Le déploiement rapide des systèmes photovoltaïques (PV) à travers l’Europe et dans le monde entier est une réussite remarquable dans la transition vers une énergie plus propre. Cependant, derrière cet élan se cache un défi persistant et largement sous-estimé : les centrales photovoltaïques sont sous-performantes, souvent de manière silencieuse. Dans de nombreux cas, l’écart entre le rendement théorique et la production électrique réelle reste important et, malheureusement, cet écart n’est pas entièrement compris ni pris en compte par les opérateurs.
Des études récentes montrent que le taux de rendement moyen (PR) des installations PV oscille entre 75 et 85 %, selon la région et la stratégie de maintenance, avec des écarts considérables entre les sites. Par exemple, les données collectées sur les actifs PV américains suggèrent que les centrales PV affichent un rendement inférieur de 8 % (en moyenne) par rapport au rendement attendu (source : kWh Analytics, Solar Generation Index 2022). Ces pertes cachées s’accumulent et entraînent d’importants déficits financiers et des surplus en émission carbone, d’autant plus que le photovoltaïque devient clé dans les systèmes énergétiques européens.
L’une des principales raisons de cette inefficacité n’est pas le manque de données, mais plutôt l’absence d’interprétation efficace et d’informations exploitables. Presque toutes les centrales photovoltaïques modernes sont désormais équipées de systèmes de supervision en temps réel, qui produisent de grandes quantités de données opérationnelles : irradiance, puissance de sortie, état des onduleurs, température, etc. Mais dans de trop nombreux cas, ces données ne sont utilisées que pour des alarmes de base ou des comparaisons de rendement, et non pour des diagnostics approfondis des performances.
C’est là qu’interviennent les nouvelles générations de plateformes d’analyse avancée et d’intelligence des données, telles que celle développée par Heliocity. Ces outils exploitent les données brutes de supervision pour extraire les « signatures » électriques uniques qui révèlent les causes profondes des sous-performances, indétectables par simple inspection visuelle. Encrassement, ombrage, problèmes d’onduleur, dégradation des modules, écrêtage de l’onduleur, réduction de la production, pertes thermiques… : chacun de ces éléments laisse une empreinte spécifique dans les données et, avec le bon moteur d’analyse, peut être identifié, suivi et quantifié.
Il est essentiel de pouvoir distinguer les causes profondes et quantifier les pertes d’énergie associées à chacune d’entre elles. Sans cette clarté, les opérateurs se retrouvent avec des alertes de sous-performance vagues ou des écarts de rendement inexpliqués. Grâce à ces nouveaux outils, ils obtiennent des recommandations précises et exploitables : qu’il s’agisse de nettoyer un panneau encrassé, d’ajuster les paramètres de l’onduleur ou d’inspecter une chaîne de modules dégradés.
Le graphique ci-dessus illustre l’évolution des pertes d’énergie dans une installation photovoltaïque au fil du temps. Il montre la répartition des sous-performances en pourcentage du rendement théorique attendu du système, en fonction des conditions environnementales et des performances des équipements.
Pour tenir cette promesse à grande échelle, il est essentiel que les solutions de diagnostic répondent à trois critères fondamentaux : universalité, précision et automatisation. Une solution universelle doit s’adapter à tout type d’équipement photovoltaïque, quels que soient le fabricant, l’âge ou la configuration, qu’il s’agisse de systèmes installés sur les toits ou au sol, intégrés dans des serres ou d’autres applications novatrices. Elle doit également être très précise, capable de distinguer non seulement les différents types de défauts, mais aussi les causes et leurs effets, afin d’éviter les erreurs de diagnostic et les inefficacités. Enfin, le système doit être entièrement automatique, permettant des diagnostics rapides, reproductibles et rentables sur des milliers d’actifs sans dépendre d’une supervision manuelle. Ces caractéristiques sont essentielles pour garantir l’évolutivité et la cohérence des performances à mesure que le paysage photovoltaïque devient plus complexe et plus répandu.
Dans ce contexte, les données de supervision photovoltaïque évoluent d’un outil d’enregistrement passif à un outil proactif pour la prise de décision. Elles deviennent le fondement d’une exploitation et d’une maintenance (O&M) plus intelligentes, d’une meilleure gestion des actifs et, en fin de compte, d’un retour sur investissement (ROI) et d’une production d’énergie plus élevés. Cette approche est de plus en plus pertinente à mesure que les portefeuilles d’actifs photovoltaïques se développent et se diffusent sur le territoire, rendant les inspections sur site moins réalisables et les informations centralisées plus précieuses.
Cependant, les données de supervision seules ne suffisent pas toujours. Pour exploiter pleinement le potentiel diagnostique de la supervision des centrales photovoltaïques, cette couche numérique doit être enrichie d’informations concrètes provenant du terrain : l’œil et l’expertise des opérateurs, des images haute résolution prises par des drones, des scans thermiques et des métadonnées contextuelles provenant du site. Par exemple, les images prises par des drones peuvent confirmer l’étendue et l’emplacement des ombres ou des dommages suspectés à partir des analyses, tandis qu’un technicien sur place peut identifier des obstacles physiques, de la végétation ou une inclinaison incorrecte que les données seules ne peuvent pas détecter.
