FR3015717A1 - Procede de detection d'une anomalie dans un signal de mesure - Google Patents

Abstract

L'invention concerne le domaine des techniques de détection d'une anomalie dans un signal de mesure issu d'un nœud observé Y d'un réseau. Le réseau peut plus particulièrement comprendre une structure arborescente comprenant, outre le nœud observé Y, une pluralité de nœuds non-observés Z1, Z2,... Zp connecté au nœud observé. L'anomalie à détecter est plus particulièrement susceptible de survenir au niveau des nœuds non-observés. L'invention consiste à exprimer le signal de mesure comme une somme de fonctions adaptatives de variables explicatives, chaque fonction déterminant un comportement attendu du signal de mesure en fonction d'une des variables explicatives et pouvant être adaptée aux observations successives du signal de mesure, pour détecter toute anomalie comme une adaptation d'au moins une des fonctions allant au-delà d'une limite acceptable.

Description

Procédé de détection d'une anomalie dans un signal de mesure L'invention concerne le domaine des techniques de détection d'anomalies dans un signal de mesure. L'invention concerne plus particulièrement le domaine des techniques de détection d'anomalies dans un signal de mesure issu d'un noeud observé Y d'un réseau. Le réseau concerné peut comprendre une structure arborescente, telle qu'illustrée à titre exemplatif sur la figure 1, qui, outre le noeud observé Y, cette structure arborescente comprend une pluralité de noeuds non-observés Z1, Z2, ... Zp. Chaque noeud non-observé est connecté au noeud observé Y ; un noeud non-observé pourra par la suite être appelé « particule » du noeud observé. Le signal de mesure y issu du noeud observé Y est supposé être une somme de sous-signaux z1, z2, ..., Zp qui seraient issus des particules Z1, Z2, ..., Zp du noeud observé Y, si ces particules étaient observées. En ce sens, le noeud observé est considéré être, comme illustré sur la figure 1, situé en amont de la structure arborescente par rapport à ses particules. Dans ce contexte, il est avantageux de savoir détecter une anomalie susceptible de survenir au niveau des particules Z1, Z2, ... , Zp d'un noeud observé Y de l'arborescence, autrement dit à un niveau aval non-observé de l'arborescence par rapport au noeud observé Y. Bien que la solution présentement proposée ne soit pas limitée à une application au réseau de distribution d'énergie électrique, mais peut au contraire être étendue à tout réseau ayant une structure arborescente telle qu'illustrée sur la figure 1, comme des réseaux de distribution de gaz ou d'eau par exemple, les problèmes liés à la détection d'anomalies dans ce type de structure sont explicités ci-dessous dans le contexte particulièrement illustratif des réseaux de distribution d'énergie électrique. Des techniques de détection d'anomalies d'un réseau électrique qui reposent sur des principes de détection d'anomalies directement sur le signal 3015 717 2 de mesure ont d'ores et déjà été développées. Parmi ces techniques, de nombreux algorithmes de détections d'anomalies prenant la forme de détection de ruptures du signal de mesure ont été proposés dans la littérature, que ce soit en traitement du signal, en 5 traitement d'images ou en statistiques, et éventuellement en application dans les réseaux électriques. Par exemple, des méthodes de détection d'anomalies "simples" consistent à mesurer l'écart entre une valeur observée du signal de mesure et la valeur nominale que le signal de mesure devrait avoir (EP 0049235 Al : 10 « Procédé de détection de perturbations d'une tension électrique alternative provoquant la commutation de l'utilisation vers une autre source de courant »). Par un autre exemple, des méthodes de détection d'anomalies sur des signaux de mesure compressés consistent essentiellement en l'utilisation de méthodes statistiques (EP 1122646 B1 : « Procédé de détection d'anomalies 15 dans un signal »). Ces solutions présentent certains inconvénients. Par exemple, dès lors qu'est détectée une rupture du signal de mesure lui-même, deux anomalies se compensant l'une l'autre pour une variation sensiblement nulle du signal de mesure ne peuvent être détectées. En outre, la mise en oeuvre de ces 20 solutions peut nécessiter l'installation sur le réseau de dispositifs électrotechniques dédiés. Par ailleurs, de nouveaux aléas viennent perturber les flux de distribution d'énergie électrique (essor de production d'énergies intermittentes, « effacement » de la consommation, évolution des comportements de 25 consommation sous l'effet de dynamique commerciale et/ou environnementale, etc.). Il s'impose aux acteurs du réseau de distribution d'énergie électrique de savoir détecter ces aléas subis, de les localiser et le cas échéant de réagir suffisamment vite à leur survenance. En ce sens, de nouveaux outils de mesures sont déployés, tels que les compteurs communicants (Linky® sur le réseau de distribution d'énergie électrique en France) dans le cadre des « Smart Grids » (pour réseau électrique de distribution « intelligent »), qui apportent de plus en plus d'informations à analyser et offrent la possibilité de réaliser des analyses plus complexes. En particulier, couplés à des techniques d'estimations statistiques avancées, ils permettent d'estimer des composantes de consommations individuelles (consommation liée au chauffage, << effacement » de consommation, etc.) alors qu'il est souvent impossible de réaliser des mesures directes de ces composantes.

