Entretien avec Keerthana Srinivasan, lauréate nationale du concours « Solve for Tomorrow » organisé par Samsung : détecter les défauts des fermes photovoltaïques grâce à SARAH

22-septembre-2025

Par Blake Marchand

Au début de l’année, Samsung a annoncé les lauréats de son concours annuel « Solve for Tomorrow » destiné aux élèves de la 6e à la 12e année. Ce concours met les élèves au défi de trouver des solutions à des problèmes concrets dans le domaine des STEM (sciences, technologie, ingénierie et mathématiques).

La lauréate de cette année est Keerthana Srinivasan, de l’école Aldershot, qui a développé le système SARAH (System Analysis and Reporting for Advanced Hardware) pour détecter les défaillances des parcs photovoltaïques.

Au départ, Keerthana a développé SARAH pour aider à prévenir l’abrasion des combinaisons spatiales par la poussière lunaire, avant de se concentrer sur la Terre et d’explorer comment son algorithme pouvait être utilisé dans les fermes solaires.

La deuxième place du concours Solve for Tomorrow a été remportée par le lycée STEM Innovation Highschool, qui a développé un fauteuil roulant et un logiciel permettant de contrôler les mouvements du fauteuil à l’aide d’un bandeau. La troisième place a été remportée par l’école secondaire Elsie MacGill, qui s’est concentrée sur des plaques cinétiques permettant de transformer l’énergie cinétique en énergie électrique.

« Le projet de l’école Aldershot incarne parfaitement l’esprit de notre initiative Solve for Tomorrow. Nous mettons les jeunes Canadiens au défi d’appliquer leurs compétences en STIM pour résoudre des problèmes concrets et réels, et ils ont proposé une solution qui touche directement leur communauté », a commenté Tafari Jilany, directeur du marketing d’entreprise chez Samsung Canada. « C’est ce genre d’ingéniosité et de résolution pratique des problèmes qui prouvent que la prochaine génération est prête à prendre les rênes, et nous sommes extrêmement fiers de fournir une plateforme qui aide à donner vie à leurs idées novatrices. »

Ci-dessous, Keerthana détaille son expérience dans le développement de SARAH, la manière dont la technologie peut être mise en œuvre et les prochaines étapes du projet.

Quels sont les enseignements que vous tirez de votre expérience dans le cadre du projet SARAH ?

Lorsque j’ai commencé à développer SARAH, je n’avais que des connaissances limitées en mathématiques pour mener à bien ce projet. Les premiers mois, je ne me suis même pas consacré à la programmation, mais simplement à essayer de prouver la validité mathématique de ma solution. Bien que cette partie ait été assez difficile, je l’ai trouvée très enrichissante, car j’ai pu apprendre beaucoup de mathématiques abstraites que je ne connaissais pas auparavant.

Les principaux défis liés à SARAH provenaient de l’aspect de la preuve mathématique. J’étais déterminé à prouver d’abord que SARAH fonctionnerait dans tous les cas avant de programmer l’idée. Cela rend SARAH plus fiable pour les entreprises traditionnelles, car il devient moins ambigu que les solutions précédemment introduites (par exemple, l’IA, le ML).

Le développement de la preuve mathématique a été divisé en trois preuves distinctes : la bifurcation (pour détecter la présence d’un défaut), le filtre de Kalman étendu (pour le classer) et la chaîne de Markov quantique Monte-Carlo (pour localiser le défaut). Il était difficile de prouver que l’EKF classerait les défauts, car cela nécessitait la manipulation des équations pour prouver deux choses : a) l’EKF aurait une variance résiduelle différente pour différents types de défauts et b) la variance résiduelle resterait la même pour les nombres proches du même type de défaut. Cela nécessitait une compréhension très approfondie des EKF, ce qui m’a pris plusieurs mois à assimiler !

Le QMCMC présentait un défi similaire, dans le sens où il n’existait pas de preuve formelle en ligne pour démontrer spécifiquement les QMCMC. Cependant, il existait de nombreuses preuves pour les MCMC, que j’ai donc étudiées en profondeur avant de développer ma propre preuve pour le QMCMC.

Une fois que j’ai été en mesure de prouver chaque aspect de l’algorithme, sa programmation s’est avérée relativement plus facile, car j’avais une compréhension plus approfondie de ce que je voulais faire.

