Discussion des résultats autour du modèle prédictif

Après une étude temporelle de l’inventaire des flux électriques en ACV, à partir de données rétrospectives et en temps réel, la deuxième problématique vise à fournir une réflexion sur une approche prospective des bouquets électriques pour la province du Québec. L’idée des modèles prédictifs s’inscrit dans le besoin concret de mesurer en temps réel les émissions de GES et de prévoir les émissions futures sur le court terme afin d’optimiser davantage des systèmes tels que le « Cloud Computing ».

5.2.1 Retour sur l’objectif de la recherche

L’objectif secondaire de ce mémoire est donc de développer les prémices d’une méthode prédictive d’extrapolation et de modélisation des flux électriques d’importations et d’exportations, basé sur les extensions des tendances des données rétrospectives historiques. Le modèle prédictif cible la prédiction des flux d’importations et d’exportations à l’heure (h+1)

basée sur des données à l’heure (h). Il a été démontré tout au long de l’approche rétrospective, le rôle important des échanges électriques dans la modélisation des impacts de la province de Québec. L’approche prospective vise à corréler les importations et exportations avec le prix de l’électricité, la température ainsi que la demande prévue. Les premières extrapolations menées sur les interconnexions (Ontario, Nouvelle-Angleterre et New York) du Québec sont concluantes et permettent d’anticiper les exportations du Québec pour les interfaces citées. Néanmoins les importations de la Nouvelle-Angleterre, du Nouveau-Brunswick et de New York sont discontinues dans le temps et ne peuvent être extrapolées rigoureusement avec une méthode de multi-corrélations. Par ailleurs, les importations en provenance de l’Ontario répondent, quant à elles, très bien à la multi-corrélation en fonction des paramètres choisis.

5.2.2 Perspectives d’amélioration

5.2.2.1 Le choix des paramètres de corrélation

La prévision de l’électricité est une tâche complexe, beaucoup de facteurs rentrent en compte dans les variations de la demande électrique, de la consommation électrique ainsi que de la production électrique. Tout modèle, même des plus sophistiqués, ne pourrait retranscrire pleinement la réalité, en raison du nombre infini de facteurs et de phénomènes de la vie réelle. Le modèle prédictif proposé dans ce travail fournit une corrélation suivant trois facteurs, or il serait intéressant d’étudier d’autres facteurs ou de les raffiner afin d’améliorer les équations.

Tout d’abord, afin de pouvoir comparer les paramètres entre eux, les paramètres de demande, de prix et de température ont dû être normalisés afin de s’affranchir des disparités des unités respectives. Les quelques équations normalisées sont présentées à l’ANNEXE S. L’analyse des coefficients de linéarité une fois normalisée ne permet pas de juger de la prédominance d’un paramètre par rapport à l’autre. Le prix de l’électricité est utilisé dans de nombreux travaux de corrélation de la consommation de l’électricité (Harris & Liu, 1993), les résultats des corrélations confirment l’importance du prix de l’électricité dans la mise en place des importations et des exportations. De ce fait, il serait judicieux de raffiner davantage le paramètre du prix de l’électricité en essayant de collecter directement les données de prix de l’électricité à l’interface d’échange plutôt qu’au niveau régional. Parmi les voies d’amélioration du paramètre du prix, une autre initiative serait d’harmoniser les données disponibles sur les sites

des opérateurs de l’énergie. En effet, les prix utilisés dans les corrélations se réfèrent pour certains aux prix de la part marginale de l’électricité et pour d’autres au prix global du mégawattheure sur le marché de l’électricité de la province. Une uniformisation des données du prix de l’électricité rajouterait de la valeur au modèle de prévision électrique au Canada.

En ce qui concerne le paramètre de la température, les travaux de Hashimoto Pardo insistaient sur l’influence des paramètres météorologiques pour l’anticipation des parts électriques de chaque technologie de production (Pardo et al., 2002). Il a été choisi d’étudier dans ce travail la température, mais, il serait dès lors intéressant d’étendre les corrélations à d’autres facteurs météorologiques comment la force du vent présenté dans les travaux de Giebel et al comme déterminant ou encore les précipitions pouvant influencer davantage le recours aux énergies renouvelables (Kariniotakis et al., 2004).

Par ailleurs, l’influence d’un grand nombre de paramètres économiques et démographiques est citée par plusieurs auteurs (Fung & Rao Tummala, 1993; Kankal et al., 2011; Pardo et al., 2002). Les études menées par Z. Mohamed et al étudient, entre autres, en Nouvelle- Zélande l’influence du PIB, du prix de l’électricité ainsi que la démographie afin de prédire la consommation électrique. Néanmoins, il ne semble pas très adapté d’étudier des paramètres comme la démographie ou encore le PIB pour des modèles anticipant sur le très court terme. La variation de ces paramètres n’est pas significative sur le très court terme, mais serait valable pour l’évolution annuelle de la consommation électrique.

