2026-06-17T16:12:50.279574 image/svg+xml Matplotlib v3.10.8, https://matplotlib.org/

Your meter knows the grid

Un jumeau digital directement
à partir des données Smart Meter ?

Marc Gillioz · Midi Création · 23 juin 2026

→ pour avancer
Introduction

Un réseau électrique
de distribution

  • Zone résidentielle
  • Basse tension (400 V)
  • Lien entre transformateur de quartier et habitations
  • Composé de bus (nœuds) connectés par des lignes (arrêtes)
  • Topologie en arbre

Fonction historique

  • Distribution d'énergie électrique
  • Flux unidirectionnel: du transformateur aux habitations

Fonction actuelle et future

Rôle modifié avec la transition énergétique

  • Production solaire distribuée
  • Autoconsommation
  • Flux bidirectionnels
  • Pics de puissance plus élevés
Jumeau digital

Jumeau digital

Nécessaire pour:

  • Planification et dimensionnement
  • Précision des prédictions
  • Monitoring en temps réel

Smart Meters

  • Collecte automatique de données de consommation
  • Parfois tension également
  • Relevé au quart d'heure
  • 80% des habitations équipées à fin 2027

2026-06-22T22:11:54.687069 image/svg+xml Matplotlib v3.10.8, https://matplotlib.org/

Réseau

  • Topologie
  • Longueur des lignes
  • Type de cable
  • Caractéristiques électriques
Notre projet

Calcul de power flow

Prédictions

  • Tension à chaque bus
  • Courant sur chaque ligne

Données nécessaires

  • Charge à chaque nœud: puissance active et réactive
  • Topologie et impédance des lignes (résistance et réactance)

Problème inverse ?

  • Déterminer le réseau à partir des charges et des tensions
  • Assez facile si toutes les charges et tensions sont connues
  • Plus compliqué s'il manque des données, ou si la topologie est inconnue
  • Mais possible avec un algorithme statistique
Algorithme

Étape 1: calcul des résistance entre paires

  • Méthode statistique basée sur la corrélation entre puissance à un nœud et tension à un autre
  • Estimation de la résistance effective
  • Les erreurs diminuent quand le volume de données augmente
  • Hypothèse: pas de corrélation entre les consommations

Étape 2 : reconstruction du réseau

  • Comparaison des distances résistives
  • Détection de relations
    "frère-sœur" ou "parent-enfant"
  • Topologie inférée itérativement
  • Fortement dépendant de la qualité de l'étape 1
Challenges

Corrélation entre consommations

Très fortes, notamment à cause du solaire, mais aussi à cause de la moyenne au quart d'heure

2026-06-23T09:46:18.711458 image/svg+xml Matplotlib v3.10.8, https://matplotlib.org/

Pre-processing

Réduction des corrélations par analyse factorielle

2026-06-23T09:47:02.105084 image/svg+xml Matplotlib v3.10.8, https://matplotlib.org/

Robustesse de la reconstruction

  • En principe plus d'information que nécessaire si les résistances sont connues entre toutes les paires de nœuds
  • Mais sensible aux erreurs d'estimation de la résistance
  • Plus efficace si la topologie est connue (totalement ou partiellement)

Questions & discussion

Le défi

L'inférence de réseau: problème intéressant mais difficile

L'opportunité

Disponibilité des données smart meter

La réalisation

Résultats prometteurs, à suivre...

Merci pour votre attention !