La gestion de la végétation à proximité des lignes électriques est un défi constant et important pour les opérateurs de réseau britanniques.

Les arbres entraînent un risque permanent de fiabilité et de sécurité en raison de la croissance en lignes ou du potentiel de chute lors d’une tempête. Les conditions météorologiques et l’environnement du Royaume-Uni signifient que la végétation pousse rapidement et généralement la gestion de la végétation utilitaire (UVM) est l’une des dépenses opérationnelles les plus élevées pour les opérateurs britanniques.

Avec RIIO2 au coin de la rue, nous savons tous que les services publics sont invités à faire plus avec moins et à démontrer à Ofgem que leur travail offre le meilleur rapport qualité-prix aux consommateurs; souvent via l’analyse comparative et l’adoption requise des meilleures pratiques.

Dans ce contexte, que peuvent faire les réseaux pour réduire leurs dépenses d’opex et s’assurer qu’ils font preuve de bonnes pratiques?

Nous pensons que l’un des premiers endroits que les services publics devraient rechercher consiste à utiliser les données pour optimiser la conception des programmes de gestion de la végétation. Cela offre l’une des plus grandes opportunités de recentrer la manière dont la végétation est ciblée, de réduire les coûts et d’augmenter la résilience du réseau.

Aujourd’hui, un torrent de données est collecté sur les réseaux via des patrouilles, des vols et d’autres sources. Les exemples incluent les enregistrements de maintenance, les données LiDAR, les données d’ingénierie, les images satellite, etc.

Avoir des données vous permet d’examiner des modèles et de faire des idées, mais ce n’est pas nécessairement exploitable – cela peut sembler génial, mais que faire avec cela pour ajouter de la valeur? Comment l’utilisez-vous pour décider quand couper les arbres et quand les supprimer? Ou qu’en est-il du choix du cycle approprié (ou de l’exclusion) de chaque travée? Ou que diriez-vous d’optimiser les lots de travail confiés aux entrepreneurs dans un environnement d’appel d’offres plus compétitif?

Les services publics peuvent facilement acquérir des données et des informations, il existe de nombreux fournisseurs qui proposent ce type de service. Cependant, les données ne vous indiquent pas ce que vous devez réellement faire. Comment utilisez-vous efficacement cette masse de données pour prendre les décisions dont votre réseau a besoin et finalement informer vos programmes et les tâches ultérieures du personnel interne et des sous-traitants?

Pour rendre ces données utilisables, les spécialistes des données du personnel ont historiquement requis l’interprétation des résultats. Par exemple, vous pouvez avoir des taux de croissance et des données de modèle de chute d’arbre, mais vous avez besoin de l’ensemble de compétences du data scientist pour créer des modèles, les tester correctement, puis concevoir des packages de travail autour de cela.

Récemment, nous avons travaillé sur des moyens de démocratiser l’utilisation des données pour UVM. Fournir des outils logiciels intuitifs qui permettent aux spécialistes du domaine de participer aux scénarios de test d’utilité et de créer des programmes de travail optimisés pour la portée, le découpage et l’audit. Lorsque le bon programme de travail a été identifié, nous avons ensuite facilité sa mise en œuvre via un ou plusieurs groupes de ressources, ce qui permet à l’analyse d’être opérationnalisée facilement. Une fois que cela a été fait, tout revient à un emplacement central, informant le prochain cycle de travail et capturant des informations pour la conformité et les preuves réglementaires.

Plus d’informations sont disponibles sur www.nmgroup.com.