Référence des formules Chaque métrique, score et seuil utilisé dans l'ensemble des rapports AI Analytics, sur une seule page.
Chaque formule utilisée dans l’ensemble des rapports, rassemblée en un seul endroit. Chaque formule est annotée du rapport auquel elle appartient et du contexte dans lequel elle s’applique. Les expressions mathématiques sont rendues avec KaTeX.
Scoring composite — logique multiplicative
Combine des signaux indépendants comme s’il s’agissait de probabilités indépendantes. Utilisé par Metering Bypass (nœud et flotte).
S composite = 100 ⋅ ( 1 − ∏ i = 1 N ( 1 − p i ) ) S_\text{composite} = 100 \cdot \left(1 - \prod_{i=1}^{N}(1 - p_i)\right) S composite = 100 ⋅ ( 1 − i = 1 ∏ N ( 1 − p i ) ) où p i ∈ [ 0 , 1 ] p_i \in [0, 1] p i ∈ [ 0 , 1 ] i i i
p i = { 0.00 severity = info 0.10 severity = low 0.30 severity = medium 0.50 severity = high 0.65 severity = high_plus p_i = \begin{cases}
0.00 & \text{severity}=\text{info} \\
0.10 & \text{severity}=\text{low} \\
0.30 & \text{severity}=\text{medium} \\
0.50 & \text{severity}=\text{high} \\
0.65 & \text{severity}=\text{high\_plus}
\end{cases} p i = ⎩ ⎨ ⎧ 0.00 0.10 0.30 0.50 0.65 severity = info severity = low severity = medium severity = high severity = high_plus Exemple. Deux motifs high+ donnent S = 100 ⋅ ( 1 − 0.35 2 ) = 87.75 S = 100 \cdot (1 - 0.35^2) = 87.75 S = 100 ⋅ ( 1 − 0.3 5 2 ) = 87.75 peut délibérément pas atteindre 100 par la seule détection de motifs — la saturation à 100 exige des événements appareil confirmés (plafond de confiance = medium en leur absence).
Scoring par somme pondérée
Top Problem Nodes (cinq mesures) :
S composite = ∑ k ∈ K w k ⋅ s k , K = { battery , telem , quality , risk , events } S_\text{composite} = \sum_{k \in K} w_k \cdot s_k, \quad K = \{\text{battery}, \text{telem}, \text{quality}, \text{risk}, \text{events}\} S composite = k ∈ K ∑ w k ⋅ s k , K = { battery , telem , quality , risk , events } Pondération égale, w k = 20 % w_k = 20\% w k = 20%
Top Gas Leaks (quatre sous-scores, pondérations inégales) :
S leak = 0.4 ⋅ s quiet + 0.3 ⋅ s baseline + 0.2 ⋅ s drip + 0.1 ⋅ s drift S_\text{leak} = 0.4 \cdot s_\text{quiet} + 0.3 \cdot s_\text{baseline} + 0.2 \cdot s_\text{drip} + 0.1 \cdot s_\text{drift} S leak = 0.4 ⋅ s quiet + 0.3 ⋅ s baseline + 0.2 ⋅ s drip + 0.1 ⋅ s drift Détecteurs de motifs — Metering Bypass
Motif 1 — débit nul à une pression par défaut (sévérité = high+, p = 0.65) :
trigger = ( Q ˉ ≤ 0.5 m³/h over a window ≥ 6 h ) ∧ ( σ P < 0.1 kPa ) ∧ ( P ∈ D ) \text{trigger} = (\bar Q \leq 0.5\,\text{m³/h over a window} \geq 6\,\text{h}) \land (\sigma_P < 0.1\,\text{kPa}) \land (P \in \mathcal{D}) trigger = ( Q ˉ ≤ 0.5 m³/h over a window ≥ 6 h ) ∧ ( σ P < 0.1 kPa ) ∧ ( P ∈ D ) D = { 100.0 , 101.325 , 103.0 , 105.0 } ± 0.5 ∪ { 0.0 } ± 0.3 \mathcal{D} = \{100.0, 101.325, 103.0, 105.0\}_{\pm 0.5} \cup \{0.0\}_{\pm 0.3} D = { 100.0 , 101.325 , 103.0 , 105.0 } ± 0.5 ∪ { 0.0 } ± 0.3
Motif 2 — débit nul avec une pression bloquée (sévérité = medium, p = 0.30). Violation de la loi de Gay-Lussac pour un volume de gaz scellé.
