Résumé
L’analyse des courbes de charge des clients d’ES permet de mieux les informer sur leur consommation électrique.
Les compteurs communicants permettent de relever en temps réel et à distance la consommation des clients de manière précise. Ces données, reliées à des données météorologiques, permettent de constituer des courbes qui peuvent être analysées à l’aide de techniques statistiques et de méthodes d’intelligence artificielle, ce qui permet de mieux prédire les consommation futures et d’optimiser l’utilisation de l’électricité.
Ces travaux sont au cœur d’une collaboration entre Électricité de Strasbourg et Cemosis, concrétisée notamment par le stage de Fatima Fahs, étudiante en M2 CSMI (Calcul Scientifique et Mathématiques de l’Information), dirigée par Daniel Wagner (ES) et encadrée par Myriam Maumy-Bertrand et Céline Caldini-Queiros. Fatima Fahs travaille précisément sur la prédiction de courbes de charges à partir d’historiques de consommation et de données météorologiques.
Objectifs
- Réussir à traiter les données issues des compteurs communicants et à les mettre en relation avec des données météorologiques.
- Prédire la consommation future d’un client à partir de son historique de consommation.
Logiciels
Le traitement des données et leur analyse statistique font appel au langages VBA et R.
Actualité
Les projets de la SEME sont publiés
October 19, 2018Cemosis, parmi les “offreurs de solution de la région Grand Est”
July 5, 2018PEPS apprentissage automatique
June 28, 2018Collaboration
- Électricité de Strasbourg
- Cemosis, Université de Strasbourg
Financement
- ES, IRMA
Contacts
- Daniel Wagner (ES)
- Myriam Maumy-Bertrand
- Céline Caldini-Queiros
Équipe
- Daniel Wagner (ES)
- Myriam Maumy-Bertrand
- Céline Caldini-Queiros
- Fatima Fahs
Images
- Prédiction 30min
- Prédiction 3h
You must be logged in to post a comment.