M. MACHRAFI Aboubakr
Promotion : 2018
Ecole Nationale Supérieure des Mines de Nancy (ENSMN)
Poste actuel : Ingénieur, ENEDIS ( Nanterre )
Stage : Réseaux de Transport d'Electricité ( Saint-Denis )
Mission : Prévision des pertes électriques sur le réseau afin d'élaborer une meilleure stratégie d'achat d'électricité pour RTE.
Résumé Stage : La prévision de pertes est nécessaire pour pouvoir élaborer une stratégie d’achat pertinente de ces pertes et déterminer la trajectoire financière de RTE. Les pertes varient en fonction de l’énergie transportée par RTE et cette énergie varie en fonction des soutirages (qui sont globalement stables) mais pas seulement : plus l’énergie doit être transportée sur de longues distances plus les pertes sont importantes. La localisation des moyens de production en service à un instant donné, qui ne dépend pas de RTE, a un impact important sur le volume des pertes. Cette localisation qui dépend de la disponibilité des moyens de production et du marché de l’électricité européen se traduit par des évolutions régulières des plans production et des programmes d’import/export.
Les modèles de prévisions des pertes de RTE sont principalement calés sur la prévision de taux de pertes par rapport aux soutirages. Même s’ils sont différenciés par semaines, heures, type de journée, l’utilisation de ce seul facteur explicatif n’est plus suffisante. Les corrélations entre soutirage et pertes baissent d’année en année que ce soit sur la THT (liées à la fluidification du marché européen de l’électricité) et sur la HT (où les productions ENR raccordées en HTA peuvent maintenant localement augmenter les pertes en diminuant les soutirages).
Le concept de prévisions de pertes au pas horaire à condition normale de température n’est ainsi plus pertinent pour élaborer une stratégie d’achat pertinente.
Il est proposé de concevoir de nouveaux modèles de prévisions de pertes qui se concentrent sur le besoin. Ainsi, sur l’échéance pluri-annuelle, où il s’agit d’acheter des produits annuels peak / off-peak, il serait intéressant de pouvoir prévoir une dispersion probabiliste des pertes en fonction des probabilités météo et de plans de productions, afin de choisir la meilleure couverture.