trigger = ( Q ˉ ≤ 0.5 m³/h ) ∧ ( Δ T ≥ 1 °C ) ∧ ( σ P < 0.1 kPa ) \text{trigger} = (\bar Q \leq 0.5\,\text{m³/h}) \land (\Delta T \geq 1\text{°C}) \land (\sigma_P < 0.1\,\text{kPa}) trigger = ( Q ˉ ≤ 0.5 m³/h ) ∧ ( Δ T ≥ 1 °C ) ∧ ( σ P < 0.1 kPa ) ΔP attendu selon Gay-Lussac (processus isochore) :
P 1 T 1 = P 2 T 2 ⟹ Δ P expected = P abs ( 1 ) ⋅ Δ T K T 1 ( K ) \frac{P_1}{T_1} = \frac{P_2}{T_2} \;\Longrightarrow\; \Delta P_\text{expected} = P_\text{abs}^{(1)} \cdot \frac{\Delta T_K}{T_1^{(K)}} T 1 P 1 = T 2 P 2 ⟹ Δ P expected = P abs ( 1 ) ⋅ T 1 ( K ) Δ T K où :
P abs ( 1 ) = P gauge + 101.325 P_\text{abs}^{(1)} = P_\text{gauge} + 101.325 P abs ( 1 ) = P gauge + 101.325 P gauge < 50 P_\text{gauge} < 50 P gauge < 50 P abs = P kPa P_\text{abs} = P_\text{kPa} P abs = P kPa T ( K ) = T ° C + 273.15 T^{(K)} = T_{°C} + 273.15 T ( K ) = T ° C + 273.15 Δ T K = ∣ T 2 ( K ) − T 1 ( K ) ∣ = ∣ T 2 ° C − T 1 ° C ∣ \Delta T_K = |T_2^{(K)} - T_1^{(K)}| = |T_2^{°C} - T_1^{°C}| Δ T K = ∣ T 2 ( K ) − T 1 ( K ) ∣ = ∣ T 2 ° C − T 1 ° C ∣
« P est figé » se déclenche lorsque :
Δ P expected σ P ≥ 3 \frac{\Delta P_\text{expected}}{\sigma_P} \geq 3 σ P Δ P expected ≥ 3 Garde anti-faux-positif — nœud réseau. La loi de Gay-Lussac ne s’applique qu’à un volume fermé . Dans un nœud raccordé à la conduite principale de gaz, la pression relative est maintenue par le régulateur du réseau, et non par la physique du gaz. Avant le déclenchement du détecteur :
is_network = ( median ( P gauge ) < 10 kPa ) ∧ ( σ P (window) < 2 kPa ) ∧ ¬ is_p_sensor_broken \text{is\_network} = (\text{median}(P_\text{gauge}) < 10\,\text{kPa}) \land (\sigma_P^\text{(window)} < 2\,\text{kPa}) \land \neg \text{is\_p\_sensor\_broken} is_network = ( median ( P gauge ) < 10 kPa ) ∧ ( σ P (window) < 2 kPa ) ∧ ¬ is_p_sensor_broken Si le nœud est un nœud réseau, tous les événements de pression bloquée sont exclus du score et une carte informative est ajoutée.
Motif 3 — reprise après une plage de débit nul (sévérité = high, p = 0.50). Bond synchrone de Q + P immédiatement après une longue plage de débit nul :
trigger = ∃ t ∈ [ end run , + 2 h ] : Q ( t ) ≥ 10 ∧ ∣ Δ P ∣ ≥ 20 kPa \text{trigger} = \exists\, t \in [\text{end}_\text{run}, +2\text{h}] : Q(t) \geq 10 \land |\Delta P| \geq 20\,\text{kPa} trigger = ∃ t ∈ [ end run , + 2 h ] : Q ( t ) ≥ 10 ∧ ∣Δ P ∣ ≥ 20 kPa Motif 4 — interruption avec sessions saines (sévérité = medium, p = 0.30). Heures d’archive manquantes alors que l’appareil était manifestement joignable :
trigger = ( missing_hours ≥ 24 ) ∧ ( successful_sessions_in_gap ≥ 1 ) \text{trigger} = (\text{missing\_hours} \geq 24) \land (\text{successful\_sessions\_in\_gap} \geq 1) trigger = ( missing_hours ≥ 24 ) ∧ ( successful_sessions_in_gap ≥ 1 ) Pré-filtres (gardes anti-faux-positifs)
Signal Seuil Effet Capteur P défaillant P figé ≥ 168 h à tout moment dans la fenêtre tous les détecteurs basés sur P désactivés Raccordé au réseau median(P_gauge) < 10 kPa ET σ_P < 2 kPa ET non défaillant motif de pression bloquée exclu du score Pic de télémétrie P > 500 P > 500 P > 500 Q > 20 × median ( Q ) Q > 20 \times \text{median}(Q) Q > 20 × median ( Q ) ligne remplacée par NULL avant la logique de fraude