Dans ce contexte, la présente invention propose un procédé fiable et robuste de détection d'une anomalie dans un signal de mesure issu d'un noeud observé Y d'une structure arborescente, l'anomalie étant susceptible de survenir à un niveau non-observé de la structure arborescente. A cette fin, le procédé de détection d'une anomalie dans un signal de mesure issu d'un noeud observé Y d'un réseau selon l'invention est essentiellement tel qu'il comprend : - exprimer une valeur yt du signal de mesure à un instant t comme une somme de valeurs de fonctions (fi,t, ---, fi,t, ---, fN,t), chaque fonction fi,t dépendant d'une variable Xi parmi un ensemble de variables (X1, ..., XN) et chaque valeur de fonction fi,t étant prise à une valeur xi donnée de la variable Xi correspondante, chaque fonction fi,t déterminant un comportement attendu à l'instant t du signal de mesure, - à un instant t+At, observer la valeur yt+At du signal de mesure, - adapter au moins une fonction fi,t à la valeur yt+At observée du signal de mesure pour obtenir une fonction adaptée fi,t+m, chaque fonction adaptée fi,t+At étant susceptible de déterminer un comportement attendu à l'instant 4,81 du signal de mesure, - à partir de chaque fonction adaptée fi,t+At obtenue, calculer une valeur d(fi,t+At,fi,t) de variation de la fonction fi,t, cette valeur d(fi,t+ot,fj,t) quantifiant une variation du comportement attendu du signal de mesure entre les instants t et t+At, - comparer la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t à une valeur seuil Mi prédéterminée correspondant à une limite de variation de la fonction fi,t entre les instants t et t+At, et - si la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est supérieure à ladite valeur seuil Mi, détecter l'anomalie comme une variation du comportement attendu du signal de mesure entre les instants t et 4,81 supérieure à une limite acceptable de variation dudit comportement. Le procédé permet ainsi avantageusement de détecter une anomalie comme un changement de comportement jugé inacceptable d'au moins une composante du signal de mesure, chaque composante fi,t étant estimée en fonction d'une variable Xi exogène au signal de mesure, pour une détection d'anomalies plus fiable et plus robuste qu'une détection d'anomalies sur le signal de mesure lui-même. Selon une particularité, le réseau est une structure arborescente, l'anomalie est susceptible de survenir à un niveau non-observé de la structure arborescente, et l'ensemble de variables (X1, ..., ..., XN) comprend au moins une variable relative à un état du niveau non-observé de la structure arborescente. Le procédé permet ainsi avantageusement de détecter une anomalie de façon corrélée à une architecture particulière du réseau. Selon une particularité, ladite au moins une fonction fi,t est en outre adaptée à une valeur xi de la variable Xi à l'instant t+At. Le procédé permet ainsi avantageusement de prendre en compte une éventuelle variation des liens du signal aux différentes variables entre deux observations du signal de mesure.

Selon une autre particularité, le procédé comprend en outre : remplacer, dans l'expression de la valeur yt du signal de mesure y à un instant t, chaque fonction fp ayant été adaptée par la fonction adaptée fi,t+At correspondante, en substituant l'indice temporel t+At par l'indice temporel t.

Le procédé permet ainsi avantageusement de mettre à profit les adaptations antérieures du comportement de chaque composante du signal de mesure pour une détection ultérieure. Selon une autre particularité, au moins une fonction fp est apprise, selon un modèle d'apprentissage, à partir de valeurs du signal de mesure observées antérieurement à l'instant t. Le procédé permet ainsi avantageusement que chaque composante du signal de mesure à l'instant t soit significative d'une évolution antérieure du signal de mesure. Selon une variante de la particularité précédente, adapter ladite au moins une fonction fp comprend implémenter le modèle d'apprentissage. Le procédé permet ainsi avantageusement d'intégrer l'adaptation de chaque composante du signal de mesure à l'apprentissage de l'évolution du signal de mesure. Selon une autre particularité, pendant l'intervalle de temps At, un nombre d'observations successives du signal de mesure est réalisé qui est fixé indépendamment pour chaque fonction fi,t en fonction d'une variabilité temporelle de la variable Xi correspondante par rapport à l'intervalle de temps At. Le procédé permet ainsi avantageusement de ne réaliser l'adaptation d'une composante du signal de mesure que lorsque celle-ci est susceptible d'être significative, notamment pour optimiser les ressources informatiques et la capacité de calculs. Selon une autre particularité, - le niveau non-observé de la structure arborescente comprend une pluralité de noeuds non-observés (Z1, Z2, ..., Zp) connectés au noeud observé Y pour former au moins une partie de la structure arborescente, - le signal de mesure correspond à une somme de sous-signaux (zi, z2, zp) issus des noeuds non-observés (Zi, Z2, ..., Zp), et - au moins une variable Xi est relative à un état d'au moins un des noeuds non-observés (Z1, Z2, ..., Zp) de la structure arborescente. Le procédé permet ainsi avantageusement de corréler l'anomalie détectée à au moins un noeud non-observé de la structure arborescente. Selon une autre particularité : - la structure arborescente est un réseau de distribution d'énergie électrique, - la valeur yt du signal de mesure est choisie parmi une tension efficace, une intensité efficace, une énergie active soutirée, et une puissance active ou réactive, instantanée ou moyenne, par phase, totale triphasée ou par quadrant, et - les variables Xj sont choisies parmi au moins un profil de consommation d'énergie électrique par consommateur ou groupe de consommateurs, des données relatives à un consommateur ou à un groupe de consommateurs, des données historiques de consommation et/ou de production d'énergie électrique par consommateur ou groupe de consommateurs, des données météorologiques et des données calendaires.

Le procédé est ainsi avantageusement appliqué à un réseau de distribution d'énergie électrique. Selon une variante, à partir d'un ensemble de valeurs {x1} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est calculée comme une somme, sur un ensemble In comprenant lesdits instants antérieurs à l'instant t, l'instant t et l'instant t+At, de puissances paires de différences entre la valeur de la fonction fi,t et la valeur de la fonction adaptée fi,t+At correspondante, chaque différence étant prise à la valeur xi de la variable explicative Xi correspondante dans la somme. Le procédé permet ainsi avantageusement de quantifier le changement de comportement de chaque composante du signal de mesure sur une pluralité d'observations récentes de la variable Xi correspondante, pour une quantification plus juste.

