Prédire la consommation électrique de groupe SNCF grâce à la data

SNCF Energie est en charge de l’achat d’électricité pour les différents transporteurs sur les marchés financiers. L’enjeu pour la filiale est de parvenir à prédire avec une précision maximale les volumes de consommation. A travers son projet ENF, Energy Need Forecast, ITNOVEM accompagne le Groupe et prédit les ordres d’achat à effectuer le plus tôt possible.

Publié le 28 mai 2024 par Com itnovem

« La consommation annuelle d’électricité de traction du groupe SNCF est équivalente à celle d’un réacteur nucléaire ! », s’exclame Rémi Bihouis, directeur de mission data chez ITNOVEM. La SNCF est le premier consommateur industriel d’électricité en France (hors EDF). L’énergie est donc un enjeu majeur pour le Groupe !

Pour couvrir ce besoin important en électricité, la filiale SNCF Energie est en charge de l’achat pour les différents transporteurs du Groupe et effectue les opérations d’acquisition sur les marchés avec deux enjeux :

Anticiper la consommation future :

• Déterminer la consommation future en fonction des plans de transport

Acheter au plus tôt :

• Acheter le maximum à long terme pour s’éviter les effets de marché et profiter des prix les plus bas possibles
• Ajuster les quantités à moyen terme et court terme jusqu’à J-1

Comment anticiper la consommation électrique ?

Pour acheter au meilleur prix, la SNCF doit parvenir à prédire, avec une précision maximale, les volumes de consommation d’énergie des différents transporteurs sur ces différents cycles :

• Court terme (J-1 à 3 semaines)
• Moyen terme (jusqu’à 6 mois)
• Long terme (de 6 mois à 3 ans)

ITNOVEM est alors sollicitée. « Initialement, nous avons lancé un POC sur la prédiction électrique en 2019 et finalement le POC s’est transformé en une vraie application industrielle à travers ENF, Energy Need Forecast, tant elle apportait des gains pour la filiale », explique Rémi Bihouis.

Le modèle de machine learning ainsi que l’infrastructure mise en place par ITNOVEM, permettent de prédire les ordres d’achat à effectuer, le plus tôt possible, tout en garantissant la bonne volumétrie d’énergie pour le Groupe et en maîtrisant les coûts.

Plus de 8 variables rentrent en compte dans la modélisation :

• La consommation passée
• L’historique du trafic
• Le tonnage
• La météo
• Les perturbations
• Le plan de transport
• Les temps de stationnement
• Les vacances

« Nos équipes prennent en compte une dizaine de variables. La consommation en énergie de traction dépend, effectivement, de nombreux paramètres dont les influences croisées sont complexes à prédire. Rien ne dit, par exemple, qu’un même matériel roulant nécessitera la même quantité d’énergie selon la météo, le nombre d’arrêts à effectuer, la ligne sur laquelle il circule, etc. », détaille Lucas Philibert, chef de projet ENF au sein de SNCF Energie.

Le nombre d’arrêts, la masse des rames et le profil topographique des lignes empruntées jouent aussi un rôle important dans la prédiction de la consommation d’électricité. « Il faut se rendre compte du tonnage d’un train et de sa longueur. Pour un train de 500 mètres et de plus de 1 000 tonnes, la force nécessaire à sa mise en circulation induit un pic d’énergie important qu’il est nécessaire d’anticiper ! », ajoute Lucas.

Trois modèles de prédiction différents

Trois modèles de prédiction existent pour s’adapter aux achats effectués sur du long terme, moyen terme et court terme. « Grâce à nos trois modèles, on achète à peu près 80% de l’électricité du groupe SNCF trois ans en avance. Puis, une fois que le plan de transport s’affine, on ajuste le modèle pour acheter les quantités restantes. On fait des corrections chaque jour pour que le modèle soit le plus précis possible et s’adapte au mieux à toutes les variables qui évoluent au cours du temps », détaille le chef de projet.

Une fois les prévisions de consommation établies, elles sont directement transmises aux équipes de traders de SNCF Energie qui peuvent effectuer, sur cette base et en avance, des ordres d’achats. Un modèle profitable pour le Groupe qui peut ainsi sécuriser son approvisionnement tout en évitant, au maximum, de subir la volatilité des marchés de l’électricité. « La guerre en Ukraine, par exemple, aurait pu avoir un impact nettement supérieur sur le prix de l’électricité moyen achetée par la SNCF. L’anticipation des achats sur plusieurs années et mois a permis de réduire l’impact des prix élevés du marché à court terme », précise Lucas.

Les résultats du projet ENF sont plus que positifs pour le groupe SNCF en permettant :

• La sécurisation de la production des prévisions : les prévisions ne dépendent plus de règles humaines dans lesquelles se trouvent naturellement un biais
• Un gain de temps opérationnel de la production des prévisions : les prévisions sortent désormais automatiquement chaque jour sans intervention manuelle des équipes
• Des prévisions toujours plus précises et donc une meilleure probabilité de gain économique 

Aujourd’hui, grâce au projet ENF, la consommation d’électricité de traction du groupe SNCF peut être anticipée de toutes les 5 minutes jusqu’à 3 ans.