Cette convergence des flux de données (provenant des capteurs, du ciel et du sol) constitue la prochaine frontière en matière d’intelligence des actifs photovoltaïques. C’est l’une des ambitions centrales du projet Solaris, une initiative collaborative soutenue par l’Union européenne et menée par un consortium multidisciplinaire de 15 partenaires. Le projet vise à créer un nouvel écosystème où les connaissances numériques rencontrent la réalité opérationnelle, permettant ainsi un diagnostic photovoltaïque et une optimisation des performances plus rapides, plus intelligentes et plus rentables.
Le défi ne consiste plus à collecter des données, mais à relier les bons points et à transformer ces données en actions ciblées et efficaces.
Projet Solaris : faire le lien entre l’analyse avancée et l’intelligence de terrain
Dans le cadre du projet SOLARIS, Heliocity fait office d’expert de référence en matière d’analyse et de diagnostic des performances photovoltaïques. Fort de ses années d’expérience dans la transformation de données brutes de supervision en informations exploitables, Heliocity apporte au consortium son expertise unique dans l’utilisation des données numériques pour une gestion plus intelligente des actifs photovoltaïques.
Heliocity est chargé d’intégrer des modèles analytiques dans une suite d’outils conviviaux adaptés aux opérateurs photovoltaïques. L’objectif : créer un environnement numérique complet et interopérable qui relie les prévisions météorologiques, le courtage d’électricité, les plateformes de gestion des actifs et les nouveaux équipements tels que les capteurs d’impédance et les onduleurs de nouvelle génération. Cet écosystème est conçu non seulement pour détecter les défauts, mais aussi pour relier ces résultats aux décisions opérationnelles et à l’impact financier.
En plus de ses analyses en arrière-plan, Heliocity développe une application mobile dédiée qui met ces informations directement à la disposition des techniciens sur site. Cette solution mobile traduira les diagnostics à distance en instructions sur le terrain et permettra aux opérateurs d’enrichir la plateforme d’analyse avec des observations sur le terrain, des résultats de tests et des images prises par drone, bouclant ainsi la boucle entre les données et l’action.
Heliocity développe également un système de gestion de flotte alimenté par l’apprentissage automatique, destiné aux opérateurs multi-sites. Ce système analysera en continu les données des centrales afin de détecter des tendances, d’estimer la probabilité et la gravité des pannes et d’aider à hiérarchiser les interventions de maintenance sur l’ensemble des portefeuilles. L’objectif est de passer d’une maintenance réactive à une maintenance prédictive, afin de maximiser le temps de fonctionnement, de minimiser les coûts et de garantir des performances durables pour divers parcs d’actifs.
Au sein de Solaris, la mission d’Heliocity est de garantir que les diagnostics avancés sont non seulement prècis, mais aussi accessibles, interprétables et déployables dans le monde réel, afin de donner les moyens d’agir aux opérateurs photovoltaïques à tous les niveaux.
Travaux en cours
Alors que le projet SOLARIS fête son premier anniversaire, des progrès significatifs ont déjà été réalisés, jetant les bases des outils avancés d’exploitation photovoltaïque envisagés par le consortium.
Heliocity a livré un premier MVP de son application Field Control App, conçue pour relier l’analyse à distance aux actions des opérateurs sur site. Ce prototype intègre des données géospatiales et des schémas électriques logiques à l’aide du framework PVCollada, permettant une localisation précise des pannes et des workflows plus fluides pour les techniciens.
En matière de gestion de flotte, un système d’étiquetage structuré des données a été développé pour faciliter les algorithmes d’apprentissage automatique supervisé. Cette étape fondamentale a déjà donné des résultats encourageants : les modèles peuvent désormais identifier et modéliser les schémas d’encrassement, ce qui permet de mettre en place des stratégies de nettoyage dynamiques en fonction des conditions spécifiques du site et des pertes d’énergie potentielles. Cette approche promet des gains significatifs en termes de performances, d’efficacité opérationnelle et de maintenance. En outre, dans le cadre de l’outil d’aide à la décision en cours d’élaboration, une chaîne d’analyse a été mise en place afin d’estimer les pertes de performance résultant des principaux modes de défaillance et les gains économiques pouvant être réalisés grâce à une détection et une intervention précoces.
Le graphique ci-dessus montre comment le facteur d’encrassement évolue au fil du temps parallèlement aux principaux événements pluvieux. Ces informations permettent de mettre en évidence la dynamique d’encrassement et de nettoyage naturel du site et facilitent la conception d’un programme de nettoyage optimisé en équilibrant les coûts de nettoyage, l’efficacité du nettoyage et les prix de l’électricité.
Bien qu’ils n’en soient encore qu’à leurs débuts, ces premiers résultats démontrent le fort potentiel de Solaris pour transformer la manière dont les centrales photovoltaïques sont surveillées et entretenues, en combinant des diagnostics avancés, des informations en temps réel et une intelligence prédictive dans un ensemble d’outils opérationnels unifiés.
