Approches multi-modèle pour la prévision de la charge électrique à moyen long terme
No Thumbnail Available
Date
2016
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
La charge électrique est un facteur d’entrée majeur dans le développement écono mique d’un pays. Afin de soutenir la croissance économique et répondre aux besoins
futurs en électricité, la prévision de la charge est devenue une tâche très importante pour
la gestion de l’énergie électrique et la planification. Plusieurs techniques ont été utilisées
pour accomplir cette tâche. De la statistique descriptive aux techniques de l’intelligence
artificielle, chacune avec ses avantages et ses inconvénients. Le but de la thèse proposée
est d’effectuer une prévision fiable et efficace pour l’électricité algérienne, et de construire
un outil pour réaliser et visualiser les prévisions en utilisant les modèles développés. La
première partie de la thèse porte sur l’approche de régression multiple, en particulier,
la régression linéaire et exponentielle pour la prévision à moyen-long terme. Le choix
de ces approches est dû au manque de données qui ne nous permet pas d’utiliser des
approches de l’intelligence artificielle. Un mode mixte entre la régression linéaire et la
régression exponentielle est proposé pour toutes les données fournies par la compagnie
nationale d’électricité algérienne SONELGAZ. Quarante-quatre modèles ont été déve loppés et implémentés dans un outil appelé PREVELEC-DZ. Ce dernier a été conçu et
mis en œuvre afin de prédire l’énergie électrique à moyen et à long terme et la puissance
requise afin d’aider à la planification du développement électrique. Le logiciel est basé
principalement sur l’approche de régression multiple, en particulier, la régression linéaire
et exponentielle. Pour la prévision énergétique, les prévisions sont associées aux profils
de charge ; qui se résument en : profil journalier, hebdomadaire et annuel. La stratégie
de prévision est mise en œuvre non seulement pour l’énergie globale et les prévisions de
puissance, mais aussi à une dichotomie de niveaux d’énergie (basse, moyenne et haute
tension). Chaque niveau comprend ses entrées exogènes spécifiques ainsi que des prévi sions en termes de secteur d’activité économique (SAE) et de la Société de distribution
(SD). Une seconde approche de prédiction globale basée solennellement sur les activi tés du secteur économique, quel que soit le niveau de tension, est également représentée.
PREVELEC-DZ est implémenté en C # et permet une compatibilité totale avec Micro soft Excel utilisé principalement par Sonelgaz. Les résultats de PREVELEC-DZ obtenus
comme exercice de prévision ont été validés sur l’année 2012 et comparés avec les ré sultats d’autres logiciels pour une plus longue période de prévision. Un autre aspect de
l’étude menée dans cette thèse est l’utilisation des réseaux de neurones artificiels (ANN),
qui sont beaucoup utilisés dans le domaine de la prévision. Les séries chronologiques de
la charge électrique sont connues pour être auto-corrélées, et sont influencées par d’autres
variables telles que la température, la population, etc. De plus, un grand échantillon de
données est nécessaire pour effectuer les prévisions à moyen long terme. Pour ce dernier
objectif et afin de surmonter à la fois le manque de données et la grande complexité de
l’ajout de variables exogènes, une méthode multi-modèle, basée sur les réseaux de neu rones, est proposée pour la prévision de la charge électrique algérienne à moyen long
terme. Le modèle proposé décompose la série temporelle initiale en trois composants en
utilisant l’algorithme X12-ARIMA, et effectue une prévision pour chaque composant en
utilisant trois réseaux de neurones auto régressives (NAR), avec un réseau neuronal Feed
Forward qui combine les sorties des NARs. Les expériences réalisées ont montré que le
modèle proposé a fourni de bonnes performances même en utilisant un petit échantillon
de données disponibles par rapport aux modèles de référence