Comme nous l’avons suggéré ci-dessus, cette partie a deux objectifs majeurs. Le premier consiste à résu- mer ce qui a été décrit dans l’ensemble de ce chapitre et pour ce faire, nous proposons une représentation graphique de synthèse. En effet, dans les pages précédentes, nous avons décrit l’algorithme dans le détail, description accompagnée d’un certain nombre de schémas indispensables à la compréhension de chaque procédure logique ou de calcul mise en jeu dans le processus de génération de foisonnement comporte-
mental. Cela dit, chacune des illustrations mentionnées au préalable ne représente au mieux qu’une des étapes de l’algorithme49 sans mettre en perspective ce dernier dans son ensemble. Il manque donc une illustration qui compile la globalité du processus : des données d’entrée de l’algorithme aux courbes de charge électriques. C’est pourquoi nous proposons la figure3.16 qui expose l’intégralité de l’algorithme et le replace dans son contexte c’est-à-dire en regard de notre objectif de reconstitution de la courbe de charge résidentielle.
La figure 3.16 se lit « naturellement » de haut en bas et représente la partie centrée sur l’algorithme de la chaîne de simulation que nous avons construite au cours de nos travaux de recherche.
Partant d’une distribution des tâches journalières pour un couple ménage-type/jour-type (cf. partie 3.2.1), d’un découpage du jour simulé en intervalles infra-journaliers amenant à l’établissement d’un profil de disponibilité (paragraphes 3.2.2 et 3.2.3) et de règles permettant de construire la matrice de macro-compatibilité des tâches domestiques (voir l’introduction de la section3.2.4), la matrice de micro- compatibilité peut être mise en place (paragraphe 3.2.4.1) tout comme la forme modélisée des équipe- ments simulés et des intervalles infra-journaliers (voir les parties3.1.1à 3.1.3). Ensuite, la compatibilité équipement/intervalles est construite par défaut pour chaque appareil modélisé en entrée50d’algorithme. L’objectif de ce dernier (sélectionner un instant de déclenchement pour l’usage de chaque équipement domestique considéré dans une simulation) implique d’abord la mise à jour de cette compatibilité équi- pement/intervalles au moyen de tests (en équipements et en temps) et ensuite la conversion de cette information – initialement codée sous forme binaire – en probabilités (cf. partie 3.2.4.2). Arrivé à cette étape, il ne suffit plus que de choisir parmi les possibles un intervalle compatible avec le déclenchement de l’usage de l’appareil étudié, puis au sein de cet intervalle, de recenser les instants éligibles et d’en choisir un parmi eux (cf. sections3.2.4.3 et3.2.4.4).
Des étapes de mise à jour des données manipulées sont ensuite nécessaires afin d’être en mesure de répéter les précédentes phases de l’algorithme, ceci pour chacun des autres appareils domestiques modélisés dans le scénario considéré (voir la partie 3.2.4.5). Cette dernière étape correspond à la prise en compte dans la modélisation, des interactions pouvant exister entre les appareils domestiques au sein d’un foyer. Au final, pour chaque équipement nous obtenons simultanément un scénario d’utilisation de cet appareil sous forme d’une distribution des instants de déclenchement de l’usage de celui-ci pour le scénario mo- délisé ainsi que les courbes de charge journalières associées.
Après cette prise de recul quant aux développements présentés dans ce chapitre, nous proposons mainte- nant de mettre en perspective notre méthode de génération de foisonnement d’origine comportementale par rapport aux autres méthodologies utilisées dans les modèles de la littérature, modèles que nous avons analysés au sein du chapitre1.
