Scribd
Importer
26 vues2 pages

Modèle de prédiction de consommation énergétique

Le document présente un modèle de prédiction de la consommation énergétique nette basé sur des variables d'entrée telles que l'heure, la température, et la vitesse du vent, utilisant un modèle Random Forest. L'objectif est de réduire le coût énergétique total en équilibrant la puissance demandée et fournie, tout en respectant diverses contraintes liées aux énergies renouvelables et à la production. Les variables d'entrée incluent des facteurs environnementaux et opérationnels qui influencent la consommation d'énergie.

Transféré par

deadhoat2222
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd
26 vues2 pages

Modèle de prédiction de consommation énergétique

Le document présente un modèle de prédiction de la consommation énergétique nette basé sur des variables d'entrée telles que l'heure, la température, et la vitesse du vent, utilisant un modèle Random Forest. L'objectif est de réduire le coût énergétique total en équilibrant la puissance demandée et fournie, tout en respectant diverses contraintes liées aux énergies renouvelables et à la production. Les variables d'entrée incluent des facteurs environnementaux et opérationnels qui influencent la consommation d'énergie.

Transféré par

deadhoat2222
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats DOCX, PDF, TXT ou lisez en ligne sur Scribd

1.

Variables d’entrée

Symbol
Variable Description
e

Heure de la journée x1 0 à 23

Température
x2 °C
extérieure

Niveau de production x3 % ou unités produites

Jour de la semaine x4 1à7

Puissance active
x5 kW
mesurée

m/s (influence l’énergie éolienne


Vitesse du vent x6
disponible)

W/m² (influence l’énergie solaire


Radiation solaire x7
disponible)

2. Variable cible (sortie)


Consommation énergétique nette ou coût énergétique total par jour.
3. Modèle de prédiction (Random Forest)
X = data[["x1", "x2", "x3", "x4", "x5", "x6", "x7"]]
y = data["Consommation_Energie"]
4. Fonction objectif – Réduction du coût énergétique
Soit :
C_t : Coût énergétique total sur une période T
P_grid(t) : Puissance achetée au réseau à l’instant t
P_renew(t) : Énergie produite localement (solaire + éolien)
P_prod(t) : Besoins de production industriels à t
c(t) : Coût du kWh à t (tarif variable)
🔽 Fonction à minimiser :
5. Contraintes

1. Équilibre énergétique (bilan de puissance)


Puissance demandeˊe par l’usine=Puissance fournie par le reˊseau+Puissance pro
duite localement
2. Limites physiques

3. Contraintes liées aux énergies renouvelables

4. Contraintes réseau

5. Contraintes de production

Vous aimerez peut-être aussi