{"id":13328,"date":"2022-02-25T17:22:24","date_gmt":"2022-02-25T16:22:24","guid":{"rendered":"https:\/\/fondation-grenoble-inp.fr\/?post_type=projet&p=13328"},"modified":"2022-03-16T18:04:13","modified_gmt":"2022-03-16T17:04:13","slug":"post-doc-prevision-de-profils-dynamiques-par-ia","status":"publish","type":"projet","link":"https:\/\/fondation-grenoble-inp.fr\/en\/projet\/post-doc-prevision-de-profils-dynamiques-par-ia\/","title":{"rendered":"Post-doc : Dynamic profile prediction by AI"},"content":{"rendered":"
Axe de recherche du projet<\/strong> : Solutions innovantes \u00e0 base de nouvelles technologies informatiques et t\u00e9l\u00e9com, traitement de donn\u00e9es et intelligence artificielle<\/p>\n\n\n\n Porteurs du projet<\/strong> :<\/p>\n\n\n\n Doctorant : Andre Amr Alzouhri Alyafi<\/p>\n\n\n\n Encadrement G2Elab : Benoit Delinchant<\/a> and Nouredine Hadjsaid<\/a> <\/p>\n\n\n\n Encadrement Enedis : Alain Berges et Olivier Chaouy<\/a><\/p>\n\n\n\n Organisations associated with the project :<\/strong> G2Elab<\/a>, Enedis<\/a><\/p>\n\n\n\n The project<\/strong><\/strong> :<\/p>\n\n\n\n Depuis le 1er<\/sup> juillet 2018, les principaux profils-types[1]<\/a> \u00e9tablis par Enedis, utilis\u00e9s au service de l\u2019\u00e9quilibrage du syst\u00e8me \u00e9lectrique fran\u00e7ais, pour d\u00e9terminer les flux demi-horaires d\u2019\u00e9lectricit\u00e9 par Responsable d\u2019Equilibre (RE)[2]<\/a>, sont pass\u00e9s en mode \u00ab dynamique \u00bb. Concr\u00e8tement, la valeur calcul\u00e9e d\u2019un profil dynamique est adapt\u00e9e \u00e0 chaque demi-heure en fonction des consommations mesur\u00e9es d\u2019un panel de clients Linky repr\u00e9sentatifs.<\/p>\n\n\n\n Le profilage dynamique s\u2019applique pour le moment \u00e0 34.5 millions de clients repr\u00e9sentant plus de 50% de l\u2019\u00e9nergie transitant sur le r\u00e9seau de distribution. Il s\u2019agit d\u2019une \u00e9volution en rupture avec la mod\u00e9lisation utilis\u00e9e jusque-l\u00e0 (mod\u00e9lisation, moins r\u00e9active, dite \u00ab statique \u00bb, consistant \u00e0 utiliser des coefficients moyenn\u00e9s pr\u00e9d\u00e9finis, extrapol\u00e9s en tenant compte du type de jour et de la m\u00e9t\u00e9o r\u00e9alis\u00e9e). Le profilage dynamique r\u00e9duit ainsi d\u2019un facteur 2 les incertitudes d\u2019allocation d\u2019\u00e9nergie demi-horaire entre RE, ce qui repr\u00e9sente sur certaines demi-heures plusieurs GW (l\u2019\u00e9quivalent en puissance de quelques r\u00e9acteurs nucl\u00e9aires). L\u2019application du profilage dynamique a \u00e9t\u00e9 \u00e9tendue \u00e0 l\u2019ensemble des sites profil\u00e9s BT \u2264 36 kVA (et \u00e0 l\u2019ensemble des processus de reconstitution des flux) \u00e0 compter de mi-2020.<\/p>\n\n\n\n Les RE ont besoin de disposer d\u2019informations (coefficients de profils, notamment) leur permettant d\u2019anticiper les flux qui leur sont affect\u00e9s par le processus de reconstitution des flux, de fa\u00e7on \u00e0 pouvoir engager les actions (achat \/ vente d\u2019\u00e9nergie) leur permettant d\u2019\u00e9quilibrer leur p\u00e9rim\u00e8tre. L\u2019activit\u00e9 de pr\u00e9vision est, dans ce contexte, cruciale pour les RE. Elle l\u2019est aussi pour Enedis pour r\u00e9pondre aux besoins suivants :<\/p>\n\n\n\n Objectif du projet :<\/strong><\/p>\n\n\n\n L\u2019objectif des travaux est de d\u00e9velopper des m\u00e9thodes de pr\u00e9vision de profils dynamiques (\u00e0 un horizon \u00e0 d\u00e9finir, a priori court-terme, pas au-del\u00e0 d\u2019une semaine) \u00e0 partir de tout type de donn\u00e9es (structur\u00e9e \/ non structur\u00e9es) pour prendre en compte un maximum d\u2019informations impactant la consommation ou la production.<\/p>\n\n\n\n Expected results :<\/strong><\/p>\n\n\n\n Nous \u00e9tablions une pr\u00e9vision g\u00e9n\u00e9rale du profil \u00e0 partir de mod\u00e8les classiques (GAM notamment) compl\u00e9t\u00e9e pour une am\u00e9lioration de la pr\u00e9vision des \u00e9v\u00e9nements atypiques par de l\u2019IA (Reinforcement Learning notamment). Le mod\u00e8le s\u2019appuiera sur les donn\u00e9es externes usuelles des pr\u00e9visions de consommations (temp\u00e9ratures, n\u00e9bulosit\u00e9, donn\u00e9es calendaires, etc.), et sur des informations externes textuelles (r\u00e9seaux sociaux, open data\u2026) ou non (donn\u00e9es \u00e9conomiques par exemple), afin de prendre en compte l\u2019impact des \u00e9v\u00e9nements sociaux et\/ou politique et\/ou \u00e9conomique et\/ou climatiques exceptionnels sur la consommation des clients du r\u00e9seau de distribution.<\/p>\n\n\n\n Publications associ\u00e9es :<\/strong><\/p>\n\n\n\n Non concern\u00e9 pour le moment<\/p>\n\n\n\n Planning :<\/strong><\/p>\n\n\n\n Septembre 2020 \u00e0 mars 2022<\/p>\n\n\n\n
\n\n\n\n