Développement de méthodes d’intelligence artificielle destinées à la surveillance continue du SF6

Le projet porte sur le développement de méthodes d’intelligence artificielle (IA) destinées à améliorer la surveillance continue du SF6 et des mélanges SF6/CF4 dans les appareillages haute tension exploités par Hydro-Québec, notamment les disjoncteurs de 145 à 315 kV et les postes GIS. Le SF6, bien que disposant d’excellentes propriétés diélectriques et d’extinction d’arc, est un gaz à effet de serre à très fort impact, ce qui impose un suivi rigoureux de son état et de ses émissions. Les conditions thermiques complexes, la variabilité environnementale et les limitations des capteurs rendent cependant la détection de fuites difficile et souvent tardive. Le projet vise à répondre à cet enjeu en développant des outils IA avancés permettant d’améliorer la qualité des mesures et la précision du diagnostic.
L’organisation partenaire, Hydro-Québec – Expertise Diagnostic des équipements, assure la surveillance et le diagnostic des infrastructures haute tension. Ses activités comprennent la mise en place de stratégies de maintenance, l’analyse de données de capteurs multivariées et la validation de méthodes avancées de détection de défauts afin de renforcer la fiabilité du réseau. Le principal défi visé par ce projet est la capacité de distinguer, en temps réel, les variations normales d’exploitation des anomalies pouvant indiquer des fuites de SF6. La forte variabilité thermique, l’inertie des volumes de gaz et la dérive des capteurs constituent des obstacles majeurs à une détection précoce et fiable. L’utilisation de l’IA est identifiée comme un moyen de surmonter ces limitations en modélisant finement les comportements complexes des appareillages.
Les avantages attendus pour Hydro-Québec sont significatifs. Le projet permettra une détection plus rapide des fuites, contribuant directement à la réduction des émissions de gaz à effet de serre. Il améliorera aussi la fiabilité des équipements, réduira les interventions non planifiées et fournira des outils d’aide à la décision pour la maintenance conditionnelle. Le projet favorisera enfin le transfert technologique et le développement de solutions durables pour la gestion des équipements haute tension.

Faculty Supervisor:

Bettina Kemme

Student:

Partner:

Hydro-Quebec

Discipline:

Computer science

Sector:

Construction and infrastructure; Professional, scientific and technical services; Utilities

University:

McGill University

Program: