Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Réalisé par : Encadré par : MAZARI ABDESSAMED Imene BENCHRIF Mohamed KERRACI Ab

Réalisé par : Encadré par : MAZARI ABDESSAMED Imene BENCHRIF Mohamed KERRACI Abdelkader République Algérienne Démocratique et Populaire Ministère de l’Enseignement Supérieur et de la Recherche Scientifique Université Djilali BOUNAAMA KHEMIS MILIANA Faculté des Sciences et de la Technologie Département de la Technologie Mémoire du Projet de Fin d’Etudes Pour l’obtention de diplôme ANALYSE ET CREATION DE MODELES DE RÉGRESSION DES DONNÉES ÉNERGÉTIQUES Année Universitaire 2013/2014 Titre : Master En« Génie Electrique Option : « Electrotechnique » Aujourd'hui, les scientifiques s'accordent sur un réchauffement climatique ( plus ou moins important) de notre planète. L'émission de Gaz à effet de serre (GES) notamment de CO2 est une des principales causes du réchauffement climatique. Ce sont les activités humaines et notamment la production et la consommation d'énergie combustibles qui sont responsables de ces émissions croissantes de manière forte depuis la révolution industrielle. Aussitôt produite, aussitôt livrée ! Le réseau haute tension transporte l’électricité bien sûr… Mais au-delà, il veille également à l’équilibre instantané entre l’offre et la demande en électricité, dans notre pays. Problématique?? l’électricité ne se stocke pas à l’échelle industrielle, il faut à chaque instant produire l’électricité que nous consommons. Une bonne gestion et la prise de décision adéquates nécessitent la connaissance des demandes à satisfaire. La demande n’est pas toujours connue à l’avance. PRODUCTION, TRANPORT, DISTRIBUTION D’ÉNERGIE ÉLECTRIQUE L'électricité circule depuis le lieu où elle est fabriquée (les centrales) jusqu'à l'endroit où elle est consommée, par l'intermédiaire d'un réseau de lignes électriques aériennes ou souterraines et transformateur de puissance. Il permet de transporter et de distribuer l'énergie électrique sur l'ensemble du territoire du pays. Structure du Système électrique Rx Transport HT : 150 KV, 90 KV ou 60 KV Énergie primaire: GN SH Réseau Transport THT: 220 KV & 400 KV Rx Distribution MT : 30 KV, 10 KV ou 5,5 KV Rx Distribution BT : 220 V ou 380 V Centrale production d’électricité Système électrique Les centrales Centrale hydraulique Turbine vapeur Turbine gaz Centrale diesel Ferme éolienne Centrale nucléaire Centrale solaire Établir les objectifs de réduction (ou de production) d’énergie Facteur(s) d’influence Consommation ou production d’énergie Réduire l’énergie non-productive (gaspillage) Améliorer le rendement Réduire la variabilité Plan 2 Analyse des données énergétiques L’analyse des données a pour objet de mieux comprendre la consommation et le coût de l'énergie, de calculer les niveaux de rendement et d'établir les objectifs et la consommation modèle. Un éventail de techniques est disponible, allant des plus simples aux plus complexes. Ces techniques devraient être choisies en fonction des problèmes à résoudre. Exemple 1: Estimation quantitative de la performance énergétique des bâtiments résidentiels qui utilisent des outils d'apprentissage de la machine statistiques • Simulation généré par le logiciel Ecotect • Utilisation huit attributs Compacité relative Surface Espace mur Zone de toit Hauteur hors tout orientation Surface Vitrée Répartition de la zone vitrage • Deux variables de sorties Charge de chauffage Charge de refroidissement • Volume constant • Mêmes Materiaux • 768 echantillons huit variables d'entrées les deux variables de sorties. Relation entre chaque variable d'entrée normalisées et les signaux de sortie normalisés Charge de chauffage Charge de refroidissement Représentation graphique Les travaux et stratégies d'amélioration de la performance énergétique peuvent prendre place au moment de la construction, ou lors d'opération de réhabilitation/transformation/réaffectation, ou encore de reconstruction. Ils concernent l'échelle d'un bâtiment, de quartier voire de l'urbanisme. Exemple 2 Analyse des déterminants de l’efficacité énergétique dans l’espace UEMOA L’analyse a été faite sur les déterminants de l’efficacité énergétique dans l’espace de l’union économique et monétaire ouest-africaine (UEMOA) à partir d’un modèle à l’issue des différents tests effectués, le modèle à effets fixes dont les estimations des paramètres par le logiciel STATA version 10 Exemple 3 Développement d’un modèle de prédiction et d’optimisation de la conception des maisons individuelles vis-à-vis de leur consommation de chauffage au nord du Maroc • Le bâtiment sélectionné est une maison individuelle, d’une superficie de 100 m² • Pour l’identification des coefficients du modèle, des simulations