Selon une autre variante, à partir d'un ensemble de valeurs {xi} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, et à partir d'une fonction de pondération Wk de la variable Xi définie sur le support de Xi, Wk étant une fonction de type noyau Gaussien, la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est calculée comme une somme, sur l'ensemble des valeurs {xi}, de puissances paires de différences entre la valeur de la fonction fi,t et la valeur de la fonction adaptée fi,t+At correspondante, chaque différence étant prise à une valeur xi de la variable Xi correspondante dans l'ensemble et étant pondérée par la valeur de la fonction de pondération Wk en cette valeur xi de la variable Xi. Le procédé permet ainsi avantageusement de quantifier le changement de comportement de chaque composante du signal de mesure sur une pluralité de valeurs de la variable Xi correspondante en donnant une prépondérance aux valeurs proches d'une des dernières valeurs observées de la variable Xi, pour une quantification plus juste. La présente invention vise également un serveur informatique pour la mise en oeuvre du procédé précédemment décrit, le serveur comportant un processeur propre à exécuter des instructions, une interface d'entrée pour l'obtention de données de mesures issues d'un dispositif de mesure, une interface d'échange de données avec une base de données et une interface de sortie pour la visualisation de données de détection sur un dispositif de visualisation. La présente invention vise en outre un produit programme d'ordinateur comportant des instructions pour la mise en oeuvre du procédé précédemment décrit, lorsque ce programme est exécuté par un processeur. Ce programme peut utiliser un langage quelconque de programmation (par exemple, un langage objet ou autre), et être sous la forme d'un code source interprétable, d'un code partiellement compilé ou d'un code totalement compilé. La figure 2, décrite en détails ci-après, peut former l'organigramme de l'algorithme général d'un tel produit programme d'ordinateur. Les avantages procurés par le serveur et le produit programme d'ordinateur, tels que succinctement exposés ci-dessus, sont au moins identiques à ceux mentionnés plus haut en liaison avec le procédé selon le premier aspect de l'invention. D'autres caractéristiques et avantages de l'invention ressortiront clairement de la description qui en est faite ci-après, à titre indicatif et nullement limitatif, en référence aux dessins annexés, dans lesquels : - la figure 1 représente schématiquement une partie au moins d'une structure arborescente dans laquelle une anomalie est susceptible de survenir, - la figure 2 représente un organigramme du procédé de l'invention, - la figure 3 est un graphique sur lequel est représenté une fonction fi,t et une fonction adaptée fi,t+At à une valeur yt+At du signal de mesure observée à l'instant t+At, - la figure 4 représente le graphique de la figure 3 sur lequel est illustré un mode de quantification du changement de comportement du signal de mesure selon une variante du procédé de l'invention, - la figure 5 représente le graphique de la figure 3 sur lequel est illustré un mode de quantification du changement de comportement du signal de mesure selon une autre variante du procédé de l'invention, - les figures 6a et 6b sont deux graphiques sur chacun desquels sont représentées une fonction fp l'instant t et une fonction fi,t+At adaptée à une valeur yt+At du signal de mesure observée à l'instant 4,81 pour respectivement deux variables Xi différentes, la température (FIG. 6a) et l'effacement (FIG. 6b), et - la figure 7 représente une architecture matérielle dans laquelle peut être mis en oeuvre le procédé selon l'invention. L'invention est décrite ci-après dans son application aux réseaux de distribution d'énergie électrique à des consommateurs. Elle n'est pas limitée à une telle application et peut par exemple être appliquée aux réseaux de distribution d'eau ou de gaz, ou à d'autres types de réseau tels que les réseaux sociaux. Dans le contexte de la distribution d'énergie électrique, la structure arborescente, dont au moins une partie est illustrée sur la figure 1, comprend un réseau de distribution d'énergie électrique. Un noeud observé Y de la structure arborescente comprend par exemple un poste de transformation HTB/HTA (poste source). En outre, un niveau non-observé de la structure arborescente comprend par exemple une pluralité de noeuds non-observés Z1, Z2, ..., Zp, tels que des compteurs électriques de particuliers, d'entreprises ou de collectivités, ou des équipements représentatifs de petits agrégats de consommation comme un poste source HTA/BT. Chaque noeud non-observé est directement ou indirectement connecté au noeud observé Y pour former au moins une partie de la structure arborescente. Le procédé vise notamment à permettre de détecter une anomalie à partir d'un signal de mesure, noté y, issu du noeud observé Y du réseau de distribution d'énergie électrique.

L'anomalie est susceptible de survenir au niveau non-observé du réseau, autrement dit au niveau des particules du noeud observé Y. Un signal de mesure est généralement défini comme un signal envoyé dans un système dans le but de vérifier son bon fonctionnement. Il peut s'agir plus particulièrement ici d'un signal significatif de l'énergie électrique transmise, à travers le noeud observé Y, aux particules de ce noeud. Dans le contexte de la distribution d'énergie électrique, le signal de mesure y, observé en temps réel, peut être choisi parmi : Puissance active instantanée par phase [en W], Puissance active instantanée totale triphasée [en W], Puissance réactive instantanée par phase [en « var », pour « volt- ampère, réactif »], Puissance réactive instantanée totale triphasée [en var], Puissance réactive instantanée par quadrant (01, Q2, Q3 et Q4) [en var], Puissance apparente instantanée par phase [en VA], Puissance apparente instantanée totale triphasée [en VA], Puissance active moyenne par phase [en W], Puissance active moyenne totale triphasée [en W], Puissance réactive moyenne par phase [en var], Puissance réactive moyenne totale triphasée [en var], Puissance réactive moyenne par quadrant (01, Q2, Q3 et Q4) [en var], 3015 71 7 11 Puissance apparente moyenne par phase [en VA], Puissance apparente moyenne totale triphasée [en VA], Energie active soutirée (index 1 à N) [en Wh], Facteur de puissance [sans unité], 5 Tensions efficaces (phases 1, 2 et 3) [en V], et Intensités efficaces (phases 1, 2 et 3) [en A]. La durée d'intégration des puissances instantanées peut prendre différentes valeurs. Par exemple, ces puissances peuvent être intégrées sur 1, 2, 5, 10, 15, 30 et 60 secondes. La durée d'intégration des puissances 10 moyennes peut également prendre différentes valeurs. Ces valeurs peuvent par exemple être de 1, 5, 10, 30 ou de 60 minutes. Plus généralement, la périodicité des observations de la valeur du signal de mesure peut augmenter pour améliorer la précision des calculs décrits ci-dessous ou au contraire être réduite pour accélérer ces calculs. 15 Cette périodicité peut être fixe ou variable. Si elle est fixe, elle peut par exemple être mensuelle, hebdomadaire, journalière, horaire ou encore quasi- instantanée (minutes, secondes, millisecondes). Par exemple, une périodicité journalière pour des consommateurs résidentiels et une périodicité horaire pour des consommateurs industriels est classique. 20 Tel qu'illustré sur la figure 1, le signal de mesure y peut correspondre à une somme de sous-signaux z1, zi, zp issus des noeuds non-observés Z1, ..., Zi, Zp du réseau. Le procédé selon l'invention est destiné à être mis en oeuvre dans une architecture matérielle telle qu'illustrée sur la figure 7. L'architecture 25 comprend : - un serveur informatique 1, - un dispositif de mesure 2, - une base de données 3, et - un dispositif de visualisation 4. 30 Le serveur 1 comprend un processeur 10, une interface d'entrée 11 pour l'obtention de données de mesures issues du dispositif de mesure 2, une interface d'échange de données 12 avec la base de données 3 et une interface de sortie 13 pour la visualisation de données de détection sur le dispositif de visualisation 4. Le processeur 10 est au moins apte à implémenter toute étape de calcul du procédé selon l'invention.

