Détermination de profils de consommation électrique par évolution artificielle parallèle
Langue Anglais
Accéder à la thèse :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse confidentielle jusqu'au 16/02/2019.
  • Thèse soumise à l'embargo de l'auteur : embargo illimité (communication intranet).
 
Auteur : Krüger, Frédéric
Date de soutenance : 17-02-2014

Directeur(s) de thèse : Collet, Pierre

Président : Knittel, Dominique
Rapporteur(s) : Hadj-Said, Nouredine - Lutton, Évelyne
Membre(s) du jury : Kuonen, Pierre - Braun, Martin

Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
 
Discipline : Informatique
Classification : Informatique

Mots-clés libres : Evolution artificielle, Profils électrique, Calcul inverse, Séparation aveugle de source, Parallélisation, Prévision de charge, Optimisation
Mots-clés :
  • Électricité -- Consommation - Modèles mathématiques
  • Algorithmes génétiques
  • Calcul évolutionnaire
  • Algorithmes parallèles
Résumé : Il est primordial, pour un distributeur d’énergie électrique, d’obtenir des estimations précises de la demande en énergie de leurs réseaux. Des outils statistiques tels que des profils de consommation électrique offrent des estimations de qualité acceptable. Ces profils ne sont cependant généralement pas assez précis, car ils ne tiennent pas compte de l’influence de facteurs tels que la présence de chauffage électrique ou le type d’habitation. Il est néanmoins possible d’obtenir des profils précis en utilisant uniquement les historiques de consommations d’énergie des clients, les mesures desdéparts 20kV, et un algorithme génétique de séparation de sources. Un filtrage et un prétraitement des données a permis de proposer à l’algorithme génétique de séparation de sources des données adaptées. La séparation de sources particulièrement bruitées est résolue par un algorithme génétique complètement parallélisé sur une carte GPGPU. Les profils de consommation électrique obtenus correspondent aux attentes initiales, et démontrent une amélioration considérable de la précision des estimations de courbes de charge de départs 20kV et de postes de transformation moyenne tension-basse tension.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2014STRAD002
Type de ressource : Thèse