ACTUALITÉ SCIENTIFIQUE
ET INNOVATION DE L'ÉTS
Une prise de courant intelligente pour prévenir les incendies - Par : Hanen Hattab,

Une prise de courant intelligente pour prévenir les incendies


Hanen Hattab
Hanen Hattab est doctorante en sémiologie à l’UQAM. Ses recherches portent sur les pratiques d’art et de design subversifs et contre culturels comme le vandalisme artistique, le sabotage et les détournements culturels.

Prise électrique en feu à la suite d’un arc électrique

L’image d’entête a été acheté sur Istock et est protégée par des droits d’auteur.

L’utilisation simultanée d’appareils électriques à forte consommation dans la maison peut créer une surcharge du circuit, ce qui entraîne l’échauffement des câbles et peut provoquer un incendie. La domotique gagne donc à être encore plus intelligente en évitant les problèmes électriques qui peuvent endommager tous ses dispositifs.

Les détecteurs d’arc servent certes à détecter les arcs électriques, appelés dans le langage courant étincelles, et à couper le courant afin d’éviter les incendies. Or souvent ils sont très sensibles et réagissent en réponse à des pointes de courant inoffensives. Les arcs qui ne présentent pas de danger pour une installation électrique sont parfois provoqués par le simple branchement d’un électroménager.

Une technologie créée au sein du Massachusetts Institute of Technology servira à améliorer le fonctionnement des prises électriques afin d’éviter les coupures de courant inutiles tout en protégeant les électroménagers et les appareils contre les arcs électriques.

Un disjoncteur d’arc classique

Une prise munie d’un réseau de neurones

Il s’agit d’une prise intelligente qui grâce à l’intelligence artificielle permet de discriminer les différents types d’arcs (dangereux ou bénins) et de déclencher le disjoncteur seulement en cas de danger. En effet, l’équipe de chercheurs du Department of Mechanical Engineering a conçu un algorithme d’apprentissage machine qui analyse les différents types de signaux d’un circuit électrique. L’algorithme permet de distinguer les différents arcs électriques en les comparant à ceux qui ont servi à entraîner le système.

L’interrupteur se compose de :

  1. Un micro-ordinateur Raspberry Pi Model 3, chargé d’enregistrer les données et d’exécuter le réseau de neurones.
  2. Un processeur à faible coût qui consomme peu d’énergie et sert à enregistrer les données du courant électrique entrant.
  3. Une pince ampèremétrique sans contact placée autour du fil de sortie. Elle sert à mesurer le courant électrique à partir du champ magnétique généré par ce dernier.
  4. Une carte son USB relie le micro-ordinateur et la pince. Ce type de carte, utilisée dans les ordinateurs classiques, sert à capter les données produites par les circuits électriques et se caractérise par la capacité à intercepter une large gamme de signaux, des plus faibles aux plus élevés. La carte comporte un convertisseur analogique-numérique intégré qui échantillonne les signaux à 48 kilohertz (48 000 mesures par seconde). Elle est aussi munie d’une mémoire tampon intégrée pour entreposage temporaire des données acheminées vers le micro-ordinateur. Les fonctions de la carte permettent au système de surveiller l’activité du réseau électrique d’une maison en temps réel.

Connectée à une application, la technologie peut servir, en cas de réalisation de plusieurs réseaux domestiques, à analyser et partager les données sur la consommation électrique. Elle serait capable aussi de déterminer, en étant connecté à distance à un appareil électrique, si ce dernier peut être branché ou non. Le partage des données anonyme et sécurisé de plusieurs maisons permettrait d’affiner les capacités de l’algorithme. Plus le système reçoit des données, plus il devient efficace.

Tests et conclusions

Après avoir entraîné le réseau, l’équipe a testé le système en utilisant de nouvelles données provenant des mêmes appareils utilisés pendant la période d’apprentissage. Elle a constaté que le système était capable de faire la distinction entre les différents types de périphériques, par exemple entre un ventilateur et un ordinateur, avec une précision qui s’élève à 95,61 %. La ségrégation des bons et des mauvais signaux a atteint une précision de 99,95 %, ce qui est un peu plus élevé que celle des disjoncteurs de défaut d’arc (AFCI ) du marché. Le système a pu aussi réagir rapidement en déclenchant le circuit en moins de 250 millisecondes, une valeur équivalente à la performance des AFCI existants.

L’étude s’intitule « Real-time Deep Neural Networks for internet-enabled arc-fault detection ». Elle a été coécrite par Joshua E. Siegel, Shane Pratt, Yongbin Sun et Sanjay E. Sarma et publiée le 22 mai 2018.

Hanen Hattab

Profil de l'auteur(e)

Hanen Hattab est doctorante en sémiologie à l’UQAM. Ses recherches portent sur les pratiques d’art et de design subversifs et contre culturels comme le vandalisme artistique, le sabotage et les détournements culturels.

Profil de l'auteur(e)


commentaires

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *