Prédiction de la consommation électrique d'une ligne métro
Le besoin
Dans un contexte d'optimisation de la performance énergétique des réseaux de transport, la RATP souhaite mieux anticiper la consommation électrique de ses lignes, notamment sur la ligne 14.
L'objectif est de disposer d'outils permettant de prévoir les niveaux de consommation afin d'optimiser l'exploitation, d'anticiper les besoins énergétiques et de mieux piloter les infrastructures.
La solution
La solution repose sur l'exploitation des données disponibles au sein de la RATP à travers des modèles d'analyse basés sur l'intelligence artificielle.
Cette approche vise à :
- Analyser les données historiques de consommation
- Identifier les facteurs influençant les variations énergétiques
- Développer un modèle prédictif adapté aux spécificités de la ligne
L'expérimentation
L'expérimentation a consisté à entraîner et tester des modèles prédictifs à partir des données de la ligne 14.
Les travaux ont permis de structurer les données, de développer les algorithmes et d'évaluer la pertinence des prédictions en conditions réelles d'exploitation.
Les apprentissages
Ce sprint a permis de :
- Développer un modèle prédictif fonctionnel pour la ligne 14
- Valider la capacité à exploiter les données existantes à des fins de prévision
Ces résultats confirment le potentiel de l'intelligence artificielle pour améliorer le pilotage énergétique des infrastructures.
Hitachi Rail est l’un des principaux acteurs de l’industrie ferroviaire mondiale qui emploie plus de 13 000 personnes à travers le monde et propose une offre complète de produits et de services qui inclue le design et la production de matériel roulant, la conception de technologies numériques, systèmes de signalisation, l’exploitation et la maintenance 24/7 de systèmes de transport ferroviaires et urbains.
L’implication de Hitachi Rail dans le Rail Open Lab est motivée par sa stratégie d’innovation dans les domaines de la digitalisation et de la décarbonisation qui contribuent à l’évolution du ferroviaire vers une mobilité plus intelligente et plus durable.
