banner


accès intranet


retour intranet




Jean BERTIN

2016

Informations personnelles

Diplômé de Arts et Métiers ParisTech
CV docIconTélécharger
Courriel Jean.BERTIN@cma.ensmp.fr

Mission OSE

Organisation/Entreprise

RTE

Lieu de la mission

VERSAILLES

Mission

Benchmark des méthodes de prévision de consommation électrique à la maille locale

Résumé de la mission

La multiplication d’acteurs décentralisés de production d’électricité intervenant directement sur les réseaux de distribution et l’injection d’une part d’électricité d’origine renouvelable intermittente de plus en plus importante dans le mix électrique sont deux évolutions aujourd’hui à l’œuvre sur le marché de l’électricité français. L’impact du climat sur le fonctionnement du réseau électrique s’avère ainsi de plus en plus marqué et représente un enjeu majeur dans le cadre des études de développement de réseau menées par l’entreprise RTE. Dans l’optique d’étudier les répercussions du climat sur les consommations électriques et, de manière plus concrète, sur les flux qui transitent au sein du réseau de transport d’électricité, un benchmark des différentes méthodes de prévision de consommation à la maille des Points de Livraison a été mis en place au cours de cette mission professionnelle.
Le travail réalisé au cours du stage a porté sur l’implémentation de différentes familles de modèles de prévision de consommation à la maille locale. Un première approche bottom-up a été testée avec la mise en place de modèles statistiques (modèle de régression linéaire généralisé, modèle GAM, arbres de classification…), et a été comparée à une seconde approche top-down par descente d’échelle avec utilisation de points caractéristiques. Des modèles hydrides ont enfin été mis en place afin de concilier les avantages fournis par ces deux approches. Un tableau de bord présentant les chroniques de consommation calculées et réalisées, ainsi que divers indicateurs de performance de ces différents modèles a été implémenté sous R à l’aide du package Shiny.
Mots-clés : prévisions de consommation, Poste Source, réseau électrique, données climatiques, modèle statistique, tableau de bord