MASTÈRE PROFESSIONNELLE
SMART GRIDS
O. BEN RHOUMA, M. BEN ROMDHANE
[Link]@[Link], [Link]@[Link]
© SUPCOM, September 2022
Data analytic procedures in Smart Grid
Smart Meter Data Analytics
▪ Data Analytics is commonly
dissected into three stages :
– descriptive analytics
(what do the data look like)
– predictive analytics (what
is going to happen with the
data)
– prescriptive analytics
(what decisions can be
made from the data)
▪ 10 million Smart Meters,
15min → 60GB per day,
21TB per year
Classification des consommateurs d’énergie
dans le système Smart Grid
• Classification non supervisée pour catégoriser les consommateurs
• Etude de la similitude des comportements typiques de consommation d'électricité afin de
faciliter la description des données
• Regroupement des observations similaires
• Identification des modèles de consommation de l’énergie avec l'algorithme de « clustering »
K-means.
ML courses:
Outils nécessaires ▪ Accéder au lien :
[Link]
Environment:
Open sources platform:
▪ Accéder au lien :
▪ Accéder au lien :
[Link]
[Link]
▪ Télécharger et installer Anaconda Environment
▪ Ouvrir Jupyter Notebook
Etapes à faire :
Téléchargement des données
Préparation et Visualisation
Paramètres de Consommation
énergétique
Classification et Groupement des
Consommateurs
Téléchargement des données
• Visiter le lien [Link]
households
• Télécharger le fichier low-carbon-london-data-168-files (765.22 MB).
• Full_data pose problème donc il faut la version des 168 fichiers où chacun contient 1 million de
données
• Lancer Jupyter
• Importer les packages (pandas, numpy, dateutil (module datetime), matplotlib (module pyplot),
seaborn, …)
• Charger un exemple de consommation énergétique (1000000 lignes )
Importer les bibliothèques Afficher le contenu du fichier
Concaténation des fichiers