• Aucun résultat trouvé

2.4 Fonction « Restituer les courbes de charge (F 4) »

2.4.1 Sélectionner le(s) format(s) de restitution (F 4.1)

En fonction des simulations réalisées, l’utilisateur peut souhaiter différents formats de restitution des résultats du modèle. A priori, le plus intéressant est d’obtenir des courbes de charge :

– par usage ;

– par poste de consommation ou famille d’usage69; – tous usages confondus.

F 4.1 agrège donc les résultats en sortie de la fonction F 3 selon le(s) format(s) de restitution sélectionnés.

2.4.2 Sélectionner les échelles spatiale(s) et temporelle(s) de restitution (F 4.2)

Les courbes de charge calculées par la fonction F 3 sont restituées à l’échelle du territoire et pour toute la durée de la simulation. Cependant, comme nous l’avons vu au travers de la fonction F 3.4, différents résultats intermédiaires sont calculés par le modèle si bien que les échelles de restitution spatiale(s) et temporelle(s) peuvent être sélectionnées par l’utilisateur.

Ainsi, il est envisageable de souhaiter des résultats pour un espace géographique : – d’une seule zone ;

– constitué d’une sélection de zones au sein du territoire ; – pour l’ensemble du territoire.

Les courbes de charge peuvent être également voulues par bâtiment-type et/ou par ménage-type. De même, le choix du type de concaténation des courbes de charge journalières par usage peut présenter un intérêt certain. L’utilisateur peut notamment vouloir les regrouper et les visualiser :

– par jour-type ; – par semaine ; – par mois ; – par saison ; – par année.

2.4.3 Calculer des indicateurs et construire des représentations caractéristiques (F 4.3)

En fonction de l’intérêt des simulations effectuées par le modèle, différents indicateurs, paramètres et/ou représentations graphiques peuvent être intéressants pour analyser les résultats de l’étude. Ainsi, nous listons ci-dessous une série d’éléments que la fonction F 4.3 doit pouvoir fournir :

– le gradient thermique de consommation énergétique∗ G exprimé en W/ °C qui traduit la variation de l’appel de puissance ∆P d’un parc en fonction de la variation de la température extérieure ∆T :

G = ∆P

∆T (2.2)

– la monotone de puissance consommée70; – le facteur de charge ;

– le coefficient de foisonnement ;

– des éléments de statistique descriptive :

• puissance maximale sur un intervalle ∆t, Pmax(∆t) ;

• puissance moyenne sur le même intervalle ∆t, P (∆t) ;

• variance (σ2) et écart-type (σ) des courbes de charge obtenues ; • quantile, mode de puissance modélisée. . .

70. Rappel : nous avons détaillé cette construction dans l’introduction générale de la thèse pour le cas de la production française d’électricité

Conclusion du chapitre

Dans ce second chapitre de thèse, nous avons présenté les résultats des travaux d’analyse fonctionnelle que nous avons menés au cours de nos recherches. Concrètement pour aboutir à la méthode nouvelle de reconstitution de courbes de charge proposée ici, nous avons adopté une démarche itérative de réflexions et de questionnements. Partant d’une feuille blanche, et ayant en toile de fond les spécifications fonction- nelles essentielles du modèle, nous avons d’abord cherché à définir avec précision le périmètre de l’étude. L’étape suivante a consisté à identifier, parmi l’ensemble des influences pouvant avoir un impact sur les appels domestiques de puissance, quelles étaient les plus prégnantes. Nous avons sélectionné un certain nombre d’entre elles avec comme critère de choix le rapport entre le gain du modèle en précision en re- gard de la complexification de celui-ci engendrée par la prise en compte de cette influence. En définitive, nous avons pu constater que vouloir synthétiser la courbe de charge du secteur résidentiel ne pouvait s’envisager sans penser simultanément, en plus de l’évidente dimension technique/technologique, à la fois à l’habitat, à son environnement et au très influent facteur humain.

Le modèle décrit dans ce chapitre introduit une série de concepts qui lui sont propres et qui vont au-delà de ceux que nous avons rencontrés lors de notre analyse bibliographique (cf. chapitre 1). De plus, la méthode proposée a été voulue générique c’est-à-dire qu’elle demeure parfaitement applicable quel que soit le parc domestique considéré. Les spécificités de ce dernier doivent en revanche être introduites dans la mise en œuvre opérationnelle de la méthode. Le chapitre3développe justement nos choix en matière de mise en pratique des concepts définis dans cette partie. Les concepts ne sont pas utilisables directement dans une simulation c’est pourquoi une représentation mathématique de ceux-ci doit être proposée. De la sorte, ils deviennent manipulables et peuvent être employés au sein d’algorithmes comme nous le verrons dans le prochain chapitre.

Modélisation des concepts et mise en

œuvre par voie algorithmique

« Nous ne raisonnons que sur des modèles. » Paul Valéry

Introduction du chapitre

À

la suite des développements conceptuels que nous avons présentés au sein du chapitre2, nous avons cherché à mettre en pratique notre méthode de reconstitution de courbe de charge. Pour cela, il nous a fallu dans un premier temps dériver des concepts précédemment définis, des objets adaptés à une implémentation informatique : concrètement il s’est agi de les modéliser. Nous présentons dans la partie 3.1 la manière avec laquelle nous avons décidé de représenter les principaux concepts de notre méthode que sont les jours-types, les ménages-types et les équipements-types. De nouveaux concepts se sont révélés nécessaires et ont été introduits dans le modèle.

Une fois adaptés les éléments-types de la méthode, nous avons ensuite dû mettre en place les procédés et les techniques nécessaires pour les faire interagir et ainsi aboutir au résultat escompté : la courbe de charge électrique. Étant donné l’ampleur des travaux à mener, nous avons poursuivi la modélisation par ordre de priorité. Reconnu comme étant le point dur principal de la thèse, la génération explicite du foisonnement d’origine comportementale a occupé une très large place dans notre travail. Ce foison- nement, facilement observable à une échelle agrégée sur des mesures réelles de puissance électrique, est le fruit de nombreuses influences et d’interactions complexes qui le rendent difficilement modélisable de manière explicite, c’est-à-dire sans appliquer de façon systématique sur des courbes de charge simulées des traitements mathématiques (par exemple de type déformation statistique) dont l’origine réside dans la connaissance sectorielle (celle-ci trouvant notamment sa source dans les campagnes de mesure). Générer de la diversité comportementale en matière de consommation électrique consiste en priorité à faire en sorte que l’utilisation des équipements au sein d’un parc simulé de logements soit semblable à la réalité. Cette utilisation est notamment caractérisée par un ensemble de fluctuations à différentes échelles temporelles : annuelle, saisonnière, mensuelle, hebdomadaire, journalière, horaire et infra-horaire. Le travail de modélisation a abouti à un algorithme stochastique qui cherche à assurer le déclenchement réaliste des équipements domestiques d’électricité spécifique au sein d’une journée donnée. Nous décrivons ce processus stochastique séquentiel dans la partie3.2.

Enfin dans la section 3.3, nous proposons une mise en perspective de notre algorithme stochastique. Il s’agit à la fois de faire la synthèse de notre travail et ensuite de le comparer aux autres méthodes de génération de diversité d’origine comportementale que nous avons trouvées dans la littérature.

3.1 Modélisation des éléments conceptuels de la méthode de recons-