Plafond de sévérité, appliqué après tous les détecteurs et avant le score de suspicion :
Composition des événements Niveau maximal autorisé comporte high+ very high comporte high high deux medium ou plus high exactement un medium medium uniquement low ou rien medium
Couverture et qualité des données — Consumption Analytics
cov = H OK + H NULL H expected , unobs % = ( 1 − cov ) ⋅ 100 % \text{cov} = \frac{H_\text{OK} + H_\text{NULL}}{H_\text{expected}}, \quad
\text{unobs}_\% = (1 - \text{cov}) \cdot 100\% cov = H expected H OK + H NULL , unobs % = ( 1 − cov ) ⋅ 100% Condition Sévérité tail_h > 168 hcritical unobs_pct > 30%high unobs_pct > 10%medium sinon low
Volume non observé estimé (deux méthodes). Extrapolation par le débit moyen :
V unobs ( mean ) = Q ˉ OK ⋅ H unobs V^{(\text{mean})}_\text{unobs} = \bar Q_\text{OK} \cdot H_\text{unobs} V unobs ( mean ) = Q ˉ OK ⋅ H unobs Reconstruction par profil journalier :
V unobs ( profile ) = ∑ h ∈ unobs Q ˉ h V^{(\text{profile})}_\text{unobs} = \sum_{h \in \text{unobs}} \bar Q_h V unobs ( profile ) = h ∈ unobs ∑ Q ˉ h Seuil d’inactivité opérationnelle :
∣ { h : Q ( h ) < 0.05 } ∣ H OK > 0.95 ⇒ idle mode (zero consumption is not penalised) \frac{|\{h : Q(h) < 0.05\}|}{H_\text{OK}} > 0.95 \Rightarrow \text{idle mode (zero consumption is not penalised)} H OK ∣ { h : Q ( h ) < 0.05 } ∣ > 0.95 ⇒ idle mode (zero consumption is not penalised) Réconciliation Q/V :
Δ V integral = ∑ h Q ( h ) ⋅ 1 h , Δ V counter = V ( t end ) − V ( t start ) \Delta V_\text{integral} = \sum_h Q(h) \cdot 1\text{h}, \quad \Delta V_\text{counter} = V(t_\text{end}) - V(t_\text{start}) Δ V integral = h ∑ Q ( h ) ⋅ 1 h , Δ V counter = V ( t end ) − V ( t start ) raise Q/V mismatch if ∣ Δ V counter − Δ V integral ∣ Δ V counter > 5 % \text{raise Q/V mismatch if } \frac{|\Delta V_\text{counter} - \Delta V_\text{integral}|}{\Delta V_\text{counter}} > 5\% raise Q/V mismatch if Δ V counter ∣Δ V counter − Δ V integral ∣ > 5% La tolérance de 5 % suit la classe 1.0 d’OIML R 137 plus une marge d’arrondi d’intégration.
Sous-scores — Top Problem Nodes
Pré-classement rapide (métadonnées uniquement) :
S fast = d pts ( days_since_last_session ) + s pts ( status ) S_\text{fast} = d_\text{pts}(\text{days\_since\_last\_session}) + s_\text{pts}(\text{status}) S fast = d pts ( days_since_last_session ) + s pts ( status ) d pts ( d ) = { 100 d ≥ 60 60 + ( d − 30 ) ⋅ 1.33 30 ≤ d < 60 20 + ( d − 7 ) ⋅ 1.74 7 ≤ d < 30 d ⋅ 2.85 d < 7 d_\text{pts}(d) = \begin{cases}
100 & d \geq 60 \\
60 + (d-30) \cdot 1.33 & 30 \leq d < 60 \\
20 + (d-7) \cdot 1.74 & 7 \leq d < 30 \\
d \cdot 2.85 & d < 7
\end{cases} d pts ( d ) = ⎩ ⎨ ⎧ 100 60 + ( d − 30 ) ⋅ 1.33 20 + ( d − 7 ) ⋅ 1.74 d ⋅ 2.85 d ≥ 60 30 ≤ d < 60 7 ≤ d < 30 d < 7 s pts = 30 s_\text{pts} = 30 s pts = 30
Sous-score batterie (mV) :
v pts = { 100 V last < 3000 80 V last < 3200 50 V last < 3400 25 V last < 3600 0 otherwise v_\text{pts} = \begin{cases}
