La maintenance prédictive se développe sur les machines tournantes via l’analyse vibratoire. On voit ainsi des applications dans les énergies renouvelables sur les éoliennes et l’hydroélectricité. Ces techniques ne sont donc pas adaptées pour des centrales photovoltaïques. Or les exploitants de centrales PV détiennent de nombreux parcs disséminés sur un large territoire mais ne disposent pas d’outils pour anticiper la maintenance des équipements.

L’outil de maintenance prédictive développé dans le cadre du projet MP-PV est basé sur des outils d’apprentissage automatique, du domaine de l’intelligence artificielle. L’apprentissage non supervisé est utilisé sur des données entrées/sorties issues du fonctionnement des centrales PV et des modèles de performance des équipements du système pour prévoir les pannes. La différence entre les simulations et les mesures sont utilisées pour détecter les signes avant-coureurs de pannes. Cette détection est faite grâce à un algorithme de clustering. Cet outil se démarque des solutions proposées dans l’industrie PV de type thermographie. En effet, il met en œuvre les algorithmes issus du domaine de l’intelligence artificielle et ne nécessite pas d’intervention sur place pour son service de surveillance. De plus il tourne 24h/24h et ne sollicite l’intervention d’un technicien de maintenance que lorsqu’une panne est sur le point d’avoir lieu.

Automatique & Industrie va enrichir son offre de Tierce Maintenance Applicative pour proposer aux exploitants de centrales PV la mise en œuvre de services de maintenance prédictive.

La technologie a déjà été proposée dans le cadre d’un appel d’offre innovation de la CRE.