Tout d’abord, faisons un bref rappel de ce chapitre premier (cf. partie 1.4) et plus particulièrement en ce qui concerne la manière avec laquelle nous avions alors défini et décrit les méthodes d’obtention de diversité proposées par les auteurs que nous avons lus. En laissant de côté les modèles qui n’explicitent pas le foisonnement51 (celui-ci peut notamment être inclus dans des données d’entrée sans que d’autres procédures ne viennent améliorer cette représentation déterministe), il demeure quatre catégories de mé- thodes qui le génèrent véritablement. Suivant l’échelle de représentation de la diversité52que nous avons établie dans le chapitre d’analyse bibliographique, le foisonnement ainsi modélisé est respectivement de type déterministe scénarisé, aléatoire mathématique, probabilité empirique et probabilité scénarisée. L’al- gorithme auquel nous avons abouti produit justement un foisonnement de cette dernière catégorie. La différence essentielle entre notre méthode et les modèles de génération de foisonnement qui s’inscrivent dans cette classe de qualité supérieure53 réside dans le fait que dans notre cas, l’aspect scénarisé ne
49. Pour la plupart, il ne s’agit qu’une des phases d’un processus correspondant à une unique étape de l’algorithme 50. À ce niveau, il s’agit d’une donnée temporaire
51. C’est le cas notamment des approches d’Aigner et al. [ASK84], de Bartels et al. [BFGL92] et de Train et al. [THW85] 52. Introduite à la page17, celle-ci est reprise au travers de la figure1.15
Figure3.16 – Synthèse de l’algorithme de placement des équipements domestiques et mise en perspective dans son contexte
provient pas de mesures « prêtes à l’emploi » comme peuvent l’être des distributions de probabilité d’une activité domestique ou bien de l’usage d’un appareil ménager. Ces distributions peuvent être elles- mêmes construites à partir de la compilation de données recueillies dans des cahiers de bord rédigés par des ménages sélectionnés lors d’enquêtes publiques54. Dans notre approche au contraire, nous aboutissons à des distributions analogues grâce à une série de règles de comportement et de contraintes qui sont à la fois construites par le modélisateur et par les opérations de calcul de l’algorithme.
D’autre part, comme il l’a été rappelé plus haut, notre méthode tient à la fois compte de la disponibilité des membres des foyers mais aussi des liens pouvant exister entre les équipements domestiques au sein d’un logement. Cette dernière caractéristique paraît originale puisqu’elle ne semble pas avoir été retenue par les auteurs de la littérature dont nous avons consulté les travaux.
Définir plus précisément les propriétés du foisonnement synthétisé par notre algorithme impose la réalisation d’un grand nombre de simulations et ce, pour différents scénarios. Dans le chapitre4, nous initions cette étude sur les résultats des simulations que nous avons menées durant la thèse. Nous tenterons en particulier d’établir une caractérisation de la diversité d’origine comportementale qui affecte les appels de puissance des ménages modélisés.
Conclusion du chapitre
Dans ce troisième chapitre, nous avons abordé la modélisation d’un certain nombre de concepts de la méthode de reconstitution de courbe de charge présentée au chapitre2. Plus précisément, la modélisation a été axée de sorte de pouvoir représenter la diversité d’origine comportementale qui se traduit notam- ment au niveau du ménage par des préférences en matière d’instants de déclenchement de l’usage des équipements. Pour ce faire, nous avons élaboré un algorithme stochastique capable de reproduire l’acti- vation des appareils ménagers au sein d’un foyer et à l’échelle journalière. L’utilisation des équipements ainsi modélisée se veut réaliste autant que faire se peut. La temporalité du déclenchement des appareils tient bien entendu compte du facteur humain (présence au domicile des occupants des foyers dans un état d’éveil compatible avec le maniement des équipements) mais aussi des liens existants entre les ap- pareils eux-mêmes. Ce chapitre a donc été l’occasion de détailler très précisément les différents éléments modélisés ainsi que les procédures permettant de les faire interagir.
Finalement, nous avons synthétisé nos travaux de modélisation et nous les avons mis en regard des autres modèles de la littérature.
