Veille technologique

pour les professionnels de l’industrie
S’abonner

S’inscrire à l’hebdo de la techno :

Rechercher sur Industrie & Technologies

Facebook Twitter Google + Linkedin Email
×

partager sur les réseaux sociaux

Portraits de jeunes innovateurs : elle prédit le vent qu'il fera pour faire tourner les éoliennes

| | | | | | |

Par publié le à 06h22

Portraits de jeunes innovateurs : elle prédit le vent qu'il fera pour faire tourner les éoliennes

Morgane Barthod

Ils ont moins de 35 ans, mais ont déjà à leur actif des réalisations prometteuses. Découvrez les portraits de jeunes innovateurs distingués par la MIT Technology Review. Aujourd'hui, Morgane Barthod, 25 ans et co-fondatrice de la start-up MétéoSwift en 2015 avec Corinne Dubois, Isabelle Quenault et Benoit Rottembourg, nous explique comment elle veut aider les acteurs liés à la production d'énergie éolienne a mieux prévoir le vent qu'il fera demain, grâce à des outils de big data. 

Prévoir le temps qu’il fera, la veille pour le lendemain. Cette ambition chimérique n'est pas nouvelle mais les outils numériques permettent aujourd’hui d’aller plus loin que jamais dans la prévision météorologique. « Nous sommes à un tournant. On commence à avoir trop d’éoliennes pour les laisser injecter de l’électricité sur le réseau sans prévenir, estime Morgane Barthod, l’une de cofondatrice de la start-up Meteo Swift, et membre de la promotion 2017 des dix jeunes innovateurs français. Heureusement, aujourd’hui, l’intelligence artificielle permet d’avoir de meilleures prévisions. » Pour cela, Météo Swift croise divers champs de compétences : météorologie, modélisation numérique par dynamique des fluides (CFD), machine learning, optimisation et mathématiques décisionnelles. Elle commence par recueillir les données météorologiques disponibles, en particulier celles de Météo France. Puis il s’agit de descendre à l’échelle des éoliennes concernées en affinant les données. Ces données nourrissent un modèle numérique qui apprend et extrait la bonne information grâce à un historique de données précédentes. 

Les algorithmes de machine learning développés par la start-up sont spécifiques à chaque lieu et à chaque usage, précise Morgane Barthod : « Les besoins de prévision sont différents selon les usagers. Il s’agit pour l’un de gérer la stabilité du réseau, pour un autre de connaître les cas extrêmes possibles ou encore pour l’exploitant lui-même d’avoir de la précision sur la production attendue. Dans tous les cas, nous pensons que nous devons donner les meilleures informations pour faciliter la prise de décision. » Dans les Dom Tom par exemple, des batteries sont couplées aux parcs éoliens pour minimiser le risque que le réseau ne plante. Les mêmes enjeux existent pour le photovoltaïque, mais s’appuient sur les données satellites.

Nos clients ont besoin d’incertitudes

Morgane Barthod, 25 ans, polytechnicienne, spécialisée dans l’énergie, a commencé ses travaux sur le sujet dès 2015. Lors de son stage de fin d’études, à l’Ecole Polytechnique Fédérale de Lausanne (EPFL), elle travaille dans un bureau d’études sur la cartographie de la ressource éolienne. L’expérience décide la scientifique à l’enthousiasme communicatif à lancer son activité. Elle code la première version du système, et créé la start-up avec sa tutrice de stage Corinne Dubois, spécialisée dans l'éolien, Isabelle Quenault, ingénieure météorologue, et Benoit Rottembourg, docteur en mathématiques et spécialiste de "l'optimisation combinatoire". Aujourd’hui la start-up compte dix personnes et des premiers clients pilotes depuis novembre 2016.

La start-up s’est concentrée pour l’instant sur l’éolien terrestre mais va également travailler sur les problématiques de l’éolien offshore. « Les éoliennes y sont plus grosses, et les problématiques encore plus importantes ». Aux données météorologiques, Metéo Swift pourrait aussi coupler les données de maintenances, les éoliennes étant de plus en plus instrumentées pour recueillir ces dernières. De son Côté, Météo France développe des modèles probabilistes  pour délivrer des prévisions qui ne soient plus linéaires mais basées sur un modèle probabiliste. « L’idée est de proposer 12 scénarios qui se développent à 42 heures, détaille Morgane Barthod. Nos clients ont besoin d’incertitudes. En utilisant les données de Météo-France, nous pouvons leur dire : vous avez 20% de chances d’avoir telle météo. » 

Abonnez-vous et accédez à l’intégralité de la veille technologique

Commentaires

Réagissez à cet article

* Informations obligatoires

erreur

erreur

erreur