100 & V_\text{last} < 3000 \\
80 & V_\text{last} < 3200 \\
50 & V_\text{last} < 3400 \\
25 & V_\text{last} < 3600 \\
0 & \text{otherwise}
\end{cases} v pts = ⎩ ⎨ ⎧ 100 80 50 25 0 V last < 3000 V last < 3200 V last < 3400 V last < 3600 otherwise S battery = min ( 100 , v pts + d pts ( drop_pct ) ) S_\text{battery} = \min(100, v_\text{pts} + d_\text{pts}(\text{drop\_pct})) S battery = min ( 100 , v pts + d pts ( drop_pct )) où d pts = 30 d_\text{pts} = 30 d pts = 30
Sous-score de risque :
S risk = 1 1.85 ∑ i min ( cap i , α i ⋅ n i ) S_\text{risk} = \frac{1}{1.85} \sum_i \min(\text{cap}_i, \alpha_i \cdot n_i) S risk = 1.85 1 i ∑ min ( cap i , α i ⋅ n i ) Signal n i n_i n i α i \alpha_i α i cap quiet_n_pct0.8 40 n_plateau4 20 n_neg (binary)25 25 n_live_p8 40 n_pt_resets6 30 n_drop_rec5 30
Sous-score événements :
Condition S events S_\text{events} S events physique ET substitution 100 physique uniquement 80 substitution uniquement 60 erreur métrologie / système uniquement 30 aucun événement 0
Seuil batterie — Battery Forecast et Fleet Battery Forecast
Score par source (% ou mV) :
S metro = clip [ 0 , 100 ] ( V − V crit V fresh − V crit ⋅ 100 ) S_\text{metro} = \text{clip}_{[0,100]}\left(\frac{V - V_\text{crit}}{V_\text{fresh} - V_\text{crit}} \cdot 100\right) S metro = clip [ 0 , 100 ] ( V fresh − V crit V − V crit ⋅ 100 ) Échelle V crit V_\text{crit} V crit V fresh V_\text{fresh} V fresh % (comptage Li-SOCl₂) 20 90 mV (télémétrie Li-pol) 3300 3600
Composite (maillon le plus faible) :
S battery = min ( S metro , S telem ) S_\text{battery} = \min(S_\text{metro}, S_\text{telem}) S battery = min ( S metro , S telem ) Prévision T crit T_\text{crit} T crit
T crit ( opt ) = t now + V now − V crit ∣ drop_rate ∣ T_\text{crit}^{(\text{opt})} = t_\text{now} + \frac{V_\text{now} - V_\text{crit}}{|\text{drop\_rate}|} T crit ( opt ) = t now + ∣ drop_rate ∣ V now − V crit T crit ( real ) = T crit ( opt ) ⋅ ( 1 − α accel ) T_\text{crit}^{(\text{real})} = T_\text{crit}^{(\text{opt})} \cdot (1 - \alpha_\text{accel}) T crit ( real ) = T crit ( opt ) ⋅ ( 1 − α accel ) T crit ( pess ) = T crit ( real ) ⋅ 0.5 T_\text{crit}^{(\text{pess})} = T_\text{crit}^{(\text{real})} \cdot 0.5 T crit ( pess ) = T crit ( real ) ⋅ 0.5 Lorsqu’un événement de remplacement est détecté dans la fenêtre du rapport, toutes les régressions linéaires sont restreintes à la période postérieure au remplacement. Sinon, le bond de tension au remplacement (par exemple, 3225 → 4197 mV) produit une pente positive parasite — physiquement impossible pour une batterie Li-pol non rechargeable.
slope real = linreg ( { ( t i , v i ) : t i ≥ t replacement } ) \text{slope}_\text{real} = \text{linreg}\big(\{(t_i, v_i) : t_i \geq t_\text{replacement}\}\big) slope real = linreg ( {( t i , v i ) : t i ≥ t replacement } ) Remplacement de bloc de télémétrie. Pour les appareils dont la batterie est un pack de télémétrie non cyclé, la prévision du « jour critique d’après la décharge » ne s’applique pas. La décision de remplacement est prise comme le pire des trois critères indépendants.
