Métro Stockholm - Monitoring Énergétique

Présentation :

Ce projet a consisté en la conception et le déploiement d'un système complet et autonome de monitoring des tendances énergétiques (accumulées, générées et consommées) pour les métros de Suède. L'objectif était de fournir une visibilité précise sur la consommation énergétique, de prédire les budgets futurs et d'automatiser la génération de rapports essentiels pour la prise de décision opérationnelle et stratégique. Le succès de ce système a mené à la consultation régulière de dashboards Tableau, témoignant de l'impact des scripts innovants déployés.

Réalisations :

• Gestion de Projet Autonome et Coordination Internationale : J'ai mené ce projet de manière autonome, de la collecte des besoins à la conception et au déploiement. Cela a nécessité une collaboration étroite avec les équipes à l'international (suédoises, indiennes et italiennes) pour l'intégration des besoins et la coordination.

• Collecte et Traitement des Données Énergétiques : J'ai collecté et intégré les besoins des clients pour la mise en place d'un système d'ingestion et de traitement des signaux énergétiques directement à partir des trains. J'ai utilisé le requêtage SQL (avec jointures complexes) pour extraire les données d'énergie de la base et les librairies Python pour leur manipulation.

• Conception d'Algorithmes de Prédiction : J'ai conçu et implémenté des algorithmes Python complexes pour la prédiction du budget énergétique mensuel et annuel pour chaque ligne de métro, fournissant des insights clés pour la planification.

• Optimisation du Stockage et de l'Accès aux Données : J'ai analysé et comparé avec Power BI les formats de fichiers (CSV, Feather, Parquet et Pickle) pour trouver un format optimal pour les données d'énergie. Le stockage et la manipulation de fichiers cache sous ElasticSearch ont été mis en place, avec un système de mise à jour automatique du cache énergie.

• Automatisation Complète du Reporting : J'ai automatisé le processus de génération des rapports d'énergie (quotidiens, mensuels et annuels), incluant la gestion des rapports générés (copie dans un dossier partagé) et leur rafraîchissement (mise à jour dans ElasticSearch et dossiers Linux/Windows).

• Déploiement Multi-Environnements : J'ai déployé les scripts de génération sur plusieurs environnements (Dev, Staging et Production), assurant la robustesse et la scalabilité de la solution.

• Configuration et Personnalisation : J'ai intégré l'usage de fichiers de configuration énergie (budget, noms des lignes, stations, références de trajets uniques) pour une flexibilité maximale.

• Qualité et Documentation : J'ai mis en place une documentation complète et réalisé des tests d'intégration et de performance pour garantir la fiabilité du système.

• Ateliers et Adoption Client : J'ai organisé des ateliers autour des solutions conçues avec les clients et utilisateurs, facilitant l'adoption. Les dashboards Tableau générés sont consultés régulièrement, prouvant le succès et l'intégration des solutions dans l'environnement du client.

Stack technique :

• Langages & Librairies Python : Python (Scikit-learn, Numpy, Pandas, Logger, ElasticSearch, SQLAlchemy)

• Bases de Données / Stockage : SQL (Microsoft SQL Server), ElasticSearch (fichiers cache)

• Data Visualisation : Tableau Software, Power BI, Plotly, Matplotlib

• Types de Fichiers : Parquet, JSON, XML, YML

• Gestion de Version : Git

• Environnements de Développement (IDE) : PyCharm, VS Code

• Déploiement : Environnements Dev, Staging, Production (Linux, Windows)