Les ingénieurs du MIT construisent une prise de courant intelligente

Jul 17, 2023

Les images téléchargeables sur le site Web du bureau MIT News sont mises à la disposition des entités non commerciales, de la presse et du grand public sous une licence Creative Commons Attribution Non-Commercial No Derivatives. Vous ne pouvez pas modifier les images fournies, sauf pour les recadrer à la taille. Une ligne de crédit doit être utilisée lors de la reproduction d'images ; si aucune n'est fournie ci-dessous, attribuez les images à "MIT".

Image précédente Image suivante

Avez-vous déjà branché un aspirateur et l'avez-vous éteint sans avertissement avant que le travail ne soit terminé ? Ou peut-être que votre lampe de bureau fonctionne bien, jusqu'à ce que vous allumiez le climatiseur qui est branché sur la même multiprise.

Ces interruptions sont probablement des "déclenchements intempestifs", dans lesquels un détecteur installé derrière le mur déclenche le circuit électrique d'une prise lorsqu'il détecte quelque chose qui pourrait être un défaut d'arc - une étincelle potentiellement dangereuse dans la ligne électrique.

Selon une équipe d'ingénieurs du MIT, le problème avec les détecteurs de défauts d'arc d'aujourd'hui est qu'ils sont souvent trop sensibles, coupant l'alimentation d'une prise en réponse à des signaux électriques qui sont en fait inoffensifs.

Maintenant, l'équipe a développé une solution qu'ils appellent une "prise de courant intelligente", sous la forme d'un appareil capable d'analyser l'utilisation du courant électrique à partir d'une ou de plusieurs prises, et peut faire la distinction entre les arcs bénins - des pointes électriques inoffensives telles que celles causées par les appareils électroménagers courants - et les arcs dangereux, tels que les étincelles résultant d'un câblage défectueux et pouvant provoquer un incendie. L'appareil peut également être formé pour identifier ce qui pourrait être branché sur une prise particulière, comme un ventilateur par rapport à un ordinateur de bureau.

La conception de l'équipe comprend du matériel personnalisé qui traite les données de courant électrique en temps réel et un logiciel qui analyse les données via un réseau de neurones - un ensemble d'algorithmes d'apprentissage automatique inspirés du fonctionnement du cerveau humain.

Dans ce cas, l'algorithme d'apprentissage automatique de l'équipe est programmé pour déterminer si un signal est nocif ou non en comparant un signal capturé à d'autres que les chercheurs ont précédemment utilisés pour entraîner le système. Plus le réseau est exposé à des données, plus il peut apprendre avec précision des "empreintes digitales" caractéristiques utilisées pour différencier le bon du mauvais, ou même pour distinguer un appareil d'un autre.

Joshua Siegel, chercheur au département de génie mécanique du MIT, affirme que la prise de courant intelligente est capable de se connecter à d'autres appareils sans fil, dans le cadre de "l'internet des objets" (IoT). Il envisage finalement un réseau omniprésent dans lequel les clients peuvent installer non seulement une prise de courant intelligente chez eux, mais également une application sur leur téléphone, grâce à laquelle ils peuvent analyser et partager des données sur leur consommation électrique. Ces données, telles que quels appareils sont branchés, où, et quand une prise s'est réellement déclenchée et pourquoi, seraient partagées de manière sécurisée et anonyme avec l'équipe pour affiner davantage leur algorithme d'apprentissage automatique, facilitant ainsi l'identification d'une machine et la distinction entre un événement dangereux et un événement bénin.

"En rendant l'IoT capable d'apprendre, vous pouvez constamment mettre à jour le système, de sorte que votre aspirateur puisse déclencher le disjoncteur une ou deux fois la première semaine, mais il deviendra plus intelligent avec le temps", explique Siegel. "Au moment où vous aurez 1 000 ou 10 000 utilisateurs contribuant au modèle, très peu de personnes subiront ces déplacements intempestifs car il y a tellement de données agrégées provenant de tant de maisons différentes."

Siegel et ses collègues ont publié leurs résultats dans la revue Engineering Applications of Artificial Intelligence. Ses co-auteurs sont Shane Pratt, Yongbin Sun et Sanjay Sarma, professeur de génie mécanique Fred Fort Flowers et Daniel Fort Flowers et vice-président de l'apprentissage ouvert au MIT.

Empreintes électriques

Pour réduire le risque d'incendie, les maisons modernes peuvent utiliser un interrupteur de circuit de défaut d'arc (AFCI), un dispositif qui interrompt les circuits défectueux lorsqu'il détecte certains schémas électriques potentiellement dangereux.

"Tous les modèles AFCI que nous avons démontés comportaient de petits microprocesseurs et exécutaient un algorithme régulier qui recherchait des signatures assez primitives et simples d'un arc", explique Pratt.

