Computer Vision: mettons les compagnies d’électricité au courant

par | Oct 17, 2019 | Use Case

incendie

 

Retour des coupures d’électricité en Californie en raison des risques d’incendie

Pacific Gas & Electric Co. (PG&E) a récemment déclenché des pannes d’électricité en Californie afin d’éviter l’apparition d’incendies de forêt causés par le vent sur leurs lignes électriques et leur équipement, envoyant ainsi des centaines de milliers de personnes à la recherche de produits essentiels pour vivre sans courant pendant plusieurs jours. Les pannes pourraient toucher plus de 2 millions de personnes et, selon certaines estimations, coûter plus d’un milliard de dollars aux entreprises et aux résidents.

Bien que les compagnies d’électricité évitent généralement les pannes, PG&E prend ce risque, de peur de causer un autre incendie de forêt comme celui qui a fait 85 morts et détruit 14 000 maisons l’an dernier dans le comté de Butte. Les victimes de cet incendie ont déposé plus de 7 milliards de dollars en réclamations d’assurance contre la compagnie, qui a fait faillite en janvier dernier.

 
 

Les pannes à grande échelle ne sont pas une solution durable

Nombre de politiciens ont fustigé la direction de PG&E et se sont insurgés contre ces longues coupures de courant délibérées. Le sénateur Scott Wiener de San Francisco a proposé un projet de loi pour limiter les coupures, refusant de laisser PG&E “normaliser les pannes de courant massives”. Il est vrai que les pannes pourraient durer jusqu’à une semaine pour certains clients, ce qui représente un risque sanitaire pour les personnes vulnérables.

La raison pour laquelle ces pannes sont longues est que même après l’amélioration des conditions météorologiques, PG&E doit vérifier les lignes avant de rétablir les services, un processus fastidieux qui devrait prendre jusqu’à cinq jours.

 

 

Faire de la maintenance prédictive grâce à la computer vision

Si les feux de forêt sont principalement causés par l’activité humaine, le mauvais entretien et la corrosion de pylônes électriques sont des facteurs de risques importants. C’est d’ailleurs cela qui a causé les incendies meurtriers l’année dernière: une attache défaillante a pu laisser une ligne de 115.000 volts entrer en contact avec un pylône métallique, provoquant des étincelles qui auraient enflammé la végétation voisine.

Afin d’anticiper et de minimiser ces risques, les entreprises énergétiques doivent rendre leurs infrastructures “intelligentes” pour mieux interagir avec leur environnement et améliorer l’entretien des infrastructures. Pour cela, elles peuvent mettre en place un système de maintenance prédictive, qui permet de prévoir les défaillances avant qu’elles ne surviennent, en évaluant l’état des équipements et en détectant les signes avant-coureurs de pannes.

Aujourd’hui, le diagnostic de l’état de corrosion des pylônes se fait soit par l’ascension des pylônes et examen à l’oeil nu de tous les composants pour évaluer l’ampleur de la corrosion (une méthode longue et fastidieuse), soit par la réalisation de prises de vue (à partir d’appareils photo embarqués sur des drones) qui sont ensuite examinées une à une pour détecter visuellement quel est le degré de corrosion de l’élément concerné. Le problème est que le nombre de prises de vue à traiter est très important, et il est impossible de valider sur site le diagnostic établi, car celui-ci se fait plus tard, au bureau.

La computer vision résout aisément ce problème. Cette technologie permet d’analyser, traiter et comprendre les photos ou vidéos qui ont été prises, permettant de localiser automatiquement, en temps réel, le degré de corrosion des infrastructures. La CV permet même de classifier le niveau de corrosion des supports métalliques (corrosion superficielle, pénétrante, ou profonde et perforante) pour une cartographie détaillée du réseau électrique. Cela représente un gain de temps considérable et un gage de sécurité pour les entreprises concernées.

En se munissant de computer vision, des entreprises telles que PG&E peuvent automatiser la détection de corrosion de leurs infrastructures, au pylône près, afin d’avoir une connaissance précise et en temps réel de la situation. Cela permet d’éviter des coupures de courant généralisées, et surtout, de minimiser les risques d’incendie.

 

Article publié sur le Blog d’Augustin Marty, sur l’Usine Nouvelle.

Augustin Marty est le PDG et co-fondateur de deepomatic, start-up spécialisée dans le développement de solutions de reconnaissance d’images pour les industriels. Diplômé de l’Ecole nationale des Ponts et Chaussées, il a créé sa première entreprise en Chine à l’âge de 22 ans, puis a travaillé notamment pour Vinci Construction sur la vente et la conception de projets d’ingénierie.

Share This