Soutenance de thèse de Alexis GEROSSIER

Prévision à court terme de la demande électrique des maisons intelligentes et des réseaux de distribution

				Alexis GEROSSIER Alexis GEROSSIER

 

Titre anglais : short-term forecasting of electricity demand of smart homes and distribution grids
Date de soutenance : jeudi 23 mai 2019 à 14h00
Adresse de soutenance : 1 Rue Claude Daunesse, 06904 Sophia Antipolis - Amphithéâtre Mozart
Directeur de thèse : Georges KARINIOTAKIS

devant le jury composé de :

Zita VALE  Professor  Instituto Politécnico do Porto  Rapporteur
Jovica MILANOVIC  Professor  University of Manchester  Rapporteur
Jean-Michel POGGI  Professeur  Université Paris-Sud  Examinateur
Tomasz ZABKOWSKI  Associate professor  Warsaw University of Life Sciences  Examinateur
Yannig GOUDE  Ingénieur  Électricité de France  Examinateur
George KARINIOTAKIS  Maître de recherche  MINES ParisTech  Examinateur
Robin GIRARD  Chargé de recherche  MINES ParisTech  Examinateur

Mots clés en français : demande électrique d'une maison,compteur intelligent,réseau de distribution,apprentissage automatique,prévision probabiliste,véhicule électrique
Mots clés en anglais : household electricity demand,smart meters,distribution grid,machine learning,probabilistic forecasting,electric vehicle

Résumé de la thèse en français
Cette thèse s'intéresse à la prévision à court terme de la demande électrique d'une maison intelligente et des réseaux de distribution. Les données mesurées par les compteurs intelligents permettent de caractériser la demande électrique à l'échelle d'une maison et de la comparer à la demande régionale, pour étudier notamment l'effet de foisonnement. Cette analyse permet de développer des modèles de prévision de cette demande. Ces modèles sont de nature statistique et font usage de méthodes d'apprentissage automatique. Un soin particulier est porté à la sélection de variables d'entrée pertinentes. Afin d'être déployés dans un environnement opérationnel, les modèles doivent faire preuve de réplicabilité : fonctionnement autonome, aptitude à s'adapter à de multiple situations, et robustesse face aux données erronées. Plusieurs produits de prévision sont développés et évalués avec plusieurs jeux de données : des prévisions probabilistes à différentes résolutions, et des scénarios journaliers de la demande. Enfin, les habitudes relatives à un usage électrique particulier, à savoir le chargement d'une batterie de véhicule électrique, sont modélisées pour produire des scénarios prédictifs de la demande de cet usage spécifique.

Résumé de la thèse en anglais
This thesis is devoted to the short-term forecasting of electricity demand of smart homes and distribution grids. The household demand data provided by smart meters is analyzed to characterize the electricity demand at the local scale and compared to this at the regional scale, so as to examine the aggregation effect. This thorough analysis enables the designing of models that forecast the future demand. The models make use of advanced statistical tools and machine-learning techniques. The inputs are selected with special care for their relevancy to the household demand. To be deployed in an operational environment, the models must be replicable: low to no maintenance, adaptability to various situations, and robustness to the lack of data. Several demand forecasting products are developed and compared to actual datasets: probabilistic forecasts at different temporal and spatial resolutions, and daily demand scenarios. Finally, the habits related to a domestic appliance, namely the charging of an electric vehicle battery, are modeled in order to generate forecasting scenarios of the appliance demand.

 

Partager

actualité

“Top 5% Mention Paper”

International “Top 5% Mention Paper”   L’article "Reduction of Penstock Fatigue in a Medium-Head Hydropower Plant…
> En savoir +

Lutte contre la pandémie de coronavirus

Formation Lutte contre la pandémie de coronavirus Vous trouverez sur cette page les dernières consignes en…
> En savoir +

Production d'Hydrogène Décarboné par Pyrolyse du Méthane : la 3eme voie

Recherche Production d'Hydrogène Décarboné par Pyrolyse du…   L’hydrogène sera très probablement amené à jouer un…
> En savoir +

Le Rapport d'activité 2019 est en ligne

Formation Le Rapport d'activité 2019 est en ligne MINES ParisTech, établissement-composante de…
> En savoir +

L’équipe de PERSEE / MINES ParisTech remporte le challenge international de prévision EEM 2020

International L’équipe de PERSEE / MINES ParisTech remporte le… Le Centre PERSEE est fier d’annoncer que…
> En savoir +

+ Toutes les actualités

Mentions légales efil.fr © 2014 MINES ParisTech