Je pense que la principale leçon que j’ai tirée de ce projet est qu’il est important de ne pas se précipiter. Souvent, dans ce type de projet, beaucoup de gens subissent une pression pour terminer dans un certain délai. J’ai constaté qu’en développant SARAH à mon propre rythme, j’ai vraiment pu apprécier davantage ce que je faisais, à la fois en discutant avec des experts/parties prenantes et en m’immergeant dans tant de nouvelles choses.

Qu’est-ce qui vous a amené à vous intéresser à la détection des défauts dans les panneaux solaires ?

Avant SARAH, je travaillais sur un autre projet appelé Coulomb, une électrode électrodynamique flexible servant de protection contre la poussière pour les textiles des combinaisons spatiales. L’objectif de Coulomb est d’empêcher l’abrasion des combinaisons spatiales par la poussière lunaire, qui peut présenter de graves risques pour la santé et la sécurité des astronautes sur la Lune.

Après avoir développé l’électrode pour Coulomb, j’ai réalisé que j’avais un fort penchant pour la chimie et la science des matériaux. Cela m’a amené à suivre des cours en informatique des matériaux, un domaine à la croisée de l’intelligence artificielle (IA) et de la science des matériaux.

Après quelques mois d’apprentissage de la science des matériaux, j’ai commencé à chercher des projets où je pourrais appliquer mes connaissances. Ma première version de SARAH était en fait un algorithme d’informatique des matériaux permettant de générer des revêtements personnalisables résistants aux radiations pour l’électronique des satellites. Pendant deux ans, je me suis plongé dans les sous-systèmes d’alimentation électrique des engins spatiaux, apprenant les méthodologies modernes pour gérer ces systèmes et les lacunes de l’industrie. En bref, ce qui a commencé comme une passion pour une technologie ou une science m’a conduit à m’intéresser au problème lui-même.

Lorsque j’ai terminé le développement de SARAH dans un contexte spatial, j’ai réfléchi à la manière dont SARAH pourrait être utilisé sur Terre, ce qui m’a conduit aux fermes solaires !

À quoi ressemblerait l’intégration de SARAH dans une ferme solaire pour détecter les défaillances ?

Actuellement, SARAH est capable de localiser les défaillances avec une précision de 85 % sur un système de 200 nœuds, ce qui équivaut à une ferme solaire à l’échelle industrielle. Ma vision pour SARAH est qu’il fonctionnera à terme avec une précision d’environ 90 % sur une échelle de 100 à 200 nœuds, chaque nœud étant un onduleur.

L’aspect bifurcation — le tout premier aspect — de SARAH ne nécessite que le courant et la tension comme entrées. Les capteurs de courant et de tension sont fournis en standard sur de nombreux onduleurs, ainsi que les protocoles de communication (par exemple, Ethernet, LoRaWAN). Dans la plupart des cas, nous devrions pouvoir interroger la tension et le courant de chacun des onduleurs via SARAH, qui est une interface pouvant être configurée lors des premiers jours d’utilisation.

Après cela, SARAH est capable de détecter instantanément les défauts sur demande en interrogeant les valeurs de tension et de courant de chacun des onduleurs et en les soumettant à l’algorithme de bifurcation. Sur la base du résultat de la bifurcation, nous pouvons déterminer si un système est stable ou non, ce qui peut alors déclencher l’EKF et le QMCMC.

Les utilisateurs peuvent demander une numérisation de défaut via l’application SARAH, que je développe actuellement sous forme d’application de bureau. Mes études précédentes sur SARAH montrent que l’on peut exécuter la bifurcation, l’EKF et le QMCMC sur un ordinateur de bureau standard, ce qui rend SARAH relativement économique.

Y a-t-il de prochaines étapes pour le projet SARAH ?

Le 3 octobre, je présenterai mes conclusions lors du Congrès international d’astronautique à Sydney, en Australie. Je prévois également de publier mes conclusions afin d’obtenir les commentaires de professionnels. Bien que SARAH se soit révélée très prometteuse, je pense qu’il reste beaucoup à faire au niveau matériel avant de pouvoir voir SARAH mise en œuvre dans des fermes solaires réelles.

La semaine dernière, mon émulateur photovoltaïque a été lancé en orbite basse, où je vais tester le fonctionnement de SARAH pour les systèmes solaires dans des environnements extrêmes, où les données sont très bruitées. Sur la base de ces résultats, je déterminerai si je dois consacrer plus de temps au développement du backend de SARAH ou si je dois m’orienter vers la commercialisation de cette technologie.