Détection du Vol d'Électricité et des Pertes Non Techniques par la Mesure Multi-Niveaux
- Siroos Rahimi
- 2 sept.
- 4 min de lecture
Le vol d'électricité et les autres pertes non techniques (PNT) représentent un défi opérationnel significatif pour les utilities électriques. Les PNT peuvent entraîner une perte de revenus, une dégradation de l'utilisation des actifs et un risque accru de pannes.
Les utilities modernes se tournent vers des architectures de mesure multi-niveaux — déployant des dispositifs de mesure et de captage en des points stratégiques du réseau de distribution pour permettre une comptabilité énergétique granulaire et en temps réel. Cette approche de mesure stratifiée permet aux opérateurs d'identifier où se produisent les écarts et d'intervenir avant que les pertes ne s'accumulent.
Dans ce contexte, le LineWatch M (surveillance de départs MT), le LineWatch L (surveillance des transformateurs de distribution) et l'Infrastructure de Mesure Avancée (AMI) forment un système de mesure hiérarchique qui soutient à la fois l'efficacité opérationnelle et la détection des fraudes.
1. Structure de la Mesure Multi-Niveaux
Mesurage au Poste Source
Mesure l'énergie totale du départ quittant le poste.
Établit la référence énergétique de base pour les comparaisons en aval.
Utilise typiquement l'IEC 61850 ou le DNP3 pour l'intégration aux plateformes SCADA/EMS.
Mesurage des Branches MT
Installé sur les départs et embranchements moyenne tension (MT).
Mesure le courant, la tension, les puissances active et réactive, et le facteur de puissance.
Permet l'équilibrage énergétique par section et la détection de conditions de charge anormales.
Communique via Ethernet, cellular, … en utilisant des protocoles SCADA (DNP3).
Compteurs de Transformateurs de Distribution
Installés sur le secondaire des transformateurs basse tension (BT).
Mesurent l'énergie agrégée du quartier et les profils de charge.
Mesurent le courant, la tension, les puissances active et réactive, et le facteur de puissance.
Fournissent une visibilité au niveau du transformateur pour la santé des actifs et la détection des PNT.
Compteurs Intelligents AMI
Installés chez chaque client.
Mesurent la consommation individuelle avec une haute résolution temporelle.
Forment un réseau maillé RF, CPL ou cellulaire pour livrer les données au système Head-End (HES) de l'utility.
2. Méthodologie de Détection des Fraudes et PNT
Le cadre de détection utilise une réconciliation énergétique couche par couche :
Étape 1 — Comparaison Poste-Branche
Comparer l'énergie totale du poste source à la somme de toutes les lectures des LineWatch M.
Perte ici → Potentiel vol sur le départ MT, branchement non autorisé amont, ou erreur de mesure du départ.
Étape 2 — Comparaison Branche-Transformateur
Comparer le total de chaque LineWatch M à la somme de ses transformateurs LineWatch L connectés.
Perte ici → Vol possible à l'interface MT/BT, transformateurs non mesurés, ou défaut des capteurs MT.
Étape 3 — Comparaison Transformateur-Client
Comparer chaque transformateur LineWatch L à la somme de ses compteurs AMI connectés.
Perte ici → Probable branchement non autorisé sur le réseau BT, compteurs bypassés, ou dispositifs AMI défectueux.
3. Techniques de Détection Avancées
La détection moderne des PNT ne se limite pas au simple équilibrage énergétique. Les analytiques avancées améliorent la précision et réduisent les faux positifs :
3.1 Corrélation de Séries Temporelles
Aligne les données horodatées des compteurs de poste, départ, transformateur et client.
Détecte les déviations synchronisées indiquant un vol à un niveau spécifique du réseau.
Utilise des coefficients de corrélation statistique ou l'analyse de phaseurs synchronisés.
3.2 Analytique des Profils de Charge
Les modèles de Machine Learning (ML) tels que les réseaux de neurones LSTM, les autoencodeurs et les modèles convolutionnels apprennent les courbes de charge typiques.
Détecte :
Les anomalies ponctuelles (pics ou chutes soudaines)
Les anomalies contextuelles (déviation à des heures/jours spécifiques)
Les anomalies collectives (périodes anormales prolongées)
Permet des alertes proactives avant que les écarts ne deviennent significatifs.
3.3 Profilage Comparatif
Regroupe les clients avec des profils de consommation similaires (ex: clustering k-means, clustering hiérarchique).
Signale les sous-déclarations en identifiant les valeurs aberrantes qui s'écartent significativement de la consommation attendue de leur groupe de pairs.
Utile dans les zones résidentielles denses avec des profils socio-économiques et d'appareils similaires.
3.4 Déclenchement d'Événements
Les LineWatch M et L peuvent détecter des événements transitoires (ex: connexion soudaine de charge, déséquilibre de phase).
Déclenche une capture de données ciblée à haute résolution et une analyse forensique.
Réduit le besoin d'une surveillance continue à haut volume.
3.5 Avantages de l'Approche Multi-Niveaux
Localisation Précise des Pertes – Isole l'emplacement du vol à une section de départ, un transformateur ou un client spécifique.
Réduction des Coûts de Terrain – Réduit les zones d'inspection, diminuant les dépenses opérationnelles.
Intervention Rapide – Les alertes en temps réel permettent des actions plus rapides de prévention des vols.
Conformité Réglementaire – Soutient la traçabilité pour les chiffres des PNT reportés.
Optimisation des Actifs – Améliore la gestion de la charge et les décisions de dimensionnement des transformateurs.
Conclusion
Le déploiement de la mesure multi-niveaux avec LineWatch M, LineWatch L et l'AMI permet aux utilities de combiner des mesures de qualité ingénierie avec des analytiques avancées pour la détection des fraudes et des PNT. L'intégration des données opérationnelles en temps réel avec des algorithmes de machine learning crée un système qui n'est pas seulement réactif mais prédictif — améliorant à la fois la fiabilité du réseau et la performance financière.
