L’hydroélectricité est un enjeu majeur de la transition énergétique. Ainsi, Enel Green Power développe Dam Behavior. Il s’agit d’une plateforme prédictive pour la maintenance des centrales hydroélectriques. Il pourrait s’agir d’une des étapes pour soutenir la transition énergétique.
Optimiser la production d’hydroélectricité
De cette manière, Enel Green Power cherche à optimiser leurs performances grâce à son modèle en s’appuyant sur des systèmes informatiques numériques. Dans le cadre du projet PresAGHO, cette technologie a déjà été appliquée. Il s’agit maintenant de les étendre à la surveillance des ouvrages de génie civil produisant de l’hydroélectricité.
C’est dans cette perspective que Enel Green Power travaille à la diffusion de cette technologie. Cette dernière permettra de renforcer la sécurité hydraulique et la résilience de l’énergie hydroélectrique. En 2022, elle accompagne plus de 360 grands barrages que le groupe exploite à travers le monde.
Dam Behavior regroupe une série d’algorithmes développés par les ingénieurs, les chercheurs et les exploitants du groupe depuis 2019. L’International Commission on Large Dams (ICOLD) a d’ailleurs validé ces modèles prédictifs.
Dans la pratique, ils sont censés repérer les signes d’éventuelles anomalies dans les centrales produisant de l’hydroélectricité. Alessandro Benanti, responsable de la maintenance et de l’analyse des risques des installations chez Hydro EGP, explique:
« L’analyse des erreurs insérée dans ce processus de « maintenance prédictive » nous permet d’identifier très tôt tout comportement anormal naissant. […] Si ces comportements anormaux sont dûment traités à temps, ils peuvent être gérés et résolus avec une utilisation encore plus efficace des ressources tout en minimisant le risque qu’ils se reproduisent à l’avenir. »
Les informations récupérées peuvent ainsi être soutenues par les technologies d’apprentissage automatique et de détection des anomalies. Les algorithmes doivent alors permettre de suivre l' »état de santé » des barrages.
Illustration par Alejandro Martinez de Andres
