fr.wedoany.com Rapport : Greenphard Energy a obtenu un financement supplémentaire de série A d'environ 120 millions de yens par le biais d'une augmentation de capital réservée, avec pour investisseurs Suzuyo Shoji et Mitsubishi UFJ Capital. Ce tour de financement porte le montant total des fonds levés par la société à environ 510 millions de yens. La société se concentre sur l'utilisation de l'intelligence artificielle et des technologies de contrôle de l'Internet des objets pour créer et monétiser des « négawatts » dans l'exploitation de centrales électriques virtuelles, c'est-à-dire pour faire progresser la construction d'infrastructures de centrales électriques virtuelles à mesure que la réponse à la demande numérique devient rapidement mature.

Les charges de refroidissement et de climatisation sont parmi les actifs les plus flexibles et les plus énergivores des usines, des entrepôts frigorifiques et des bâtiments commerciaux de taille moyenne à grande. La plateforme de Greenphard Energy équipe les équipements existants de matériel IoT dédié et d'un système de contrôle basé sur l'IA physique, sans nécessiter de mise à niveau des installations ou de remplacement des infrastructures de refroidissement. Le système optimise le fonctionnement du compresseur grâce à une détection continue et une logique de contrôle dynamique, utilisant la capacité de l'entrepôt frigorifique pour ajuster les modes de consommation électrique sans compromettre les exigences de température. L'Agence internationale de l'énergie (AIE) estime que la numérisation systémique, y compris la réponse à la demande via l'Internet des objets, peut réduire les coûts d'exploitation des systèmes électriques de 5 % à 10 %.

Au cœur de ce modèle se trouve le concept de « négawatt », qui considère chaque kilowattheure d'électricité économisé comme ayant la même valeur que chaque kilowattheure produit par un générateur. En ajustant la consommation en temps réel, l'organisation agrège ces négawatts en tant que ressource de centrale électrique virtuelle pour les fournir au marché de l'électricité. Les modèles d'IA modernes peuvent prédire le comportement des équipements, permettant un pré-refroidissement ou un transfert de charge plus fiable par rapport aux stratégies de cyclage traditionnelles. Les analystes de McKinsey rapportent que l'optimisation pilotée par l'IA permet généralement une réduction de la consommation d'énergie de 10 % à 20 % dans les environnements industriels, ce qui correspond à l'objectif de la société de réduire la consommation électrique jusqu'à 20 % grâce à un contrôle avancé de l'Internet des objets. La société rapporte également que certains tests de démonstration ont permis des réductions de pointe de plus de 30 %.

Les actifs énergétiques industriels proviennent de nombreux fabricants, et de nombreux sites disposent d'équipements hétérogènes installés sur plusieurs décennies. Les unités IoT couvrant ces générations permettent à la couche de contrôle IA d'analyser les différences de température, les cycles du compresseur, l'état des équipements et les conditions ambiantes. Cela correspond aux conclusions d'une revue bibliométrique sur le confort thermique et l'efficacité énergétique basés sur l'Internet des objets publiée sur ScienceDirect, qui indique une croissance rapide de l'intérêt de la recherche et de la faisabilité technique des applications commerciales actuelles. Des produits similaires de Siemens, Schneider Electric et Johnson Controls valident la demande du marché pour l'optimisation énergétique intégrée des bâtiments et des usines. Se concentrer sur les actifs d'entrepôts frigorifiques crée un créneau opérationnel unique, où les centrales électriques virtuelles bénéficient d'une charge flexible prévisible, le refroidissement étant l'une des rares catégories offrant cette flexibilité sans perturber les opérations principales.

Les normes industrielles renforcent la tendance à l'adoption. De nombreuses équipes énergétiques d'entreprises ont déjà déployé le cadre de gestion de l'énergie ISO 50001, et l'écosystème des services publics s'appuie sur la norme IEEE 2030.5 pour gérer les communications sécurisées entre les ressources distribuées et les opérateurs de réseau. La technologie de la société combine l'échange de données au niveau des protocoles avec l'intelligence au niveau des équipements. Selon l'annonce de financement, les nouveaux fonds seront utilisés pour le développement technologique, l'expansion commerciale et l'amélioration des services afin d'étendre le déploiement des logiciels et de l'Internet des objets. Une recherche sur les infrastructures intelligentes publiée sur la plateforme SSRN souligne comment les appareils IoT des bâtiments et les compteurs intelligents, en collaboration avec des outils d'analyse, recommandent des actions ciblées pour réduire considérablement la consommation énergétique des installations. L'application de l'IA physique aux équipements existants démontre comment ces gains d'efficacité peuvent être regroupés en une ressource énergétique commercialisable.

La tendance à long terme dépend de la capacité du modèle de centrale électrique virtuelle numérique à s'étendre au-delà d'une clientèle spécifique. Les usines alimentaires et les entrepôts frigorifiques sont des adopteurs précoces, car la charge thermique est hautement prévisible, tandis que les immeubles de bureaux commerciaux généraux présentent des environnements plus complexes et variables. À mesure que la sophistication de l'IA augmente et que les obstacles à l'installation diminuent, la combinaison du contrôle au niveau matériel et de la réponse à la demande intégrée au marché passe des tests pilotes à une ressource opérationnelle fiable.

Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com