{"id":2291,"date":"2020-06-11T08:45:00","date_gmt":"2020-06-11T06:45:00","guid":{"rendered":"https:\/\/blog.deepki.com\/?p=2291"},"modified":"2023-06-09T16:59:34","modified_gmt":"2023-06-09T14:59:34","slug":"retour-experience-script-data-analysis-confinement","status":"publish","type":"post","link":"https:\/\/www.deepki.com\/fr\/blog\/retour-experience-script-data-analysis-confinement\/","title":{"rendered":"Retour d\u2019exp\u00e9rience sur un script de data-analysis ayant permis de r\u00e9aliser des \u00e9conomies d’\u00e9nergie pendant le confinement"},"content":{"rendered":"\n

La crise sanitaire due au Covid-19 a touch\u00e9 le monde entier, sans que personne ne s\u2019y attende vraiment. Suite \u00e0 l\u2019annonce du confinement, les magasins non-essentiels ainsi que les bureaux de nombreuses entreprises ont d\u00fb fermer. Giulia Caputo, Data-Scientist chez Deepki<\/a>, nous explique comment elle et son \u00e9quipe ont pu d\u00e9tecter un potentiel de 123 000 euros HT d\u2019\u00e9conomies par semaine sur plus de 3 500 b\u00e2timents gr\u00e2ce \u00e0 la data-analysis, en cette p\u00e9riode exceptionnelle.<\/strong><\/span><\/p>\n\n\n\n

Data-analysis : identifier les anomalies de consommation pendant le confinement<\/strong><\/h2>\n\n\n\n

Forte de son exp\u00e9rience dans la data, l\u2019\u00e9quipe R&D de Deepki a d\u00e9cid\u00e9 d\u00e8s le d\u00e9but du confinement de concevoir un pipeline d\u2019analyse<\/strong> permettant de d\u00e9tecter automatiquement<\/a> les sites pr\u00e9sentant une consommation anormalement \u00e9lev\u00e9e <\/strong>malgr\u00e9 leur fermeture.<\/span><\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Adopter une m\u00e9thodologie de data-analysis pragmatique et efficace<\/strong><\/h2>\n\n\n\n

Habitu\u00e9e \u00e0 collecter<\/a> et analyser les donn\u00e9es<\/strong> de ses clients afin de r\u00e9duire leur impact environnemental, l\u2019\u00e9quipe R&D de Deepki s\u2019est mobilis\u00e9e d\u00e8s le d\u00e9but du confinement afin d\u2019avertir au plus vite ses clients en cas d\u2019anomalie de consommation.<\/p>\n\n\n\n

Afin d\u2019y parvenir, il a fallu dans un premier temps qualifier la consommation des sites <\/strong>en se posant les questions suivantes : Qu\u2019est-ce qu\u2019une consommation normale pour ce site ? Et qu\u2019est-ce qui doit \u00eatre consid\u00e9r\u00e9 comme anormal ?<\/p>\n\n\n\n

Pour cela, Giulia et son \u00e9quipe ont fait le choix d\u2019exploiter les <\/strong>courbes de charge<\/strong><\/a> P10 <\/strong>– soit la puissance appel\u00e9e toutes les 10 minutes – r\u00e9cup\u00e9r\u00e9es automatiquement gr\u00e2ce \u00e0 l\u2019API mise \u00e0 disposition par Enedis.<\/p>\n\n\n\n

\n

Point vocabulaire<\/h3>\n

API (Interface Applicative de Programmation) :<\/strong> canal de communication privil\u00e9gi\u00e9 permettant d\u2019\u00e9tablir des connexions entre plusieurs logiciels pour \u00e9changer des donn\u00e9es.<\/p>\n<\/div><\/div>\n\n\n\n

<\/p>\n\n\n\n

L\u2019\u00e9quipe s\u2019est ensuite affair\u00e9e \u00e0 d\u00e9terminer les niveaux de consommation avant et apr\u00e8s confinement <\/strong>pour chaque b\u00e2timent afin de calculer l\u2019\u00e9cart de consommation entre les deux situations.<\/p>\n\n\n\n

Dans le but de d\u00e9terminer un niveau de consommation cible pour chaque site en p\u00e9riode de confinement, l\u2019\u00e9quipe R&D s\u2019est bas\u00e9e sur la consommation enregistr\u00e9e la nuit entre 2h et 5h<\/strong> le mois pr\u00e9c\u00e9dent le confinement – les b\u00e2timents n\u2019\u00e9tant pas cens\u00e9s consommer beaucoup d\u2019\u00e9nergie \u00e0 ces horaires.<\/p>\n\n\n\n

Le niveau de consommation r\u00e9siduelle ainsi d\u00e9termin\u00e9 correspond alors au niveau de consommation atteignable \u00e0 n\u2019importe quel moment de la journ\u00e9e<\/strong> pendant le confinement pour les sites ne recevant aucun public.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Enfin, en partant du principe que toute consommation sup\u00e9rieure au niveau de talon pr\u00e9alablement d\u00e9fini peut \u00eatre r\u00e9duit, l\u2019\u00e9quipe R&D a finalement calcul\u00e9 un ratio de puissances avant et apr\u00e8s confinement <\/strong>afin de d\u00e9terminer les sites pr\u00e9sentant une mauvaise r\u00e9gulation, et donc des gains \u00e9nerg\u00e9tiques et financiers \u00e0 la cl\u00e9. Sur plus de 3 500 sites, 40% d\u2019entre eux n\u2019avaient pas adapt\u00e9 leur niveau de consommation en p\u00e9riode de confinement.<\/p>\n\n\n\n

\u00c0 lire \u00e9galement : 5 bonnes pratiques pour \u00e9viter les d\u00e9rives de talon<\/a><\/em><\/p>\n\n\n\n

\n

Point vocabulaire <\/span><\/h3>\n

Niveau de talon :<\/strong> niveau de puissance correspondant \u00e0 la consommation r\u00e9siduelle en dehors des p\u00e9riodes d\u2019activit\u00e9, par exemple la nuit quand un magasin est ferm\u00e9. En effet certains \u00e9quipements doivent parfois rester allum\u00e9s, comme les cong\u00e9lateurs ou les data centers.<\/p>\n<\/div><\/div>\n\n\n\n

\"Courbe
Courbe de charge pr\u00e9sentant un niveau de talon normal, puis une d\u00e9rive de talon le 20\/11\/2019<\/em><\/figcaption><\/figure>\n\n\n\n

R\u00e9aliser des gains \u00e9nerg\u00e9tiques et financiers pendant le confinement<\/strong><\/h2>\n\n\n\n

L\u2019\u00e9tude men\u00e9e en quelques chiffres :<\/p>\n\n\n\n