Le dispositif de mesure 2 permet d'observer le signal de mesure y issu du noeud observé Y en mesurant ses valeurs au cours du temps. Le dispositif de mesure 2 peut comprendre un capteur ou un ensemble de capteurs, chacun associé fonctionnellement, voire structurellement, à un noeud observé de la structure arborescente.

Le dispositif de mesure 2 peut en outre comprendre une ou plusieurs stations météorologiques réparties dans une zone géographique sur laquelle est déployée la structure arborescente. Le dispositif de mesure 2 peut communiquer avec la base de données 3 de sorte que les valeurs qu'il mesure puissent y être stockées. Le dispositif de mesure 2 peut en outre communiquer les données de mesure directement au serveur 1 via l'interface d'entrée 11 de ce dernier. La base de données 3 est en outre propre à stocker toute information pouvant être utile à l'estimation, voire à la prévision, des valeurs du signal de mesure y. Les informations stockées sur la base de données peuvent comprendre un profil de consommation d'énergie électrique par consommateur ou groupe de consommateurs (type de contrat passé entre le consommateur et le fournisseur d'énergie, tarif en cours, etc.), des données relatives aux consommateurs (type de chauffage, type d'habitation, nombre de personnes dans l'habitation), des données historiques de consommation (relevés de consommation, de facturation) et/ou de production d'énergie électrique (éolienne ou photovoltaïque) par consommateur ou groupe de consommateurs, des données météorologiques (ensoleillement, nébulosité, vent, température, etc.) et/ou des données calendaires (type de jour, heure, dates des vacances scolaires, jours fériés, etc.).

La base de données 3 est en outre propre à stocker des données représentatives du réseau de distribution électrique, telles que le nombre de postes de transformation sur le réseau, le nombre de compteurs électriques connectés par poste de transformation, la localisation géographique d'au moins une partie des postes de transformation et des compteurs électriques. La base de données 3 est encore propre à stocker des modèles de prévision et des données simulées ou non sur la base de ces modèles tels que des scénarii d'évolution de température et/ou des scénarii d'évolution de portefeuille clients. Les données stockées dans la base de données 3 peuvent provenir d'une pluralité de sources de données, tels que l'Internet, des instituts météorologiques, les compteurs dits intelligents, etc. Elles peuvent également être renseignées par les utilisateurs du procédé selon l'invention. Il existe potentiellement un grand nombre de dispositifs de mesure 2. En revanche, la base de données 3 peut permettre le stockage centralisé des données. La ou les bases de données 3 se situent préférentiellement au plus près du ou des serveurs 1 mettant en oeuvre le procédé selon l'invention. Serveurs 1 et bases de données 3 peuvent être couplés deux à deux et répartis sur un territoire donné (régional, départemental, communal, ou autres). Chaque dispositif de mesure 2 peut être associé à un unique couple serveur 1 - base de données 3.

Le dispositif de visualisation 4 permet, aux utilisateurs du procédé de détection mis en oeuvre par le serveur 1, de visualiser les résultats du procédé. A cette fin, il communique avec le serveur via l'interface de sortie 13 de ce dernier. Le dispositif de visualisation 4 peut comprendre une interface graphique et un dispositif d'affichage d'au moins un message d'alerte généré et envoyé par le serveur 1 pour au moins alerter les utilisateurs de la détection d'une anomalie selon le procédé de l'invention. Le message peut être de type texto ou courriel par exemple. Des ordres de gestion de production et/ou de consommation peuvent également être transmis aux utilisateurs via le dispositif de visualisation 4.

Le dispositif de visualisation 4 peut en outre être apte à communiquer avec la base de données 3 pour y stocker les messages d'alerte et des informations sur la suite donnée à la détection d'une anomalie, notamment afin de permettre l'analyse et la production de retours d'expérience, éventuellement pour la reconnaissance de schémas de survenance d'anomalies.

La communication entre les différents composants de l'architecture peut être basée sur tout type de protocole et de support physique de communication, tel qu'un réseau de communication WAN (« Wide-Area Network » pour réseau étendu), des passerelles ou concentrateurs intermédiaires ou encore un réseau de communication local NAN (« Neighborhood Area Network » pour réseau de voisinage), une liaison de télécommunication locale ou distante (via des courants porteurs en ligne ou « CPL », ou encore via un réseau de radiocommunication local ou via un réseau cellulaire de téléphonie mobile, ou autres). La communication entre les différents composants de l'architecture peut encore être basée sur toute combinaison des types de protocole et de support physique de communication susmentionnés. Le procédé de détection illustré sur la figure 2 repose sur l'hypothèse selon laquelle toute valeur yt du signal de mesure y à un instant t peut s'exprimer S10 sous la forme d'une somme de valeurs de fonctions (fit, fN,t) Yt = E7.11";,t(xi,t)+ Et où chaque fonction fp dépend d'une variable Xi compris dans un ensemble de variables (Xi, ..., XN) et est considérée à une valeur xi,t donnée à l'instant t de la variable Xi et où Et est un bruit blanc gaussien.