Âge calendaire :
age_status = { ok y age < 0.75 ⋅ y expected plan 0.75 ⋅ y expected ≤ y age < y expected due y age ≥ y expected \text{age\_status} = \begin{cases}
\text{ok} & y_\text{age} < 0.75 \cdot y_\text{expected} \\
\text{plan} & 0.75 \cdot y_\text{expected} \leq y_\text{age} < y_\text{expected} \\
\text{due} & y_\text{age} \geq y_\text{expected}
\end{cases} age_status = ⎩ ⎨ ⎧ ok plan due y age < 0.75 ⋅ y expected 0.75 ⋅ y expected ≤ y age < y expected y age ≥ y expected où y expected = 3 y_\text{expected} = 3 y expected = 3
Sessions consommées sur le budget du pack :
sessions_status = { ok ratio < 0.75 plan 0.75 ≤ ratio < 1.0 due ratio ≥ 1.0 , ratio = sessions_used 2000 \text{sessions\_status} = \begin{cases}
\text{ok} & \text{ratio} < 0.75 \\
\text{plan} & 0.75 \leq \text{ratio} < 1.0 \\
\text{due} & \text{ratio} \geq 1.0
\end{cases}, \quad \text{ratio} = \frac{\text{sessions\_used}}{2000} sessions_status = ⎩ ⎨ ⎧ ok plan due ratio < 0.75 0.75 ≤ ratio < 1.0 ratio ≥ 1.0 , ratio = 2000 sessions_used Le budget de 2000 sessions correspond à un pack de 2000 mAh (≈ 1 mAh par session sous charge TX).
Dégradation sous charge (30 derniers j contre 180–150 j auparavant) :
deg_pct = 100 ⋅ min ( V old ) − min ( V recent ) min ( V old ) \text{deg\_pct} = 100 \cdot \frac{\min(V_\text{old}) - \min(V_\text{recent})}{\min(V_\text{old})} deg_pct = 100 ⋅ min ( V old ) min ( V old ) − min ( V recent ) deg_status = { ok deg_pct < 3 % watch 3 % ≤ deg_pct < 8 % degraded deg_pct ≥ 8 % \text{deg\_status} = \begin{cases}
\text{ok} & \text{deg\_pct} < 3\% \\
\text{watch} & 3\% \leq \text{deg\_pct} < 8\% \\
\text{degraded} & \text{deg\_pct} \geq 8\%
\end{cases} deg_status = ⎩ ⎨ ⎧ ok watch degraded deg_pct < 3% 3% ≤ deg_pct < 8% deg_pct ≥ 8% Verdict final (pire des trois) :
overall = { due any of { age, sessions, deg } ∈ { due, degraded } plan else if any ∈ { plan, watch } ok otherwise \text{overall} = \begin{cases}
\text{due} & \text{any of } \{\text{age, sessions, deg}\} \in \{\text{due, degraded}\} \\
\text{plan} & \text{else if any} \in \{\text{plan, watch}\} \\
\text{ok} & \text{otherwise}
\end{cases} overall = ⎩ ⎨ ⎧ due plan ok any of { age, sessions, deg } ∈ { due, degraded } else if any ∈ { plan, watch } otherwise Capacité batterie pour les modèles de signal / consommation :
Δ V period = V first − V last , Δ C used = Δ V ⋅ C mAh 1200 mV \Delta V_\text{period} = V_\text{first} - V_\text{last}, \quad
\Delta C_\text{used} = \Delta V \cdot \frac{C_\text{mAh}}{1200\text{ mV}} Δ V period = V first − V last , Δ C used = Δ V ⋅ 1200 mV C mAh où 1200 mV est l’amplitude de tension Li-pol du nominal à la décharge complète (3.0 → 4.2 V). La détection de chute anormale se déclenche lorsque le taux de chute sur les 30 derniers jours dépasse le double de la référence sur 90 jours.
Détection de fuites — Top Gas Leaks
Seuil adaptatif par station :
θ leak = max ( 0.05 , P 95 ( Q ) ⋅ 0.05 ) \theta_\text{leak} = \max(0.05, P_{95}(Q) \cdot 0.05) θ leak = max ( 0.05 , P 95 ( Q ) ⋅ 0.05 ) 5 % du p95 propre à chaque station — adaptatif, de sorte que les sites commerciaux ne soient pas signalés au même seuil que les sites résidentiels.