La modélisation des concepts et l’algorithme stochastique mettent en place les éléments indispensables à la construction de scénarios qui peuvent ensuite être simulés. Ceci constitue donc une application directe des travaux détaillés dans ce chapitre. La construction des scénarios et l’analyse de leurs résultats en puissance sont deux thématiques qui seront abordées dans le dernier chapitre de ce manuscrit. De plus, il y sera également question de la recherche d’une méthode efficace pour étudier le phénomène de foisonnement qui impacte les courbes d’appels de puissance à un niveau agrégé.
D’autre part, de manière à alimenter les scénarios modélisés, nous avons cherché à identifier des com- portements réels d’usage des équipements. Pour y parvenir, nous avons effectué différents travaux de classification de courbes de charge que nous présentons dans le chapitre4.
[ASR+09], Widén et W¨ackelgård [WW09] et Richardson et al. [RTIC10]
54. Aux États-Unis, il s’agit de l’« American Time Use Survey » [UNI12], au Canada l’étude se nomme « Social Survey – Time Use » [STA10], au Royaume-Uni l’enquête est appelée « Time Use Survey » [ECO00], enfin en France c’est l’INSEE qui réalise l’« Enquête Emploi du Temps » [INS10a]
Classification de courbes de charge et
étude du foisonnement
« La connaissance s’acquiert par l’expérience, tout le reste n’est que de l’information. » Albert Einstein
Introduction du chapitre
L’
objectif de reconstitution de la courbe de charge électrique résidentielle implique un travail qui va au delà de l’analyse bibliographique, des développements conceptuels et de leur mise en application que nous avons respectivement présentés au sein des trois précédents chapitres. En effet, il nous a semblé essentiel dans ce travail de thèse d’y associer une composante expérimentale qui permette de traiter des données simulées et empiriques de manière à améliorer notre connaissance de la courbe de charge. Nous développons dans le présent chapitre les différentes recherches que nous avons menées dans ce domaine. Trois problématiques découlent de l’objectif de la thèse. La première concerne l’observation et la quan- tification du foisonnement, phénomène qui impacte les courbes agrégées d’appels de puissance. Notre objectif ici est d’aboutir au critère de convergence ε que nous avons introduit au paragraphe 2.3.3.1 du chapitre2. Pour rappel, celui-ci renseigne de l’obtention d’un niveau de foisonnement suffisant entre courbes de charge agrégées et indique ainsi le nombre de simulations unitaires nécessaires pour y aboutir. Dans cette optique, nous avons réalisé une revue des indicateurs caractéristiques de la courbe de charge. Simultanément, nous nous sommes intéressés à la recherche d’une mesure pour quantifier l’écart éventuel entre courbes d’appels de puissance. Ces deux sujets sont abordés dans la partie 4.1.La seconde problématique consiste en l’étude et en l’analyse des résultats de notre modèle obtenus par simulation. Ceci permet d’initier une première évaluation de notre méthode de synthèse de courbe de charge notamment en ce qui concerne sa capacité de génération de diversité d’origine comportementale. Pour ce faire, nous détaillons dans la section4.2 les scénarios que nous avons modélisés au cours de nos recherches. Nous décrivons dans le même paragraphe, quelques-uns des résultats en puissance obtenus par simulation.
Pour dépasser la simple étude descriptive des résultats précédemment mentionnés, nous avons mis en œuvre une partie des techniques et des méthodes abordées dans la section 4.1. Nous avons ensuite pu mené une analyse très fine et originale des courbes de charge générées par notre modèle. Ceci est présenté dans le paragraphe4.3.
Enfin, la troisième problématique cherche à mettre en lumière les ressemblances entre courbes de charge unitaires lorsque l’observation visuelle n’est plus pertinente, c’est-à-dire dès que sont considérées une dizaine de courbes environ. Plus précisément, ce travail vise à l’identification de « comportements types » concernant l’utilisation des équipements électriques domestiques. Dans la section 4.4, nous détaillons notre travail de classification de courbes d’appels de puissance qui a été mené pour l’usage de la télévision.