M. CASTANIÉ Alexandre
Promotion : 2022
Arts et Métiers ParisTech (ENSAM)
EKWATEUR
Stage : Ekwateur ( Paris )
Mission : Développement d’outils de prévision de courbes de charge et de profils de consommation d’électricité
Résumé Stage : Afin de correctement s’approvisionner, un fournisseur d’énergie doit procéder à une estimation de la consommation future de son portefeuille de clients. Il s'agit d'un enjeu crucial : sans une prévision adéquate, aucun achat ne peut être réalisé correctement. Ma mission a principalement porté sur ce sujet. Un outil de prévision d’une série temporelle, au pas demi-horaire sur plusieurs années, a été développé. Cet outil est majoritairement utilisé par l’équipe sourcing sur des courbes de charge télé relevées par Enedis grâce au compteur Linky. Il est employé pour la prévision de consommation opérationnelle d’Ekwateur, qu’il s’agisse des processus récurrents ou de consultations ponctuelles pour des clients B2B. L’outil de prévision a été conçu comme une solution de transition vers des modèles plus précis et repose sur un concept simple de réplication du passé. Cet outil est comparé à des modèles de Machine Learning comme Xgboost, un réseau de neurone ou d’autres modèles plus élaborés d’assembling. En plus de produire un outil opérationnel aux résultats convaincants dont les forces et les faiblesses ont été étudiées en profondeur, le travail aura permis d’éclairer un certain nombre de points : la difficulté du travail de prévision d’une consommation électrique, les problèmes de données liés aux courbes de charge et à certains processus internes ou encore la nécessité d’avoir une sensibilité accrue sur la qualité des données exploitées. Le développement d’un autre outil basé sur du Machine Learning a été initié pour la prévision de coefficients dynamiques de certains profils. Un profil est la représentation du comportement moyen d’un groupe de consommateurs d’électricité au cours du temps. Les coefficients « dynamiques », à la différence de leurs homologues « statiques », sont un moyen de calculer les profils grâce à la mesure directe d’un panel de consommateurs instrumentés pour connaître leurs courbes de charge. Leur prévision permet d’estimer la consommation future des clients qui n’ont pas encore basculé en courbe de charge.