Sous-scores :
s quiet = 100 ⋅ min h ∈ [ 2 , 5 ] Q ( h ) θ leak (capped at 100) s_\text{quiet} = 100 \cdot \frac{\min_{h \in [2,5]} Q(h)}{\theta_\text{leak}} \text{ (capped at 100)} s quiet = 100 ⋅ θ leak min h ∈ [ 2 , 5 ] Q ( h ) (capped at 100) s baseline = 100 ⋅ P 5 ( Q ) θ leak (capped at 100) s_\text{baseline} = 100 \cdot \frac{P_5(Q)}{\theta_\text{leak}} \text{ (capped at 100)} s baseline = 100 ⋅ θ leak P 5 ( Q ) (capped at 100) s drip = 100 ⋅ ∣ { h : 0.5 θ ≤ Q ( h ) ≤ 2 θ } ∣ ∣ H ∣ s_\text{drip} = 100 \cdot \frac{|\{h : 0.5\theta \leq Q(h) \leq 2\theta\}|}{|H|} s drip = 100 ⋅ ∣ H ∣ ∣ { h : 0.5 θ ≤ Q ( h ) ≤ 2 θ } ∣ s drift = 100 ⋅ tanh ( slope ( P 5 ) θ leak / month ) s_\text{drift} = 100 \cdot \tanh\left(\frac{\text{slope}(P_5)}{\theta_\text{leak} / \text{month}}\right) s drift = 100 ⋅ tanh ( θ leak / month slope ( P 5 ) ) Calculs de CO₂e — Decarbonization et Emissions and Energy
Méthane → CO₂e :
m CH4 = V leak ⋅ ϕ CH4 ⋅ ρ CH4 , ρ CH4 = 0.68 kg/m³ m_\text{CH4} = V_\text{leak} \cdot \phi_\text{CH4} \cdot \rho_\text{CH4}, \quad \rho_\text{CH4} = 0.68 \text{ kg/m³} m CH4 = V leak ⋅ ϕ CH4 ⋅ ρ CH4 , ρ CH4 = 0.68 kg/m³ m CO2e ( GWP100 ) = m CH4 ⋅ 28 , m CO2e ( GWP20 ) = m CH4 ⋅ 84 m_\text{CO2e}^{(\text{GWP100})} = m_\text{CH4} \cdot 28, \quad m_\text{CO2e}^{(\text{GWP20})} = m_\text{CH4} \cdot 84 m CO2e ( GWP100 ) = m CH4 ⋅ 28 , m CO2e ( GWP20 ) = m CH4 ⋅ 84 Facteurs GWP selon IPCC AR6 (le facteur à 20 ans reflète l’impact de réchauffement à court terme, pertinent pour les objectifs d’atténuation à brève échéance).
CO₂ direct (issu du gaz brûlé) :
m CO2,direct = V consumed ⋅ EF CO2 , EF CO2 = 1.96 kg/m³ m_\text{CO2,direct} = V_\text{consumed} \cdot \text{EF}_\text{CO2}, \quad \text{EF}_\text{CO2} = 1.96 \text{ kg/m³} m CO2,direct = V consumed ⋅ EF CO2 , EF CO2 = 1.96 kg/m³ Énergie :
E GJ = V ⋅ HHV , HHV = 37.0 MJ/m³ E_\text{GJ} = V \cdot \text{HHV}, \quad \text{HHV} = 37.0 \text{ MJ/m³} E GJ = V ⋅ HHV , HHV = 37.0 MJ/m³ E kWh = E GJ ⋅ 1000 3.6 E_\text{kWh} = E_\text{GJ} \cdot \frac{1000}{3.6} E kWh = E GJ ⋅ 3.6 1000 Scénarios d’investissement — Decarbonization et Automation ROI
CAPEX / OPEX (par nœud) :
CAPEX total = N ⋅ capex_per_node , OPEX / year = N ⋅ opex_per_node_per_year \text{CAPEX}_\text{total} = N \cdot \text{capex\_per\_node}, \quad \text{OPEX}/\text{year} = N \cdot \text{opex\_per\_node\_per\_year} CAPEX total = N ⋅ capex_per_node , OPEX / year = N ⋅ opex_per_node_per_year Valeur / Retour sur investissement :
Value / year = ∑ hot spots ( gas + carbon GWP100 ) \text{Value}/\text{year} = \sum_\text{hot spots}(\text{gas} + \text{carbon}_\text{GWP100}) Value / year = hot spots ∑ ( gas + carbon GWP100 ) Payback months = { CAPEX Value − OPEX ⋅ 12 Value > OPEX none otherwise \text{Payback}_\text{months} = \begin{cases}
\dfrac{\text{CAPEX}}{\text{Value} - \text{OPEX}} \cdot 12 & \text{Value} > \text{OPEX} \\
\text{none} & \text{otherwise}
\end{cases} Payback months = ⎩ ⎨ ⎧ Value − OPEX CAPEX ⋅ 12 none Value > OPEX otherwise ROI / TCO :
ROI = Value/year − OPEX/year CAPEX total ⋅ 100 % \text{ROI} = \frac{\text{Value/year} - \text{OPEX/year}}{\text{CAPEX}_\text{total}} \cdot 100\% ROI = CAPEX total Value/year − OPEX/year ⋅ 100% TCO 5 = CAPEX total + 5 ⋅ OPEX/year \text{TCO}_5 = \text{CAPEX}_\text{total} + 5 \cdot \text{OPEX/year} TCO 5 = CAPEX total + 5 ⋅ OPEX/year Prévision de la demande — Gas Demand Forecast
Modèle linéaire (OLS) :
Q ( t ) = β 0 + β 1 t + ∑ k = 1 2 [ α k sin ( 2 π k t / 365 ) + γ k cos ( 2 π k t / 365 ) ] + ∑ j = 1 6 w j 1 dow = j + δ ⋅ HDD ( t ) + ε Q(t) = \beta_0 + \beta_1 t + \sum_{k=1}^{2}[\alpha_k \sin(2\pi k t/365) + \gamma_k \cos(2\pi k t/365)] + \sum_{j=1}^{6} w_j \mathbb{1}_{\text{dow}=j} + \delta \cdot \text{HDD}(t) + \varepsilon Q ( t ) = β 0 + β 1 t + k = 1 ∑ 2 [ α k sin ( 2 π k t /365 ) + γ k cos ( 2 π k t /365 )] + j = 1 ∑ 6 w j 1 dow = j + δ ⋅ HDD ( t ) + ε Tendance + saisonnalité annuelle à deux harmoniques + variables indicatrices du jour de la semaine + un terme de degrés-jours de chauffage.
