Deep Learning pour le réseau d’acheminement de gaz

Nous avons été mandatés pour concevoir, développer et industrialiser une solution innovante d’affectation qualité gaz sur un réseau de transport à l’échelle nationale, basée sur une modélisation hybride Machine Learning/Elements Finis.

Nous avons, suite à une étude de l’état de l’art en la matière, conçu une solution modulaire de simulation hybride, exploitant une série de modèles unitaires et capable de s’adapter à n’importe quelle topologie en temps réel. Le cœur de calcul a été développé en python puis optimisé au maximum de ses possibilités grâce au langage Cython. Une fois la simulation temps réel conçue, nous y avons intégré de nombreux modules complémentaires (détection et ciblage de fuite lente, réconciliation de données en cas de mesures défaillantes, reconstitution des stocks en conduite...). La solution a été conçue de façon modulaire et est intégrée à l’environnement AWS industriel du client.