De plus, ici le modèle prédictif développé s’intéresse exclusivement aux importations et exportations,

Un modèle prédictif plus complexe, plus précis peut être construit, mais cela nécessite une grande quantité d’efforts et de ressources à développer et à manipuler.

5.2.2.2 La simplification du modèle d’anticipation des données historiques

Le choix d’utiliser une régression de type linéaire pour la modélisation des importations et des exportations d’électricité peut être un choix critiquable. En effet, l’hypothèse faite par le choix de la régression linéaire est qu’il n’existe aucune dépendance des différents paramètres, par exemple entre la demande et la température ou encore entre le prix et la demande. Or, il peut être judicieux de tester au préalable l’indépendance des paramètres via l’utilisation d’une matrice de

corrélation permettant d’évaluer l’influence d’un paramètre sur un autre. Dans un cas de dépendance importante des paramètres, il devra être envisagé d’étudier un autre type de régression par exemple polynomiale. La régression linéaire permet ici une première approche lisible et simplifiée de corrélation des importations et exportations électriques à partir des données historiques.

5.2.2.3 Choix de la méthode d’anticipation

L’anticipation de la demande électrique peut être basée, comme vu précédemment, sur des données économiques ou non économiques. Pendant longtemps l’option de l’analyse par régression était de loin la méthode la plus utilisée pour prédire la consommation d’électricité, en partie à cause de la facilité à mettre en place les régressions. Néanmoins, la non-linéarité des paramètres rentrant en jeu dans la variation de l’électricité a amené à des solutions nouvelles basées sur l’intelligence artificielle (Kankal et al., 2011). En effet, la demande croissante en scénarios de prévision de la demande en énergie a ouvert la voie à des méthodes dites intelligentes et des algorithmesde plus en plus performants (Fung & Rao Tummala, 1993). Les réseaux de neurones artificiels apparaissent parmi les méthodes d’intelligence artificielle les plus citées (Catalão et al., 2007; Darbellay & Slama, 2000; Szkuta et al., 1999). Les réseaux de neurones fonctionnent à partir d’un système d’apprentissage de type probabiliste entre les entrées et les sorties du système à modéliser (Kankal et al., 2011). La base de données d’électricité historique collectée tout au long de ce travail permettrait une bonne base d’apprentissage entrées/sorties pour la mise en place d’un réseau de type neurones performant. L’utilisation d’un réseau de neurones pour prédire la consommation électrique ou ici les importations et exportations avec le Québec permettrait de maintenir la quantité importante de données historiques sans passer par des journées types augmentant ainsi la valeur des résultats.

Néanmoins, la régression linéaire offre un premier aperçu du pouvoir anticipatoire des importations et exportations à partir de la connaissance de quelques paramètres déterminant la variation des flux d’électricité sur le très court terme.

5.2.3 Perspectives d’utilisation des résultats

Les perspectives d’utilisation des résultats sont larges, allant de l’optimisation de la migration heure par heure d’un service de « Cloud Computing » à l’anticipation générale des impacts induits par la variation de l’électricité sur le très court terme. L’ensemble des systèmes de « smart-grid » utilise déjà des modèles de prévision des conditions météorologiques comme la prévision du vent, des températures, mais aussi de la demande et de la production de l’électricité (Pipattanasomporn et al., 2009; Potter et al., 2009). Mais la notion d’anticipation à très court terme des impacts environnementaux est encore inexistante dans la littérature et au sein des modèles de type « smart-grid ».

Les résultats ont certes besoin d’être raffinés afin d’améliorer la précision de l’anticipation, mais déjà plusieurs systèmes prédictifs de la consommation et des échanges électriques peuvent voir le jour pour les différentes provinces canadiennes ainsi qu’être étendus au réseau d’Amérique du Nord.

De ce fait, cette première approche de prévision sur le très court terme des importations et des exportations de la province de Québec offre la possibilité d’anticiper heure par heure le poids environnemental de la consommation électrique au Québec qui dépend essentiellement de ses importations et de ses exportations. Le but étant de réfléchir d’un point de vue environnemental à la migration des données le long du réseau et ainsi valoriser une prise de décision plus en amont. Anticiper le comportement des échanges d’une province telle que le Québec vient ajuster les impacts environnementaux associés généralement qu’à la production d’électricité dans la province.