Comment National Grid a obtenu une solution ML rapide en seulement six semaines

Le client

National Grid Electricity Distribution est un opérateur de réseau de distribution d'électricité qui dessert 7,9 millions de clients et est responsable de l'équipement (y compris les pylônes et les sous-stations) qui fournit l'électricité. C'est la plus grande entreprise de transport et de distribution d'électricité au Royaume-Uni.

Notre rôle

NGED a engagé Qodea pour fournir une plateforme de données avec une base Google Cloud sécurisée, capable d'exécuter un modèle ML comme outil pour produire des prévisions de flux de puissance évolutives à haute granularité grâce à un accès avancé aux données, à la modélisation et à l'analyse.

Le défi

Le client avait besoin d'une base hautement sécurisée avant que l'effort de science des données ne puisse commencer. Étant donné qu'il fournit une infrastructure nationale critique, ses exigences en matière de sécurité et de résilience sont vastes, et avec l'Ofgem qui réglemente la distribution de l'argent à laquelle les entreprises ont droit et ce qu'elles doivent fournir en retour, le client avait besoin d'une solution efficace pour générer des économies de coûts et des améliorations de sécurité.

La solution

Qodea a fourni une base sécurisée, en proposant aux clients une intégration et une formation pour permettre des opérations sécurisées répondant aux exigences CNI (Critical National Infrastructure). Qodea a ensuite permis aux équipes de science des données d'utiliser des techniques d'accès aux données, de modélisation et d'analyse. L'ensemble de la solution, y compris les fondations, a été livré en six semaines.

Le résultat

Le client dispose désormais des prévisions de flux de puissance évolutives à haute granularité qu'il souhaitait obtenir. En développant cette charge de travail initiale pour la prévision de la demande de pointe, National Grid Electricity Distribution peut poursuivre ses activités de modernisation, avec les bases posées par Qodear pour les futures charges de travail MLOps et de données, ainsi qu'un modèle d'exploitation sécurisé pour Google Cloud qui permettra de fournir d'autres charges de travail à l'avenir.