Bruxelles, 23 novembre 2016 - Madrileña Red de Gas et Atos ont réussi à doubler le taux de succès des mesures prises pour combattre la fraude qui touche la consommation de gaz sur le réseau de distribution de la compagnie. Il leur a ainsi été possible de réduire les pertes d’énergie dues à des connexions frauduleuses ou à des pertes de réseau. Le projet a en outre permis à Madrileña Red de Gas d’approfondir sa connaissance de son propre réseau de distribution de gaz, d’en identifier les points forts et les éléments qui pouvaient encore faire l’objet d’améliorations afin d’optimiser ainsi sa stratégie de protection de ses revenus et d’améliorer ses processus et procédures.

Solution analytique Atos Codex

Le project, qui a fait l’objet d’une présentation à l’occasion de la European Utility Week qui se déroulait à Barcelona du 15 au 17 novembre (le stand Atos a notamment proposé une démo de sa nouvelle caméra Welcome), a recours à la solution analytique Atos Codex, une solution de gestion des pertes non techniques destinée aux compagnies de gaz et d’électricité. Cette solution, qui est proposée en mode SaaS (software-as-a-service), collecte des informations au départ des systèmes de la société et les analyse en les combinant à des données venant d’autres sources, en faisant appel à un ensemble de modèles mathématiques d’apprentissage automatique (machine learning). La solution contribue à effectuer de meilleures prédictions au sujet des stations d’approvisionnement subissant des pertes non techniques. Après avoir effectué les inspections nécessaires, les résultats sont analysés et servent de matière d’apprentissage afin d’encore améliorer l’efficacité des modèles prédictifs. Le système a été conçu de telle sorte que l’apprentissage des modèles puisse s’effectuer sur le terrain. Ils s’améliorent d’eux-mêmes à mesure que de nouveaux clients s’ajoutent. Ils garantissent ainsi un effet d’échelle qui est rarement possible dans des scénarios d’utilisation individuelle de tels outils.

Protection des revenus

Détecter des pertes non techniques a un impact majeur sur les activités d’une société. On note toutefois que la plupart des compagnies d’énergie n’ont pas recours à des potentiels analytiques prédictifs évolués pour protéger leurs revenus. “Elles ont l’impression d’une grande complexité”, explique Carlos Recio, directeur d’Atos Worldgrid Spain chez Atos, “complexité à laquelle Atos Codex apporte une solution." Détecter des pertes non techniques exige de disposer d’informations provenant d’un ensemble relativement large de données internes à l’entreprise et d’informations sur les actifs, les équipements, leur topologie et les activités sur le terrain. Pour améliorer les modèles prédictifs, il est en outre nécessaire d’incorporer à ce jeu de données des informations externes à l’entreprise - telles que des données météorologiques, des données démographiques et des données concernant les activités de l’entreprise. Grâce à l’ensemble de ces informations, dûment traitées et analysées, il devient possible de développer des modèles prédictifs dont la complexité dépasse la capacité dont disposent généralement les entreprises.

“Ce scénario complexe explique le taux de succès relativement modeste que rencontrent les inspections traditionnelles - il excède rarement les 5 % - alors même que ces inspections représentent un coût supplémentaire”, déclare Carlos Recio. Jusqu’à présent, les inspections menées pour détecter des vols d’énergie, étaient généralement effectuées de manière aléatoire et, dans le meilleur des cas, appliquaient une certaine forme de logique élémentaire, dans l’espoir d’améliorer le taux de détection qui oscillait entre 2 et 7%. Raison pour laquelle la rentabilité de cette démarche a souvent été remise en question.

Un changement est désormais intervenu: grâce à des solutions telles qu’Atos Codex, la détection de ces pertes non techniques est devenue une procédure financièrement abordable et rentable pour les compagnies de distribution d’énergie. “En exploitant notre aptitude à gérer de grands volumes de données, à les interpréter et à les paramétrer, on obtient des taux de succès oscillant entre 30 et 40%”, déclare Carlos Recio. “Cela permet à nos clients de récupérer rapidement des revenus en cas de fraude ou d’erreurs de compteurs, et ce, avec un délai de retour sur investissement inférieur à un an.”