Chaque variable Xi peut plus particulièrement être spécifique à un consommateur ou à un groupe de consommateurs et/ou à un phénomène ayant un impact sur la consommation énergétique ; chaque variable de ce type peut être appelée 'variable explicative' en ce sens qu'elle explique ou indique un certain fonctionnement ou comportement du signal de mesure, ou plus particulièrement du comportement d'une composante j correspondante du signal de mesure. Chaque variable Xi peut en outre être une variable exogène au signal de mesure, en ce sens qu'elle n'est liée ni à la nature du signal de mesure, ni à ses valeurs, mais est définie en fonction de considérations extérieures à celles relatives au signal de mesure. Classiquement, il s'agit de variables météorologiques (température, nébulosité, rayonnement solaire, vent, etc.), de variables calendaires (type de jour, heure, dates des vacances scolaires, jours fériés, etc.), de variables tarifaires (offre tarifaire souscrite par le consommateur, évènements tarifaires comme les effacements, etc.), de variables socio-économiques (type d'habitat, nombre de personnes dans le logement, croissance économique, etc.), d'information sur l'installation électrique du consommateur (production décentralisée, pompe à chaleur, etc.) ou ses usages. Le nombre N de ces variables peut donc être relativement grand (de l'ordre de plusieurs dizaines). Par ailleurs, le nombre de ces variables peut varier en fonction du signal de mesure étudié. Les valeurs de ces variables sont par exemple collectées et stockées dans la base de données 3. Il apparaît dès lors que l'ensemble de variables (Xi, ..., XN) peut comprendre au moins une variable relative à un état du niveau non-observé de la structure arborescente ou plus particulièrement une variable relative à un état d'au moins un des noeuds non-observés Z1, ..., Zi, Zp du réseau. Chaque variable Xi dépend d'une manière qui lui est propre du temps ; une variabilité temporelle peut lui être associée qui dépend effectivement de sa nature. Par exemple, le fait que le consommateur bénéficie ou non d'une pompe à chaleur est pratiquement invariant dans le temps ; en revanche, la température peut évoluer d'heure en heure. Chaque variable Xi peut être définie sur un domaine fini de valeurs. Ce domaine peut comprendre un ensemble fini de valeurs discrètes ; par exemple, lorsque la variable Xi est spécifique au type de jour, elle peut prendre une valeur différente par jour ou une valeur pour les jours ouvrés et une autre valeur pour les jours fériés. Les valeurs de la variable Xi peuvent également être définies de façon continue sur le domaine de définition de la variable Xj; par exemple, la température peut être définie sur un domaine allant de -80°C à +80°C et peut prendre n'importe quelle valeur dans ce domaine. Le domaine de définition de chaque variable peut être appris et être lui-même évolutif en fonction des données collectées au cours du temps et stockées dans la base de données 3. Chaque fonction fi,t détermine un comportement attendu à l'instant t du signal de mesure ou plus particulièrement de la composante j de ce signal. Dès lors que ce comportement attendu peut être supposé régulier et évolutif, chaque fonction fi,t peut également être supposée régulière et évolutive sur le domaine de définition de la variable Xi dont elle dépend. Chaque fonction fi,t peut ainsi être définie comme une fonction adaptative propre à s'adapter notamment à l'observation d'une nouvelle valeur du signal de mesure y. Le procédé met ces considérations à profit en prévoyant : - que, à un instant t+At, soit observée S20 la valeur yt+At du signal de mesure y, et - que soit adaptée S30 au moins une fonction fp à la valeur yt+At observée du signal de mesure, cette adaptation permettant d'obtenir une fonction adaptée notée fi,t+At. La figure 3 illustre les fonctions fp et fi,t+At estimées aux instants t et 4,81 suite à l'observation d'une nouvelle valeur du signal de mesure yt+At. On remarque que les valeurs fi,t(xi) et fi,t+At(xi) ne sont pas forcément égales suite à l'adaptation ou mise à jour S30. De la même façon que chaque fonction fp détermine un comportement attendu du signal de mesure à l'instant t, chaque fonction adaptée fj,t+At est susceptible de déterminer un comportement attendu du signal de mesure à l'instant t+At. Chaque fonction adaptée fi,t+At est plus particulièrement susceptible de mieux représenter le comportement attendu du signal de mesure, puisque cette fonction adaptée est déduite empiriquement de l'observation du signal de mesure, lorsque l'expression S10 de la valeur yt du signal de mesure à l'instant t peut n'être que purement théorique.

Il a été décrit jusqu'à présent une adaptation de la fonction fi,t en fonction de la seule valeur yt+At observée du signal de mesure. Toutefois, en fonction de la variabilité temporelle de la variable Xi relativement à l'intervalle de temps At, ladite au moins une fonction fp peut en outre être adaptée à une valeur xi de la variable Xi à l'instant t+At. Le procédé permet ainsi avantageusement de prendre en compte une éventuelle variation des variables X1, ..., XN entre deux observations du signal de mesure. Le pendant de cet avantage est que le procédé permet d'éviter d'avoir à récupérer systématiquement la valeur de la variable Xi à chaque adaptation S30, par exemple en imposant d'interroger systématiquement la base de données 3, lorsqu'il est su que cette valeur n'a pas variée pendant l'intervalle de temps At. La variabilité temporelle de la variable Xi peut également avoir un impact sur la question de savoir s'il est pertinent d'adapter la fonction fi,t à chaque observation du signal de mesure ou si, au contraire, il est plus pertinent de n'adapter la fonction fp qu'après un certain nombre d'observations du signal de mesure. Il est donc envisagé que, pendant l'intervalle de temps At, un nombre d'observations successives du signal de mesure puisse être réalisé qui soit fixé indépendamment pour chaque fonction fp en fonction d'une variabilité temporelle de la variable Xi correspondante par rapport à l'intervalle de temps At. Le procédé permet ainsi avantageusement de ne réaliser l'adaptation d'une composante du signal de mesure que lorsque celle-ci est susceptible d'être significative, pour optimiser les ressources informatiques et la capacité de calculs.

Par ailleurs, il est avantageux d'envisager que l'expression S10 de la valeur yt du signal de mesure à l'instant t puisse ne pas être purement théorique, mais, bien au contraire, qu'au moins une fonction fp ait été apprise, selon un modèle d'apprentissage déterminé, sur la base de valeurs du signal de mesure observées antérieurement à l'instant t. Le procédé permet ainsi avantageusement qu'au moins une fonction fi,t soit significative d'une évolution antérieure du signal de mesure.

