Automatic component selection in additive modeling of electricity load forecasting

Estimation et selection pour les modeles additifset application a la prevision de la consommation electrique

Vincent Thouvenot (1, 2)

1 LMO - Laboratoire de Mathématiques d'Orsay
2 SELECT - Model selection in statistical learning

French electricity load forecasting encounters major changes since the past decade. These changes are, among others things, due to the opening of electricity market (and economical crisis), which asks development of new automatic time adaptive prediction methods. The advent of innovating technologies also needs the development of some automatic methods, because we have to study thousands or tens of thousands time series. We adopt for time prediction a semi-parametric approach based on additive models. We present an automatic procedure for covariate selection in a additive model. We combine Group LASSO, which is selection consistent, with P-Splines, which are estimation consistent. Our estimation and model selection results are valid without assuming that the norm of each of the true non-zero components is bounded away from zero and need only that the norms of non-zero components converge to zero at a certain rate. Real applications on local and agregate load forecasting are provided. This phd has been achived in Orsay Mathematic Laboratory, EDF R&D and select Inria

L'electricite ne se stockant pas aisement, EDF a besoin d'outils de prevision de consommation et de production efficaces. Le developpement de nouvelles methodes automatiques de selection et d'estimation de modeles de prevision est necessaire. En effet, grace au developpement de nouvelles technologies, EDF peut etudier les mailles locales du reseau electrique, ce qui amene a un nombre important de series chronologiques a etudier. De plus, avec les changements d'habitude de consommation et la crise economique, la consommation electrique en France evolue. Pour cette prevision, nous adoptons ici une methode semi-parametrique a base de modeles additifs. L'objectif de ce travail est de presenter des procedures automatiques de selection et d'estimation de composantes d'un modele additif avec des estimateurs en plusieurs etapes. Nous utilisons du Group LASSO, qui est, sous certaines conditions, consistant en selection, et des P-Splines, qui sont consistantes en estimation. Nos resultats theoriques de consistance en selection et en estimation sont obtenus sans necessiter l'hypothese classique que les normes des composantes non nulles du modeles additifs soient bornees par une constante non nulle. En effet, nous autorisons cette norme a pouvoir converger vers 0 a une certaine vitesse. Les procedures sont illustrees sur des applications pratiques de prevision de consommation electrique nationale et locale.

Mots clés: Variables selection; Additive Model; Group LASSO; Load Forecasting; Multi-stage estimator; PSplines

Mots clés: Prevision de charge electrique; Modele Additif; Selection de variables; P-Splines; Group LASSO; Estimateurs en plusieurs etapes

Domaines: Statistiques [stat]

Vincent Thouvenot. Estimation et selection pour les modeles additifset application a la prevision de la consommation electrique. Statistiques [stat]. Paris Saclay, 2015. Français. ⟨NNT : ⟩. ⟨tel-01708576⟩