févr-2018. . I N F ’ O S E | D é c e m b r e 2 0 1 8 31IA & ÉNERGIE
  32. 32. Séminaire « Stratégies MARKAL TIMES » - Mines Nancy Le CMA a accueilli entre le 20 et le 23 novembre 2018, 10 élèves de troisième année de l’école des Mines de Nancy, option « Énergie et Fluides », à l’occasion d’un séminaire sur les études prospectives. Il était animé par Edi ASSOUMOU et Sandrine SELOSSE, ainsi que certains doctorants du centre de recherche. La découverte de l’outil d’analyse prospective Markal-Times était au cœur de cette semaine, avec une étude de cas portant sur le réseau d’électricité de la région PACA. Les étudiants de Mines Nancy à Antibes Les Mineurs au CMA I N F ’ O S E | D é c e m b r e 2 0 1 8 32 SÉMINAIRE MINES NANCY

×