HDD :
HDD ( t ) = max ( 0 , 18 ° C − T ˉ ( t ) ) \text{HDD}(t) = \max(0, 18°C - \bar T(t)) HDD ( t ) = max ( 0 , 18° C − T ˉ ( t )) IC à 95 % :
Q ^ ( t ) ± 1.96 ⋅ σ ^ ε ⋅ 1 + h ( t ) \hat Q(t) \pm 1.96 \cdot \hat\sigma_\varepsilon \cdot \sqrt{1 + h(t)} Q ^ ( t ) ± 1.96 ⋅ σ ^ ε ⋅ 1 + h ( t ) Backtest :
MAE = 1 N ∑ t ∣ Q ( t ) − Q ^ ( t ) ∣ , MAPE = 1 N ∑ t ∣ Q ( t ) − Q ^ ( t ) ∣ Q ( t ) ⋅ 100 % \text{MAE} = \frac{1}{N} \sum_t |Q(t) - \hat Q(t)|, \quad \text{MAPE} = \frac{1}{N} \sum_t \frac{|Q(t) - \hat Q(t)|}{Q(t)} \cdot 100\% MAE = N 1 t ∑ ∣ Q ( t ) − Q ^ ( t ) ∣ , MAPE = N 1 t ∑ Q ( t ) ∣ Q ( t ) − Q ^ ( t ) ∣ ⋅ 100% Coverage 95 % = 1 N ∑ t 1 Q ( t ) ∈ [ Q ^ t ± 1.96 σ ^ ] \text{Coverage}_{95\%} = \frac{1}{N} \sum_t \mathbb{1}_{Q(t) \in [\hat Q_t \pm 1.96\hat\sigma]} Coverage 95% = N 1 t ∑ 1 Q ( t ) ∈ [ Q ^ t ± 1.96 σ ^ ] Ajustement sain : couverture ≈ 95 %, MAPE < 15 %.
Anomalies de pression — Pressure Anomalies
Coupure :
outage ( t ) = 1 P ( t ) = null ∨ P ( t ) = 0 \text{outage}(t) = \mathbb{1}_{P(t) = \text{null} \lor P(t) = 0} outage ( t ) = 1 P ( t ) = null ∨ P ( t ) = 0 Chute brutale :
drop ( t ) = 1 P ( t − 1 ) − P ( t ) > 5 kPa/h \text{drop}(t) = \mathbb{1}_{P(t-1) - P(t) > 5 \text{ kPa/h}} drop ( t ) = 1 P ( t − 1 ) − P ( t ) > 5 kPa/h Dérive de référence :
drift 30 d = P 5 ( last 30d ) − P 5 ( first 30d ) P 5 ( first 30d ) ⋅ 100 % \text{drift}_{30d} = \frac{P_5^{(\text{last 30d})} - P_5^{(\text{first 30d})}}{P_5^{(\text{first 30d})}} \cdot 100\% drift 30 d = P 5 ( first 30d ) P 5 ( last 30d ) − P 5 ( first 30d ) ⋅ 100% Déclencher un incident de dérive de référence si |drift| > 20 % sur la période analysée.
Instabilité (glissante) :
instability ( t ) = σ P ( 24 h ) P ˉ ( 24 h ) \text{instability}(t) = \frac{\sigma_P^{(24h)}}{\bar P^{(24h)}} instability ( t ) = P ˉ ( 24 h ) σ P ( 24 h ) Déclencher un incident d’instabilité si le ratio dépasse 0.3 sur une fenêtre ≥ 6 heures.
