Simulation prédictive pour la gestion des consommations électriques dans un quartier
Résumé
The simulation of electrical power consumption allows quick estimations of future needs in this domain to be obtained. However, purely statistic methods suffer from diverse limitations. Very often, a model's parameters are not directly related to inhabitant's behavior. Furthermore, when habits or equipment evolve, the database may become unsuited or even obsolete. An interesting approach to overcome these limitations is to use an adaptive model, centered on the behavior of inhabitants thus allowing robust extrapolations, even among user's profiles that are not part of the database. In this paper, we propose a multi-agent system based on a new model of bio-inspired agent. The agent relies on knowledge extracted from consumption databases with multivariate analysis. The parameters of our model are mainly behavior-related and the results obtained are precise.
La simulation de consommations électriques permet d'obtenir rapidement une estimation des besoins présents et futurs en énergie électrique. Les simulations purement statistiques ne parviennent pas à résoudre divers problèmes. Les paramètres de la plupart des modèles proposés dans la littérature n'ont pas de lien concret avec des comportements d'usagers. De plus, lorsque les systèmes et les usages évoluent, la base de données devient inadaptée. Une approche intéressante consiste à exploiter un modèle adaptatif centré utilisateur et usages permettant une extrapolation fine des prédictions de consommation en dehors des profils et contextes répertoriés. Dans cet article, nous proposons une approche multi-agents centrée sur un nouveau modèle d'agent bio-inspiré. Celui-ci s'appuie sur des à priori de comportements d'usagers obtenus par analyse multivariée de bases de données de consommations. Notre approche a été évaluée quantitativement, les résultats obtenus sont précis et les paramètres de notre modèle sont directement interprétables en termes comportementaux.