Pratt et Siegel ont entrepris de concevoir un détecteur plus perspicace capable de faire la distinction entre une multitude de signaux pour distinguer un schéma électrique bénin d'un schéma potentiellement dangereux.

Leur configuration matérielle se compose d'un micro-ordinateur Raspberry Pi modèle 3, un processeur peu coûteux et économe en énergie qui enregistre les données de courant électrique entrantes; et une pince de courant inductive qui se fixe autour du fil d'une prise sans le toucher réellement, qui détecte le courant passant comme un champ magnétique changeant.

Entre la pince de courant et le micro-ordinateur, l'équipe a connecté une carte son USB, un matériel de base similaire à ce que l'on trouve dans les ordinateurs conventionnels, qu'ils ont utilisé pour lire les données de courant entrantes. L'équipe a découvert que ces cartes son sont parfaitement adaptées à la capture du type de données produites par les circuits électroniques, car elles sont conçues pour capter de très petits signaux à des débits de données élevés, similaires à ce qui serait émis par un fil électrique.

La carte son présentait également d'autres avantages, notamment un convertisseur analogique-numérique intégré qui échantillonne les signaux à 48 kiloherz, ce qui signifie qu'elle prend des mesures 48 000 fois par seconde, et une mémoire tampon intégrée, permettant à l'appareil de l'équipe de surveiller l'activité électrique en continu, en temps réel.

Outre l'enregistrement des données entrantes, une grande partie de la puissance de traitement du micro-ordinateur est consacrée à l'exécution d'un réseau neuronal. Pour leur étude, ils ont entraîné le réseau à établir des "définitions" ou à reconnaître les schémas électriques associés, produits par quatre configurations d'appareils : un ventilateur, un ordinateur iMac, un brûleur de cuisinière et un générateur d'ozone - un type de purificateur d'air qui produit de l'ozone en chargeant électriquement l'oxygène dans l'air, ce qui peut produire une réaction similaire à un arc électrique dangereux.

L'équipe a exécuté chaque appareil plusieurs fois dans une gamme de conditions, recueillant des données qu'ils ont introduites dans le réseau neuronal.

"Nous créons des empreintes digitales des données actuelles, et nous les étiquetons comme bonnes ou mauvaises, ou quel appareil individuel elles sont", explique Siegel. "Il y a les bonnes empreintes digitales, puis les empreintes digitales des choses qui brûlent votre maison. Notre travail à court terme consiste à déterminer ce qui va brûler votre maison et ce qui ne le fera pas, et à long terme, déterminer exactement ce qui est branché où. "

"Intelligence changeante"

Après avoir formé le réseau, ils ont exécuté toute leur configuration - matériel et logiciel - sur de nouvelles données provenant des quatre mêmes appareils, et ont constaté qu'il était capable de distinguer les quatre types d'appareils (par exemple, un ventilateur par rapport à un ordinateur) avec une précision de 95,61 %. En identifiant les bons et les mauvais signaux, le système a atteint une précision de 99,95 %, soit légèrement plus que les AFCI existants. Le système a également été capable de réagir rapidement et de déclencher un circuit en moins de 250 millisecondes, correspondant aux performances des détecteurs d'arc certifiés contemporains.

Siegel affirme que la conception de leur prise de courant intelligente ne fera que devenir plus intelligente avec l'augmentation des données. Il envisage de faire fonctionner un réseau de neurones sur Internet, où d'autres utilisateurs peuvent s'y connecter et signaler leur consommation électrique, fournissant des données supplémentaires au réseau qui l'aident à apprendre de nouvelles définitions et à associer de nouveaux modèles électriques à de nouveaux appareils et appareils. Ces nouvelles définitions seraient ensuite partagées sans fil avec les points de vente des utilisateurs, améliorant leurs performances et réduisant le risque de déplacements intempestifs sans compromettre la sécurité.

"Le défi est que si nous essayons de détecter un million d'appareils différents qui sont branchés, vous devez inciter les gens à partager ces informations avec vous", explique Siegel. "Mais il y a suffisamment de gens comme nous qui verront cet appareil et l'installeront chez eux et voudront le former."

Au-delà des prises électriques, Siegel considère les résultats de l'équipe comme une preuve de concept pour "l'intelligence omniprésente" et un monde composé d'appareils et d'appareils quotidiens intelligents, autodiagnostiques et réactifs aux besoins des gens.

"Tout cela déplace l'intelligence vers la périphérie, par opposition à un serveur, un centre de données ou un ordinateur de bureau", déclare Siegel. "Je pense que l'objectif plus large est de tout connecter, tout le temps, pour un monde plus intelligent et plus interconnecté. C'est la vision que je veux voir."

Article précédent Article suivant