La modélisation dans les services énergétiques dans l’industrie

Avec l’objectif de réduire et de maîtriser la consommation énergétique, EDF (Electricité de France) développe des outils qui enrichissent son offre commerciale en proposant des nouveaux services à ses clients. En tant qu’acteur intégré du domaine électrique ayant une mission de service public (de la production à la commercialisation, en passant par le transport et la distribution d’électricité), EDF vise à aider ses clients à réduire leur consommation énergétique de façon pérenne ainsi qu’à participer activement à la gestion de l’équilibre offre-demande (EOD). A cause de l’importance de leurs consommations électriques et donc, au volume des ventes, les clients industriels requièrent une attention particulière.

Dans ce contexte, il est nécessaire aujourd’hui de construire des modèles de prévision de la consommation énergétique. Ces modèles peuvent être intégrés dans différents outils de gestion qui sont aujourd’hui principalement axés sur deux thématiques : d’une part pour l’effacement de la consommation électrique et d’autre part dans le cadre de la mesure et l’analyse de la performance énergétique.

Cette thèse s’intéresse au développement de modèles de consommation énergétique afin de prévoir le comportement de divers sites et usages industriels. Cet objectif repose sur des besoins spécifiques liés à la thématique de la maîtrise de la consommation énergétique, tels que :
➤ Prévoir la consommation électrique de divers équipements
➤ Être capable, à tout moment, d’estimer si la consommation électrique d’un usage peut être effacée
➤ Détecter des dérives dans la consommation énergétique par rapport aux modes habituels ou à une consommation de référence
➤ Pérenniser des solutions d’efficacité énergétique liées aux modes de consommation et à la correction de défauts dans la consommation énergétique .

La construction de modèles dépend des données disponibles sur les différents sites et usages industriels à étudier. Dans le cadre de ces travaux, un modèle identifié sur un ensemble typologie de données doit être applicable à d’autres cas de comportement similaire. Une famille de modèles doit permettre de traiter des signaux similaires sur des sites ou des usages industriels différents. Pour cela, il est impératif de déterminer des modèles bien adaptés à différents comportements concernant la consommation énergétique dans l’industrie, ainsi que leur domaine de validité, afin d’établir la typologie de données associée au type de modèle. Dans l’objectif de mieux intégrer les solutions étudiées, une approche méthodologique permettant de déterminer la pertinence d’un modèle est proposée, afin de permettre une mise en œuvre opérationnelle en temps réel.

Effacement de la consommation électrique

Historiquement, pour le maintien de l’équilibre offre-demande (EOD) des systèmes électriques, les fournisseurs d’électricité avaient mis l’accent sur l’offre, en supposant que les consommateurs étaient réticents ou incapables de modifier leur consommation (Spees and Lave, 2007). Lorsque la demande en électricité atteint des niveaux maximaux, des unités de production dites de pointe et plus coûteuses doivent être utilisées pour répondre à cette demande plus élevée.

L’effacement de la consommation électrique a été défini précédemment comme « une modification temporaire, à la baisse, de la consommation électrique d’un usage par rapport à un mode de consommation dit « normal », en réponse à un changement dans un signal concernant le prix de l’électricité ou en réponse à une demande de réduction de la consommation qui sera rémunérée » (Albadi and El Saadany, 2008). Cette consommation électrique dite « normale » est communément appelée « consommation de référence », « consommation type » ou « courbe de référence ». La question de la consommation de référence est une question clé dans de nombreuses applications concernant l’énergie.

Par définition, il n’est pas possible de mesurer un effacement (UFE, 2014) car, pour cela, il faut mesurer une consommation électrique qui n’a pas eu lieu. Toutefois, il est possible d’estimer la consommation évitée, par l’intermédiaire des consommations de référence. Des définitions plus approfondies sur ce concept sont faites dans ce chapitre (section 1.3) afin de mieux appréhender son importance et leur application dans le cadre de ces travaux de recherche.

L’effacement électrique peut être schématisé de la manière présentée dans la Figure 3 : à un effacement est associée une durée d’effacement 𝛉 (appelée aussi horizon de temps), et un instant où la demande d’effacement est lancée 𝐭𝐧 . La demande d’effacement est communément appelée « événement effacement » ou « ordre d’effacement » (« demand response event »). Le « repli » de la consommation (appelé « curtailment ») est aussi un concept clé. Il s’agit de la réponse à une demande d’effacement de chaque usage et la manière dont il est capable de réduire sa consommation électrique. Ce repli est caractéristique à chaque usage et peut dépendre de différents de facteurs (le service fourni, le secteur, etc.).

