Browsing by Author "LAOUAFI, Abderrezak"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Contribution à la modélisation de la courbe de charge électrique par des techniques intelligentes
    (Université 20 Août 1955 - Skikda, 2017-05-03) LAOUAFI, Abderrezak; MORDJAOUI, Mourad
    Le présent travail s'inscrit dans la thématique de la prévision de la puissance appelée dans les réseaux électriques. Cette thématique a fait l'objet de recherches pendant plus de cinq décennies. Cependant, elle demeure une problématique assez di cile à cause du comportement non linéaire de la charge électrique et sa relation complexe avec plusieurs facteurs. Les prévisions satisfaisantes de charge représentent donc un dé important pour les chercheurs, où chaque auteur essaye d'améliorer la précision de prévision et compare la performance obtenue par son propre modèle avec les performances d'autres modèles issus de la littérature. Notre contribution s'inscrit donc dans ce cadre pour l'amélioration des performances de prévision. On s'intéresse principalement au développement des méthodes assurant les prévisions satisfaisantes pour les deux horizons de prévision à très court-terme et court-terme de la charge électrique. Néanmoins, nous avons e ectués une première étude pour les deux horizons temporels de prévision à moyen et à long-terme, dont le but est d'évaluer un ensemble de méthodes existantes. Les résultats de cette étude ont montré qu'il est dé nitivement conseillé d'utiliser à la fois plusieurs méthodes a n d'améliorer les performances. Cette idée été l'élément clé dans une deuxième étude consacrée à la prévision à court-terme de la consommation d'électricité en Algérie. L'approche pour la prévision à court-terme consiste à utiliser une méthodologie hybride adaptative à deux étapes, dont l'idée clé est d'assurer une première prévision et d'essayer ensuite de l'améliorer par le biais d'un système de prévision secondaire. Les résultats de cette étude ont montré de meilleure performance par rapport à une méthode de prévision issue de la littérature, et connue actuellement sous le nom de la méthode de Holt-Winters-Taylor. L'approche pour la prévision à très court-terme, a sans tour, consiste à exploiter cette idée d'utiliser plusieurs méthodes. Cependant, pour de tel cas de prévision pour quelques minutes à l'avance il n'y aura pas du temps pour tenter une amélioration de prévision. Il fallait donc chercher la meilleure performance dès un premier temps. Par conséquent, notre idée pour de tel cas est d'utiliser une combinaison de prévisions et de tirer la meilleure performance à partir d'un ensemble de méthodes primaires. Nous avons appliqués cette méthodologie combinée sur les données de charge en temps-réel du système électrique français, et l'ensemble de données australiennes pour l'Etat de la Nouvelle-Galles du Sud. Les résultats de ce système ont montré de meilleures performances en comparaison avec un algorithme de référence, nommé AWNN, et développé en 2016 par M. Rana et al.