Caractérisation aveugle de la courbe de charge électrique : Détection, classification et estimation des usages dans les secteurs résidentiel et tertiaire

Overview & Synopsis

Le problème de caractérisation non-intrusive des usages dans des conditions réelles à partir de l'unique observation de la courbe de charge (CdC) générale résidentielle et tertiaire disponible (puissance moyenne quotidienne disponible en sortie du compteur) a été peu étudié. L'objectif de la thèse est d'explorer les possibilités et les méthodes permettant une caractérisation aveugle des composantes du mélange observé. Plus précisément, il s'agit d'extraire des descripteurs temporels, énergétiques ou encore événementiels à partir d'un mélange unique de sources non-stationnaires de nombre inconnu. Nous considérons quatre sous-problématiques sous-jacentes à la caractérisation de la CdC : la détection des usages, la classification des signaux de la CdC, l'estimation des paramètres des usages (énergie, amplitude, etc.) et la séparation des sources du mélange observé. Les algorithmes mis en œuvre sont évalués sur les données réelles. Les performances obtenues sont satisfaisantes. Outre les contributions de formalisation et algorithmiques, un des apports marquants de cette étude est une solution non-intrusive pour la segmentation automatique la CdC générale résidentielle et pour la cartographie de l'énergie quotidienne consommée en quatre composantes : le chauffage électrique, le chauffe-eau, le froid alimentaire et les autres usages. Au delà des améliorations algorithmiques et de l'étude de performance à poursuivre, nous proposons en perspective de cette thèse une approche générique pour décomposer une CdC quelconque fondée sur une modélisation stochastique de la série des événements de la CdC.