à l’aide du logiciel TRNSYS ont été réalisées. Le polynôme d’estimation de la consommation de chauffage est donné par : • comparaison aux résultats de 250 simulations dynamiques de combinaisons aléatoires pour les niveaux des paramètres étudiés. (précision) Exemple 4 Réseau de neurones artificiels intégré avec les méthodes de régression de la charge prévisionnelle cet exemple a combiné le réseau de neurones artificiel et des méthodes de modélisation de régression pour prédire la charge électrique à l’aide du logiciel MATLAB, tenant compte de données historiques pour prévoir la demande de la charge électrique prévisionnelle jusqu'à l'année 2020. Exemple 5 Séries de modèle chronologique de régression pour la prévision demande de la charge électrique de la Malaisie Cette analyse a été structurée en suivant un régime par étapes en commençant par le modèle de régression le plus simple et en ajoutant à chaque fois de nouveaux termes afin d'évaluer séparément l'effet des différents facteurs qui influent sur la demande quotidienne d'électricité. Tenant compte de tous les résultats, le modèle estimé est finalement donnée par : Régression linéaire simple et régression symbolique régression symbolique Intérêts de réaliser une régression A partir d’un volume important de valeurs résumer l’information Dégager une tendance de l’évolution des données Prédiction : interpolation et avec précaution extrapolation Les différentes étapes d’une étude de régression La régression linéaire simple Définition : La régression linéaire l’ajustement d’une droite au nuage statistique d’une série de couples de données. Ainsi, une régression linéaire simple va permettre de résumer, d’interpréter et de prévoir les variations d’un caractère dit dépendant (Y) en fonction d’un autre dit indépendant (X) et ce en utilisant une droite. 20 Modèle d’une régression linéaire simple • Le modèle de la régression: • alors, toutes les régressions linéaires simples sont décrites par deux paramètres, l’ordonnée à l’origine (a) et la pente (b) X DX DY b = DY/DX (pente) a (intercept) Y bX i i i    a  i Xi Yi Observées Attendues La méthode des moindres carrés Cette méthode essaie de construire une droite de régression empirique qui minimise la somme des carrés des distances verticales entre cette droite et chacun des points observés. Critère des moindres carrés où: yi = valeur observée de la variable dépendante pour pour la ième observation = valeur estimée de la variable dépendante pour la ième observation 2 ˆ min ( ) i i y y   ˆi y 2 ˆ min ( ) i i y y   23 Surface 300 200 100 0 Prix 1600 1400 1200 1000 800 600 400 200 0 La droite des moindres carrés xi yi erreur ei i y ˆ * b x a y ˆ ˆ ˆ   On cherche minimisant b ˆ et a ˆ   n i i e 1 2 valeur observée valeur prédite Principes de la méthode des moindres carrés … Comment calculer les coefficients b0 et b1? Les estimations ponctuelles des paramètres de la droite de régression obtenues par la méthode des moindres carrés sont :          n i i n i i i x n x y x n y x b x b y b 1 2 2 1 1 1 0 Taille de l’échantillon 1 2 i i i ( x x )( y y ) b ( x x )       Autre formule pour b1 Prévision Action d’envisager à l’avance un évènement Choix de la meilleure technique de prévision Principales mesures d’erreurs La meilleure méthode de prévision doit donner les prévisions les plus précises possibles. Pour évaluer une méthode, on se base sur les erreurs de prévision passées. L’écart entre une donnée passée et la prévision faite par le modèle pour la période correspondante est mesuré pour s’assurer de la justesse du modèle. Différentes mesures d’écart • Écart quadratique moyen • Écart absolu moyen • Écart absolu moyen en % • Biais Écart quadratique moyen L’écart quadratique moyen se calcule ainsi où Pi = valeur prévue et Xi = valeur réelle.   n X P EQM n i i i n     1 2 Écart absolu moyen Ce type de mesure d’erreur tient compte des écarts sans égard au signe des valeurs. L ’écart absolu moyen se calcule ainsi n X P EAM n i i i t     1 Erreur absolue moyenne Par ailleurs, l’erreur absolue moyenne en % se calcule un peu différemment que l’écart absolu moyen. n X X P EAM n i i i i     1 100 Biais ou erreur moyenne Pour le calcul du biais, les écarts tiennent compte du signe des valeurs i.e. négatifs ou positifs. Le biais devrait être près de 0. La régression symbolique La régression symbolique est un type de l'analyse par régression, les expressions initiales sont formées en combinant aléatoirement des blocs de construction mathématiques, de nouvelles équations sont alors formées par une recombinaison des équations précédentes, en utilisant la programmation génétique qui est une technique permettant à un uploads/Industriel/ analyse-donnees-energetiques.pdf