L’effacement électrique est avant tout un outil qui permet de régler des écarts entre la consommation et la production d’électricité, c’est-à-dire, à maintenir l’équilibre offre demande. En effet, l’équilibre offre-demande est un enjeu primordial du système électrique car l’électricité est un produit bien spécifique : elle ne se stocke pas et à tout moment la production et la consommation doivent être égales (Figure 4). Ainsi, il se peut qu’il soit moins coûteux de réduire ponctuellement la consommation électrique que de produire l’électricité supplémentaire à des périodes de pointe. En effet, c’est aux moments de pointe de la consommation que le coût de production de l’électricité est le plus élevé, car elle peut coûter plus chère à produire que le prix de vente auprès des utilisateurs finaux.

Dans ces circonstances, une réduction (même minimale) de la consommation à travers des programmes d’effacement peut représenter une réduction importante dans les coûts de production (Walawalkar et al., 2010). L’importance de l’effacement électrique (ci-après « effacement ») réside dans la flexibilité qu’il apporte au réseau électrique, car il permet une meilleure gestion en faisant participer la consommation à l’équilibre entre l’offre et de la demande. L’effacement permet ainsi de sécuriser l’approvisionnement et la qualité de l’électricité, de maîtriser la demande (plus particulièrement les pointes), de décongestionner de nœuds du réseau électrique, ainsi que de faciliter l’insertion des installations de production d’électricité renouvelable (Daoxin et al., 2012; Moura and de Almeida, 2010). Dans la littérature, on peut identifier deux principaux types de programmes d’effacement : programmes des tarifs basés dans le temps (« Time Based Rate Programs », ou TBRP) et programmes basés sur des incitations (« Incentive Based Programs », ou IBP) (Moghaddam et al., 2011). D’autres sous-catégories peuvent être définies selon le type de programme. Ces différents types de programmes sont montrés dans la Figure 5. Ainsi, les deux plus grands mécanismes existants afin de demander à un client de réduire sa consommation sont basés sur les tarifs (tarifs qui évoluent en temps réel, tarifs spécifiques à des périodes précises, etc.) et les incitations économiques directes, c’est-à-dire, une rémunération qui se traduit par une réduction de la charge, volontaire ou obligatoire.

La détermination des consommations de référence 

Quand il s’agit de mettre en œuvre des mesures de gestion de la consommation ou des mesures d’efficacité énergétique, il est nécessaire de définir comment ces mesures seront quantifiées et évaluées. Pour effectuer ces évaluations, il est impératif de disposer des consommations de référence avant et/ou après la mise en place des diverses solutions qu’il convient de définir.

Deux types de consommations de référence sont distingués :
➤ Avant la mise en place de solutions de maîtrise de la consommation énergétique ou avant l’occurrence d’une réduction ponctuelle, il est nécessaire de déterminer la consommation prévisonnelle dans le futur, afin de pouvoir estimer des gains potentiels. Nous parlons dans ce cas des estimations « ex ante ».
➤ Après la mise en place de systèmes de gestion énergétique, cette courbe de référence peut être recalculée ou ajustée afin de déterminer les économies réalisées. Nous parlons dans ce cas des estimations « ex post ».

Les étapes ex ante concernent :
1) La prévision : il est nécessaire de définir une consommation de référence prévisionnelle, afin de prévoir le comportement de la consommation et de pouvoir ainsi prendre des décisions pertinentes et faire appel aux divers mécanismes à disposition. La qualité de la prévision joue un rôle primordial dans les prises de décisions.
➤ En effet, dans le cas de l’effacement, il est indispensable de prévoir la consommation d’un équipement ou usage énergétique afin de savoir s’il peut être effacé et si oui, dans quelle mesure et sur quel horizon de temps.
2) Les économies potentielles : une fois la courbe de référence prévisionnelle établie, il est possible de prévoir les économies potentiellement réalisables.
➤ Dans le cas de l’effacement, le comportement des usages dans les instants à venir est un élément essentiel dans la prise de décision de réduire la consommation électrique.

Les étapes ex post concernent :
3) La reconstitution : la consommation de référence calculée après la mise en œuvre des mécanismes de gestion de la consommation est importante afin de pouvoir chiffrer les résultats des diverses actions de maîtrise de la demande.
➤ Dans le cas de l’effacement, la courbe de charge reconstituée est utilisée pour estimer une puissance de référence, c’est-à-dire, la puissance qui aurait été consommée s’il n’y avait pas eu d’effacement.
4) Les économies réalisées : elles sont estimées sur la base du contrôle de la réduction de la consommation.
➤ Dans le cas de l’effacement, il est alors possible d’estimer de combien un usage s’est réellement effacé et ainsi rémunérer le client pour l’effacement réalisé.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