Sessions longues — détection par IQR
Seuil par station :
θ long = Q 3 + 1.5 ⋅ IQR , IQR = Q 3 − Q 1 \theta_\text{long} = Q_3 + 1.5 \cdot \text{IQR}, \quad \text{IQR} = Q_3 - Q_1 θ long = Q 3 + 1.5 ⋅ IQR , IQR = Q 3 − Q 1 Un détecteur d’aberrations robuste — meilleur que le z-score pour la distribution asymétrique des durées de sessions d’interrogation.
Score de sévérité :
S = 40 ⋅ long_frac + 30 ⋅ t ˉ anomaly θ long + 30 ⋅ n_incidents_critical S = 40 \cdot \text{long\_frac} + 30 \cdot \frac{\bar t_\text{anomaly}}{\theta_\text{long}} + 30 \cdot \text{n\_incidents\_critical} S = 40 ⋅ long_frac + 30 ⋅ θ long t ˉ anomaly + 30 ⋅ n_incidents_critical Énergie domestique — Household Report
Modèle de répartition (maison individuelle) :
Poste Part Chauffage des locaux 60% Eau chaude sanitaire 20% Cuisson 10% Autre 10%
Économies issues de l’isolation :
Δ V insulation = V heating ⋅ 0.15 (typical retrofit) \Delta V_\text{insulation} = V_\text{heating} \cdot 0.15 \text{ (typical retrofit)} Δ V insulation = V heating ⋅ 0.15 (typical retrofit) Intérêts composés (économies placées au taux r) :
Reinvest T = Savings ⋅ ( 1 + r ) T − 1 r \text{Reinvest}_T = \text{Savings} \cdot \frac{(1 + r)^T - 1}{r} Reinvest T = Savings ⋅ r ( 1 + r ) T − 1 Classification de sévérité — échelle unifiée
Plage Sévérité Couleur Contexte 0–9 OK vert composite, top problem nodes 10–29 Low bleu composite 30–49 Medium jaune composite 50–69 High orange composite, alerte top problem nodes 70–100 Critical rouge composite, top problem nodes critique
Top Problem Nodes utilise les seuils 30 / 60 — une plus grande partie de la bande verte est traitée comme l’état « normal ».
Cadre de confiance — Decarbonization et Metering Bypass
Confiance Condition High deep score ≥ 80 avec ≥ 6 mois de données Medium deep score ≥ 50 ou historique de données limité Low score faible / estimation de repli
Priorité d’investigation terrain — Metering Bypass
Condition Priorité Événement physique récent (≤ 7 j) P0 (prioritaire)Événement physique plus ancien (> 7 j) P1 score ≥ 70 avec confiance medium ou high P0 score ≥ 70 avec confiance low P1 score ≥ 50 P1 score ≥ 30 P2 score < 30 P3
Référence des constantes
Symbole Valeur Source Utilisé dans EF CO2 \text{EF}_\text{CO2} EF CO2 1.96 kg/m³ IPCC AR6 Decarbonization, Emissions and Energy HHV \text{HHV} HHV 37.0 MJ/m³ gaz naturel typique (IEA) Emissions and Energy ρ CH4 \rho_\text{CH4} ρ CH4 0.68 kg/m³ conditions normales Decarbonization GWP 100 \text{GWP}_{100} GWP 100 28 IPCC AR6, 100 ans Decarbonization, Emissions and Energy GWP 20 \text{GWP}_{20} GWP 20 84 IPCC AR6, 20 ans Decarbonization, Emissions and Energy Débit quasi nul 0.5 m³/h empirique Metering Bypass Plage min. de débit nul 6 h empirique Metering Bypass σ de pression bloquée 0.1 kPa empirique Metering Bypass ΔT min. pour Gay-Lussac 1.0 °C empirique Metering Bypass Q min. de reprise 10 m³/h empirique Metering Bypass ΔP min. de reprise 20 kPa empirique Metering Bypass P max. physique 500 kPa limite physique pré-filtre Metering Bypass Multiplicateur de pic Q 20× empirique pré-filtre Metering Bypass Durée de blocage capteur-P-défaillant 168 h empirique santé capteur Metering Bypass Température de base HDD 18 °C IPCC Gas Demand Forecast Fraction de fuite par défaut 0.5% moyenne de flotte IEA repli Decarbonization
Références méthodologiques : IPCC AR6 (WG I, ch. 7) pour les GWP et les facteurs d’émission ; OIML R 137-1 pour les classes de précision des compteurs de débit ; ISO 5167 et AGA Report No. 3 pour le calcul de débit par pression différentielle ; EN 1776 pour les conventions de conception des postes de comptage ; GHG Protocol Scope 1 pour la comptabilité du CO₂ de combustion directe.