Présentation
DeepRun – Deep Learning for Reunion Energy Autonomy
La stratégie de spécialisation intelligente pour la recherche et l’innovation S3 2021-2027 de La Région Réunion cherche à atteindre l’objectif, parmi tant d’autres, de l’autonomie électrique d’ici 2023 (Siby, 2020). Et le programme régional « Green Revolution, La Réunion île solaire et terre d’innovation » proposent d’encourager davantage les sources renouvelables (solaire, vent, thermique, biomasse) et de stocker les énergies non exploitées par des moyens durables. Les axes prioritaires n°1 et n°4 du programme FEDER sont d’investir dans les leviers de croissance, et progresser vers la transition énergétique et l’autonomie électrique. En effet deux leviers sont disponibles, la première est l’augmentation des énergies renouvelables (biomasse, solaire, …) et la seconde est la maitrise des énergies intermittentes (solaire et vent) par le stockage d’hydrogène.
D’ici 2023, les centrales de charbon devront être converties en centrale à biomasse (ALBIOMA, 2020). Or, à ce jour il n’existe pas de cartographie fine du domaine agricole sur le territoire réunionnais, rendant difficile la caractérisation des surfaces agricoles à l’échelle de l’île. La télédétection par images satellitaires offre un moyen de produire de la connaissance des sols à grande échelle tout en ayant un coût raisonnable. Cette captation d’image permet non seulement d’atteindre des zones difficiles d’accès, mais ouvre à une revisite périodique pour le suivi de projets. La végétation se distingue facilement du béton (Gaetano et al., 2018). Cependant, différencier la canne à sucre du maïs, ou les vergers créoles arborés avec des résolutions satellitaires est une tâche bien plus difficile. Les approches récentes de type Deep Learning promettent ici d’analyser efficacement les quantités phénoménales de données (Watanabe et al., 2020) et d’améliorer les classifications d’usage du sol tout en étant facilement exploitables par un utilisateur (Ayhan et al., 2020). Ces outils seront ainsi mis en place dans le cadre du projet DeepRun pour obtenir des cartographies fines d’usages du sol.
Parmi l’ensemble des moyens de stockage durable, l’hydrogène représente un vecteur d’énergie d’avenir, très prometteur pour le territoire. En ce sens, la France vient de lancer le programme de relance hydrogène pour l’horizon 2030. Malgré tout, de nombreux verrous technologiques et sociétaux restent à résoudre. Pour réduire les coûts de production, le Japon vient par exemple d’inaugurer la plus grande centrale électrolyseur au monde. Le manque de fiabilité par l’apparition des défauts de fonctionnement (Dijoux et al., 2017) est l’un des nombreux challenges. Les outils classiques de diagnostic n’intègrent que les variables extérieures qui sont difficilement interprétables avec peu de sensibilité. Le projet DeepRun vise à améliorer la compréhension et la détection de ces défauts en intégrant les observations internes aux outils classiques. Et, les méthodes récentes de Deep Learning présentent d’excellents résultats dans ce genre d’application (Haas et al., 2020).
Le projet postdoctoral DeepRun étudie de manière transversale les outils d’intelligence artificielle pour la reconnaissance d’images afin d’accompagner une transition vers l’indépendance énergétique.
Durée du projet postdoctoral : 18 mois (octobre 2021 – mars 2022)