Dans ce contexte, et notamment dès lors que le mode de réalisation du procédé illustré par la partie représentée en tirets longs de l'organigramme de la figure 2 est mis en oeuvre, il est cohérent que l'adaptation S30 de chaque fonction fi,t apprise comprenne l'implémentation du modèle d'apprentissage selon lequel cette fonction fi,t a été apprise. Le procédé permet ainsi avantageusement d'intégrer l'adaptation S30 de chaque composante du signal de mesure à l'apprentissage de l'évolution du signal de mesure. Il est à noter que le modèle d'apprentissage peut imposer à la fonction fi,t et à son évolution adaptative des contraintes de régularité sur son domaine de définition et permet dès lors de fixer, pour la fonction fi,t concernée, une valeur seuil Mi correspondant à une limite de variation acceptable de la fonction fi,t entre les instants t et t+At. Le procédé prévoit d'utiliser avantageusement chaque fonction adaptée fi,t+At obtenue pour détecter toute anomalie comme une variation du comportement attendu du signal de mesure y, ou plus particulièrement de la composante j du signal de mesure, entre les instants t et 4,81 qui serait supérieure à une limite acceptable de variation dudit comportement. Pour ce faire, le procédé enseigne de calculer S40 une valeur d(fi,t+At,fi,t) de variation de la fonction fi,t pour quantifier une variation du comportement attendu du signal de mesure y entre les instants t et t+At. A partir de chaque fonction adaptée fi,t+At obtenue et de la fonction fi,t dont la fonction adaptée est déduite, la valeur d(fi,t+m,fi,t) de variation de la fonction fi,t peut être calculée S40 d'au moins trois façons différentes qui sont présentées ci-dessous.

Tout d'abord, la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t peut être calculée selon une norme euclidienne généralisée de la différence entre la fonction fi,t et la fonction adaptée fi,t+At. La valeur d(fi,t+At,fi,t) de variation peut alors être plus particulièrement exprimée de la façon suivante : d(fi,t+At, fi,t) = (xi) - fi,t(x;)IIp où 11xlip = IP + lx2 IP + - + I xnI p )1/P avec p 1 et x = x2, ..., xii) de K. . Les deuxième et troisième façons de calculer la valeur d(fi,t+m,fi,t) de variation de la fonction fi,t considèrent des normes qui dépendent de la répartition des observations du signal de mesure et de la robustesse des estimations des fonctions fp et fj,t+At. Selon une première variante, la valeur d(fi,t+At,fi,t) de variation de la fonction fp peut être calculée de la façon illustrée sur la figure 4. En considérant un ensemble de valeurs {x1} de la variable Xi à des instants antérieurs à l'instant t, la valeur xi de la variable Xi à l'instant t et la valeur xi de la variable Xi à l'instant t+At, la valeur d(fi,t+At,fi,t) de variation de la fonction fp est calculée comme une somme, sur un ensemble In comprenant les instants antérieurs à l'instant 4,81 et l'instant t+At, de puissances paires de différences entre la valeur de la fonction fp et la valeur de la fonction adaptée fi,t+m, chaque différence étant prise à la valeur xj de la variable Xi correspondante dans la somme.

La valeur d(fi,t+At,fi,t) de variation peut alors être plus particulièrement exprimée de la façon suivante : d(fi,t+At, fi,t) = > (fi,t+At(xj,i) fj,t(Xj,i)) 2 iEln où In = (t - nLt, t - (n - 1)zt, t + At) avec n > 1. Dans l'exemple illustré sur la figure 4, il apparaît que la différence f", (xi,t-mt) f y(xi,t_mt) est nulle, les deux courbes étant confondues en l'abscisse Xi,t_mt, de sorte que seules les valeurs des courbes aux instants ultérieurs à l'instant t-301 influent réellement sur la valeur d(fi,t+m,fi,t) de variation. Le procédé permet ainsi avantageusement de quantifier le changement de comportement d'au moins une composante j du signal de mesure sur une pluralité d'observations récentes de la variable Xi correspondante, pour une quantification plus juste. Selon une seconde variante, la valeur d(fi,t+m,fi,t) de variation de la fonction fp peut être calculée de la façon illustrée sur la figure 5.

En considérant un ensemble de valeurs {x1} de la variable Xi à des instants antérieurs à l'instant t, la valeur xi de la variable Xi à l'instant t et la valeur xi de la variable Xi à l'instant t+ At, et à partir d'une fonction de pondération Wk de la variable Xi définie sur le support de Xi, Wk étant une fonction de type noyau Gaussien, la valeur d(fi,t+At,tt) de variation de la fonction fi,t est calculée comme une somme, sur l'ensemble des valeurs {x1}, de puissances paires de différences entre la valeur de la fonction fi,t et la valeur de la fonction adaptée fi,t+At correspondante, chaque différence étant prise à une valeur xi de la variable Xi correspondante dans l'ensemble et étant pondérée par la valeur de la fonction de pondération Wk en cette valeur xi de la variable X. La valeur d(fi,t+At,tt) de variation peut alors être plus particulièrement exprimée de la façon suivante : cei,t+At, fi,t) = > Wk (xi) (fi,t+At (xi) fit(x;)) [xi} où {x1} est l'ensemble des valeurs de la variable Xi. Le procédé permet ainsi avantageusement de quantifier le changement de comportement d'au moins une composante j du signal de mesure y sur une pluralité de valeurs {x1} de la variable Xi correspondante en donnant une prépondérance aux valeurs proches d'une des dernières valeurs collectées de la variable Xi, pour une quantification plus juste. Il est à noter qu'une fonction Wk de type noyau Gaussien implique que la fonction Wk est définie en tous les points où la variable Xi est définie, et que l'intégrale de Wk sur son support de définition est égale à 1. La « fenêtre » k 2 définie, en quelque sorte, la largeur de la Gaussienne dans le cadre d'un noyau Gaussien. Les points éloignés du point xi sur lequel la fonction Wk est centrée auront par conséquent un poids très faible sur la valeur d(fi,t+At,fi,t) de variation.

Une fois calculé S40, la valeur d(fi,t+m,fi,t) de variation est, selon le procédé, comparée S50 à une valeur seuil Mi préférentiellement définie indépendamment pour chaque fonction fi,t. Lorsqu'il existe une composante j du signal de mesure pour laquelle la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est supérieure à ladite valeur seuil M1, 3 j E 1, , N tel que c(Î,,t+At, fj,t) Mj le procédé comprend la détection S60 de l'anomalie, celle-ci correspondant bien alors à une variation du comportement attendu du signal de mesure y entre les instants t et 4,81 supérieure à une limite acceptable de variation dudit comportement. Dans un mode de réalisation du procédé illustré par la partie représentée en tirets courts de l'organigramme de la figure 2, le procédé est bouclé en temps par substitution de l'indice temporel 4,81 par l'indice temporel t.

Dans un mode de réalisation alternatif du procédé illustré par la partie représentée en tirets longs-courts de l'organigramme de la figure 2, le fait que chaque fonction adaptée fi,t+At soit susceptible de représenter plus justement le comportement attendu du signal de mesure que ne le permet la fonction fi,t dont elle a été déduite est avantageusement exploité. Pour ce faire, le procédé envisage que chaque fonction adaptée fi,t+At vienne remplacer S100, dans l'expression S10 de la valeur yt du signal de mesure y à l'instant t, la fonction fi,t dont elle a été déduite, le bouclage du procédé étant réalisé par substitution de l'indice temporel 4,81 par l'indice temporel t. Dans l'exemple illustré par la partie représentée en tirets longs-courts de l'organigramme de la figure 2, il est plus particulièrement supposé que chaque fonction fi,t a été adaptée S30 et remplacée S100. Le procédé permet ainsi avantageusement de mettre à profit les adaptations antérieures du comportement de chaque composante j du signal de mesure pour une détection ultérieure. Pour illustrer l'apport du procédé selon l'invention par rapport aux procédés de détection de rupture du signal de mesure lui-même, considérons un cas observable dans lequel deux anomalies se compensent l'une l'autre pour résulter en une variation sensiblement nulle du signal observé. Considérons également les figures 6a et 6b qui illustrent comment réagit, dans ce cas, le procédé selon l'invention pour un signal de mesure correspondant par exemple à la puissance active instantanée totale triphasée [en kW], notée P. A titre d'exemple, le cas considéré peut être observé, par exemple du fait d'une baisse de température, lorsque : - un premier consommateur thermosensible, son habitation étant par exemple équipée de chauffage électrique, aurait dû consommer une quantité significative d'énergie électrique, mais n'en a rien fait du fait d'une défaillance du système de chauffage, et - un deuxième consommateur n'a pas su respecter une consigne d'effacement Eff, selon laquelle il s'engageait à ne pas dépasser un niveau maximal de consommation, et a effectivement consommé plus d'énergie électrique qu'il ne s'était engagé à le faire, le signal de mesure diminuant sensiblement d'autant du fait de la sous-consommation du premier consommateur qu'il n'augmente du fait de la surconsommation du deuxième consommateur, de sorte que la valeur Pt de la puissance P à l'instant t est sensiblement égale à la valeur Pt+At de la puissance P à l'instant t+At. Sur la figure 6a sont représentées, par deux courbes, la fonction f-ro,t et la fonction adaptée fp,t+At en fonction de la température T°, chacune de ces fonctions déterminant un comportement attendu de la composante en température de la puissance P, aux instants t et t+At respectivement.

A l'instant t, une température T°(t) est relevée à laquelle correspond une valeur fTo(t) de la fonction f-nt. A l'instant t+At, une nouvelle température T°(t+At) est relevée à laquelle correspond une valeur f-ro(t+At) de la fonction fp,t+At. Ces deux valeurs peuvent être comme illustrées sur la figure 6a bien différentes entre elles ; dès lors, la valeur d(fp,t+At,fTo,t) de variation de la fonction f-nt pour s'adapter à la valeur Pt+At de la puissance P à l'instant 4,81 peut être supposée suffisamment élevée pour qu'une anomalie soit détectée. Sur la figure 6b sont représentées, par deux courbes, la fonction fEff,t et la fonction adaptée fEff,t+pt en fonction de la consigne d'effacement qui, à titre purement illustratif, peut prendre ici une des valeurs 0 et 1 et avoir la forme d'un créneau. Ces fonctions déterminent un comportement attendu de la composante de la puissance P relative à la consigne d'effacement, aux instants t et 4,81 respectivement. A l'instant t, aucune consigne d'effacement n'était enregistrée, la valeur de la consigne d'effacement est nulle, et la valeur fEff(t) de la fonction fEff,t est conforme à cette valeur relevée de la consigne d'effacement. Selon la fonction fEff,t en créneau, il était prévu une consigne d'effacement non nulle au temps t+At. Toutefois, à l'instant t+At, il s'est avérée que la consigne d'effacement n'a pu être respectée, et la fonction fEff,t a été adaptée à la valeur Pt+At de la puissance P à l'instant 4,81 ; du fait de cette adaptation, la valeur fEff(t+At) de la fonction fEff,t+At est égale à la valeur fEff(t) de la fonction fEff,t à l'instant t. Dès lors, la valeur d(fEff,t+At,fEff,t) de variation de la fonction fEff,t pour s'adapter à la valeur Pt+At de la puissance P à l'instant 4,81 peut être supposée suffisamment élevée pour qu'une anomalie soit détectée.

Au niveau du signal de mesure, la sous-consommation du premier consommateur compense la surconsommation du deuxième consommateur de sorte qu'aucune anomalie ne peut être détectée par une analyse de rupture du signal de mesure. Au contraire, le procédé selon la présente invention permet une analyse par composante j du signal de mesure et, comme illustré sur les figures 6a et 6b, une variation sensiblement nulle de la valeur du signal de mesure entre deux observations peut néanmoins conduire à la détection justifiée d'une anomalie.