Introduction générale
SECTION I – Contexte et objectifs
CHAPITRE 1. Contexte et définitions
1.1. Problématique métier : la modélisation dans les services énergétiques dans l’industrie
1.2. Effacement de la consommation électrique
1.3. La détermination des consommations de référence
1.4. L’effacement électrique et la maîtrise de la demande d’énergie
CHAPITRE 2. Prévision des consommations électriques industrielles pour le cas de l’effacement électrique
2.1. Le cas français : aperçu du mécanisme d’ajustement
2.2. Caractéristiques techniques de la plateforme d’agrégation d’effacement
2.3. Objectifs spécifiques : la prévision de la consommation
2.4. Disponibilité et qualité des données
CHAPITRE 3. Prévision de la consommation énergétique à court terme dans l’industrie : État de l’art
3.1. La prévision des courbes de charge : focus sur l’industrie
3.2. Les méthodes de prévision des courbes de charge à court terme
3.2.1. Approches par séries chronologiques et modèles classiques de régression
3.2.2. Analyse multivariée et prévision
3.2.3. « Data mining » et apprentissage automatique
3.2.4. Approches non-déterministes
3.2.5. Approches hybrides
Résumé de section et questions de recherche
SECTION II – Méthodologie
CHAPITRE 4. Démarche générale
4.1. Mise en forme des données – Prétraitement
4.1.1. Niveau Site industriel
4.1.2. Niveau Usages industriels
4.2. Analyses préalables et caractérisation
4.3. Prévision pour l’estimation de la consommation de référence pour l’effacement dans l’industrie
4.4. Performance des méthodes de prévision
4.4.1. Erreurs de prévision
4.4.2. « Gross Energy Difference » et Volume de défaillance
4.4.3. Taux de fiabilité
4.5. Evaluation du taux de fiabilité : validation des résultats
4.5.1. Validation croisée simple ou « Data splitting »
4.5.2. Validation croisée répétée : approche « Monte-Carlo »
4.5.3. Validation croisée globale par « Bootstrap »
4.6. Les indicateurs significatifs dans le cadre de la thèse
4.7. Choix de la méthode de prévision
CHAPITRE 5. Méthodes de prévision étudiées pour l’estimation de la consommation de référence pour l’effacement dans l’industrie
5.1. Prévision au niveau d’agrégation site industriel
5.1.1. Méthodes d’estimation de la consommation de référence par moyennes de journées similaires : K3JS
5.1.2. Prévision avec une Régression sur Composantes Principales (RCP)
5.1.3. Prévision par reconnaissance de formes à l’aide de la classification automatique par cartes de Kohonen (RFCK)
5.2. Prévision au niveau d’agrégation des usages industriels
5.2.1. Prévision avec régression Lasso sur individus journaliers historiques (RLIH)
5.2.2. Prévision avec régression Lasso sur individus journaliers historiques sous contrainte de positivité (RLI+)
5.2.3. Prévision avec régression Lasso sur Composantes Principales (RLCP)
5.2.4. Prévision avec régression Logistique sur attributs temporels
Résumé de Section
SECTIION III – Cas d’études et discussions
CHAPITRE 6. Résultats : niveau d’agrégation site industriel
6.1. Présentation et caractérisation des différents sites industriels étudiés
6.1.1. Site CRCY
6.1.2. Site ERTM
6.1.3. Site TRGX
6.1.4. Site TRIT
6.2. Cas d’étude : Site CRCY
6.2.1. Approche « Data Splitting »
6.2.2. Approche « MCCV »
6.2.3. Approche « Bootstrap »
6.2.4. Résultats globaux au pas demi-horaire
6.2.5. Conclusion sur le Site CRCY
6.3. Résultats finaux au niveau Site
6.3.1. Résultats finaux pour le site ERTM
6.3.2. Résultats finaux pour le site TRGX
6.3.3. Résultats finaux pour le site TRIT
CHAPITRE 7. Résultats : Niveau d’agrégation usage industriel
7.1. Présentation et caractérisation des différents usages étudiés
7.1.1. Usage TB3
7.1.2. Usage CA2
7.1.3. Usage CA3
7.1.4. Usage CA4
7.1.5. Usage TU2
7.2. Cas d’étude : Usage CA3
7.2.1. Approche « Data Splitting »
7.2.2. Approche « MCCV »
7.2.3. Approche « Bootstrap »
7.3. Résultats finaux par usage
7.3.1. Résultats TU2
7.3.2. Résultats TB3
7.3.3. Résultats CA4
7.3.4. Résultats CA2
Bilan : Synoptique de l’application des méthodes de prévision
SECTION IV – Conclusions

Rapport PFE, mémoire et thèse PDFTélécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.