Classification et Prévision Multi-termes de la Consommation de Gaz Naturel en Utilisant les Paradigmes de l'Intelligence Artificielle
No Thumbnail Available
Date
2019
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Le gaz naturel est l’une des principales sources d’´energie ´electrique en
Alg´erie et dans le monde. Il est donc imp´eratif d’´etudier de comprendre de
mod´eliser et de pr´edire cette demande. Cette th`ese pr´esente trois contribu tions distinctes traitant les probl`emes de pr´evision de la consommation de gaz
naturel `a court et `a long terme.
En premier lieu, l’approche de pr´evision `a deux ´etapes est ´etudi´ee et impl´em ent´ee. Elle consiste en deux phases principales : 1) classer les s´equences de
sch´emas quotidiens de consommation de gaz naturel en Alg´erie en diff´erents
groupes aux attributs similaires (classes). 2) la conception et la formation de
mod`eles de types processus gaussiens auto-r´egressifs multiples est r´ealis´ee en
utilisant les donn´ees du march´e Alg´erien du gaz naturel ainsi que les intrants
exog`enes constitues de la m´et´eo (temperature) et du calendrier (jour de la
semaine, indicateur d’heure). La principale nouveaut´e de ce travail consiste
en l’investigation de multiples techniques de clustering diff´erentes pour une
meilleure analyse et clustering des donn´ees de consommation de gaz naturel.
L’impact des clusters obtenus, par chaque technique est r´esum´e et ´evalu´e en
fonction de la pr´ecision de la pr´ediction.
En deuxi`eme lieu, une nouvelle approche de pr´evision est introduite pour
r´esoudre les d´eficiences de la m´ethode en deux ´etapes, en concevant un percep tron multicouche (MLP) r´eseaux de neurones en tant que moniteur de pr´evision
non lin´eaire. Ce mod`ele estime le profil de consommation journali`ere de gaz
et choisit l’un des mod`eles locaux pour effectuer la pr´evision. L’´etude porte
tout d’abord sur une analyse et une classification des profils de consommation
quotidienne de gaz naturel, et ensuite sur la construction d’un mod`ele r´ecurrent
complet de la m´emoire `a long terme (LSTM) en fonction du comportement de
la charge. Les r´esultats sont compar´es `a quatre approches de r´ef´erence : le
MLP, LSTM, s´erie temporelle saisonni`ere avec variables exog`enes et mod`ele de
r´egression lin´eaire multiple.
Finalement, la derni`ere contribution consiste `a d´evelopper une approche de
r´eseaux de neurones pour pr´edire la consommation annuelle de gaz naturel en
Alg´erie pour les trois secteur de pression (basse pression, moyenne pression et
haute pression) `a moyen et long termes.