Claims (13)

1. REVENDICATIONS1. Procédé de détection d'une anomalie dans un signal de mesure (y) issu d'un noeud observé Y d'un réseau, le procédé comprenant : - exprimer (S10) une valeur yt du signal de mesure (y) à un instant t comme une somme de valeurs de fonctions (fi,t, fi,t, fN,t), chaque fonction fi,t dépendant d'une variable Xi parmi un ensemble de variables (X1, ..., ..., XN) et chaque valeur de fonction fi,t étant prise à une valeur xi donnée de la variable Xi correspondante, chaque fonction fi,t déterminant un comportement attendu à l'instant t du signal de mesure (y), - à un instant t+.8,t, observer (S20) la valeur yt+At du signal de mesure (y), - adapter (S30) au moins une fonction fi,t à la valeur yt+At observée du signal de mesure pour obtenir une fonction adaptée fi,t+m, chaque fonction adaptée fi,t+At étant susceptible de déterminer un comportement attendu à l'instant 4.81 du signal de mesure (y), - à partir de chaque fonction adaptée fi,t+At obtenue, calculer (S40) une valeur d(fi,t+m,fi,t) de variation de la fonction fi,t, cette valeur d(fi,t+m,fi,t) quantifiant une variation du comportement attendu du signal de mesure (y) entre les instants t et t+.8,t, - comparer (S50) la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t à une valeur seuil Mi prédéterminée correspondant à une limite de variation de la fonction fi,t entre les instants t et t+.8,t, et - si la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est supérieure à ladite valeur seuil Mi, détecter (S60) l'anomalie comme une variation du comportement attendu du signal de mesure (y) entre les instants t et 4.81 supérieure à une limite acceptable de variation dudit comportement.
2. 2. Procédé selon la revendication 1, dans lequel le réseau est une structure arborescente, l'anomalie est susceptible de survenir à un niveau non- observé de la structure arborescente, et l'ensemble de variables (X1, ..., ..., XN) comprend au moins une variable relative à un état du niveau non-observé de la structure arborescente.
3. 3. Procédé selon l'une des revendications 1 à 2, ladite au moins une fonction fi,t est en outre adaptée à une valeur xi de la variable Xi à l'instant t+At.
4. 4. Procédé selon l'une des revendications 1 à 3, comprenant remplacer (S100), dans l'expression (S10) de la valeur yt du signal de mesure y à un instant t, chaque fonction fi,t ayant été adaptée par la fonction adaptée fi,t+At correspondante, en substituant l'indice temporel t+At par l'indice temporel t.
5. 5. Procédé selon l'une des revendications 1 à 4, dans lequel au moins une fonction fi,t est apprise, selon un modèle d'apprentissage, à partir de valeurs du signal de mesure (y) observées antérieurement à l'instant t.
6. 6. Procédé selon la revendication 5, dans lequel adapter (S30) ladite au moins une fonction fi,t comprend implémenter le modèle d'apprentissage.
7. 7. Procédé selon l'une des revendications 1 à 6, dans lequel, pendant l'intervalle de temps At, un nombre d'observations successives du signal de mesure (y) est réalisé qui est fixé indépendamment pour chaque fonction fi,t en fonction d'une variabilité temporelle de la variable Xi correspondante par rapport à l'intervalle de temps At.
8. 8. Procédé selon l'une des revendications 1 à 7, dans lequel : le niveau non-observé de la structure arborescente comprend une pluralité de noeuds non-observés (Z1, Z2, ..., Zp) connectés au noeud observé Y pour former au moins une partie de la structure arborescente,- le signal de mesure (y) correspond à une somme de sous-signaux (zi, z2, zp) issus des noeuds non-observés (Zi, Z2, ..., Zp), et - au moins une variable Xi est relative à un état d'au moins un des noeuds non-observés (Z1, Z2, ..., Zp) de la structure arborescente.
9. 9. Procédé selon l'une des revendications 1 à 8, dans lequel : - la structure arborescente est un réseau de distribution d'énergie électrique, - la valeur yt du signal de mesure (y) est choisie parmi une tension efficace, une intensité efficace, une énergie active soutirée, et une puissance active ou réactive, instantanée ou moyenne, par phase, totale triphasée ou par quadrant, et - les variables Xi sont choisies parmi au moins un profil de consommation d'énergie électrique par consommateur ou groupe de consommateurs, des données relatives à un consommateur ou à un groupe de consommateurs, des données historiques de consommation et/ou de production d'énergie électrique par consommateur ou groupe de consommateurs, des données météorologiques et des données calendaires.
10. 10. Procédé selon l'une des revendications 1 à 9, dans lequel : à partir d'un ensemble de valeurs {xi} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est calculée comme une somme, sur un ensemble In comprenant lesdits instants antérieurs à l'instant t, l'instant t et l'instant t+At,de puissances paires de différences entre la valeur de la fonction fi,t et la valeur de la fonction adaptée fi,t+At correspondante, chaque différence étant prise à la valeur xi de la variable explicative Xi correspondante dans la somme.
11. 11. Procédé selon l'une des revendications 1 à 9, dans lequel : à partir d'un ensemble de valeurs {xi} de la variable Xi à des instants antérieurs à l'instant t, de la valeur xi de la variable Xi à l'instant t et de la valeur xi de la variable Xi à l'instant t+At, et à partir d'une fonction de pondération Wk de la variable Xi définie sur le support de Xi, Wk étant une fonction de type noyau Gaussien, la valeur d(fi,t+At,fi,t) de variation de la fonction fi,t est calculée comme une somme, sur l'ensemble des valeurs {xi}, de puissances paires de différences entre la valeur de la fonction fi,t et la valeur de la fonction adaptée fi,t+At correspondante, chaque différence étant prise à une valeur xi de la variable Xi correspondante dans l'ensemble et étant pondérée par la valeur de la fonction de pondération Wk en cette valeur xi de la variable Xi.
12. 12. Serveur informatique (1) pour la mise en oeuvre du procédé de détection selon l'une des revendications 1 à 11, le serveur comportant un processeur (10), une interface d'entrée (11) pour l'obtention de données de mesures issues d'un dispositif de mesure (2), une interface d'échange de données (12) avec une base de données (3) et une interface de sortie (13) pour la visualisation de données de détection sur un dispositif de visualisation (4).
13. 13. Produit programme d'ordinateur comportant des instructions pour la mise en oeuvre du procédé selon l'une des revendications 1 à 11, lorsque ce programme est exécuté par un processeur (10).