contribution à l’étude de la gestion de l’énergie à travers la proposition d’un modèle de gestion du mix énergétique dans un contexte smart-grid

Abstract

L'objectif principal de la présente thèse de doctorat est de proposer un modèle de gestion du mix électrique dans le contexte des Smart-Grids. Le modèle que nous avons proposé se base sur le problème du sac à dos pour modéliser le partage des ressources dans le mix électrique et sur les prévisions comme outil de gestion permettant d’assurer l’équilibre offre demande avec un moindre prix et une qualité de service optimale. Nous avons ensuite proposé plusieurs des techniques de prévision notamment le modèle de Markov Caché, les réseaux de neurones artificiels, les réseaux de neurones à ondelettes, et la méthode de reconstruction de l’espace des phases. Nous avons également calculé plusieurs types d’erreurs pour déterminer la précision des prévisions réalisées. Les erreurs calculées sont : l'erreur quadratique moyenne (MSE), L'erreur absolue moyenne en pourcentage (MAPE), la racine carrée de l'erreur quadratique moyenne (RMSE), et l’indice de Theil (TIC). Les données utilisées dans cette thèse concernent la demande de la Faculté des Sciences et Technique de Béni Mellal et la production de la station photovoltaïque installée sur le toit du centre de recherche du dit établissement dans le cadre du projet Propre.ma. Selon les résultats obtenus au cours de nos travaux, la méthode WRNN avec reconstruction de l’espace des phases est celle qui a enregistré les meilleurs résultats dans les deux cas de la demande et de la production PV, avec les plus petites valeurs des erreurs MSE, MAPE, RMSE et TIC ainsi que la valeur maximale du coefficient R, ceci est dû à la nature chaotique de la demande électrique et de la production renouvelable. Cette nature chaotique, qui a été démontré au cours de cette thèse, a fait de la reconstruction de l’espace des phases un moyen d’optimisation de la méthode de prévision utilisée.