Présentation

Article

1 - TRANSITION ÉNERGÉTIQUE

2 - INTELLIGENCE ARTIFICIELLE POUR UNE GESTION INTELLIGENTE DE L’ÉNERGIE

3 - GESTION INTELLIGENTE DE L’ÉNERGIE BASÉE SUR LA SURVEILLANCE NON INTRUSIVE DE LA CHARGE

4 - CONCLUSION ET DISCUSSION

5 - ACRONYMES

Article de référence | Réf : BE6000 v1

Conclusion et discussion
Intelligence artificielle et gestion intelligente de l’énergie

Auteur(s) : Moamar SAYED MOUCHAWEH

Date de publication : 10 oct. 2019

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

Cet article étudie le problème de la gestion intelligente de l'énergie dans le contexte de la transition énergétique. Il présente la motivation, les impacts et les défis liés à ce sujet d’actualité. Ensuite, cet article se concentre sur l'utilisation des techniques et des outils à base d'intelligence artificielle (IA) pour lever les défis liés à ce problème. Un schéma global présentant le principe général de ces techniques est présenté. Ensuite, ces techniques sont comparées selon un ensemble de critères afin de montrer leurs avantages et inconvénients vis-à-vis des conditions et contraintes des applications de la gestion intelligente de l’énergie dans le contexte de la transition énergétique. Plusieurs exemples sont utilisés tout au long de l’article afin d’illustrer les concepts et méthodes présentés.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Artificial Intelligence for Smart Energy Management within Energy Transition

This paper treats the problem of smart energy management within the context of energy transition. The paper starts by presenting the motivation, impacts, and challenges of smart energy management within the context of energy transition. Then, it focuses on the use of Artificial Intelligence (AI) techniques and tools to address these challenges. A scheme presenting the general principal of these techniques is provided. Then, these techniques are compared according to some meaningful criteria in order to show their advantages and drawbacks according to the conditions and constraints of the smart energy management application within the context of energy transition. Several examples are used in this paper to illustrate the methods and concepts presented.

Auteur(s)

INTRODUCTION

Un réseau électrique intelligent (Smart grid – SG) comprend des composants de production, de transport, de distribution et de consommation d’électricité hétérogènes et distribués. Il s’agit de la prochaine génération de réseau électrique en mesure de gérer la demande en électricité (consommation/production/distribution) de manière durable, fiable et économique en tenant compte de la pénétration des énergies renouvelables (solaire, éolien, etc.). Par conséquent, un réseau intelligent SG inclut également une couche intelligente qui analyse les données fournies par les consommateurs ainsi que celles qui sont recueillies du côté production afin d’optimiser la consommation et la production en fonction des conditions météorologiques, du profil et des habitudes du consommateur. En outre, ce système peut améliorer l’utilisation de l’énergie verte grâce à la pénétration des énergies renouvelables et à la réponse à la demande.

Un réseau intelligent SG présente plusieurs problèmes et défis de recherche qui doivent être résolus pour améliorer l’efficacité énergétique des producteurs d’énergie traditionnelle/renouvelable grâce à la participation des utilisateurs, pour faciliter la pénétration (intégration) des systèmes d’énergie renouvelable distribués/centralisés dans les réseaux électriques afin de réduire la charge de pointe par l’utilisation de stratégies efficaces de réponse à la demande, équilibrer et optimiser la production ainsi que la consommation, renforcer la protection du réseau (résilience du réseau, diagnostic et pronostic des défaillances, auto-dépannage et restauration du réseau, etc.) et la cybersécurité (en respectant la protection des données personnelles), etc.

Cet article traite du problème de la gestion intelligente de l’énergie dans le contexte de la transition énergétique (gestion de la demande, surveillance de la charge, microréseaux, conseil en énergie aux résidents et services publics, économie d’énergie, gestion des revenus par tarification dynamique, compteurs intelligents). Il présente les motivations, impacts et défis liés à ce sujet d’actualité. Il se concentre ensuite sur l’utilisation des techniques et outils de l’intelligence artificielle (IA) pour relever les défis liés à la gestion intelligente de l’énergie. Un schéma global (acquisition et traitement de données, extraction de caractéristiques, apprentissage, inférence, visualisation, etc.) présentant les principes généraux de ces techniques est fourni. Ces techniques sont ensuite comparées en fonction de critères significatifs comme les caractéristiques de consommation d’énergie, les statistiques d’évolution dans le temps, les caractéristiques des habitations ou des bâtiments, etc., le type de données (consommation active, puissance réactive, facteur de puissance, etc.) et le niveau d’intrusion. L’objectif est de comparer ces techniques en montrant leurs avantages et leurs inconvénients en fonction des conditions et contraintes d’application dans le contexte de la transition énergétique. Plusieurs exemples sont utilisés dans cet article afin d’illustrer les méthodes et les concepts présentés.

Cet article est réservé aux abonnés.
Il vous reste 92% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

energy transition   |   smart energy management   |   demand side management   |   non-intrusive load monitoring   |   energy optimisation

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-be6000

CET ARTICLE SE TROUVE ÉGALEMENT DANS :

Accueil Ressources documentaires Technologies de l'information Technologies logicielles Architectures des systèmes Intelligence artificielle Intelligence artificielle et gestion intelligente de l’énergie Conclusion et discussion

Accueil Ressources documentaires Génie industriel Industrie du futur Industrie du futur : outils numériques Intelligence artificielle et gestion intelligente de l’énergie Conclusion et discussion

Accueil Ressources documentaires Énergies Ressources énergétiques et stockage Performance énergétique et économie d’énergie Intelligence artificielle et gestion intelligente de l’énergie Conclusion et discussion

Accueil Ressources documentaires Innovation Smart city - Ville intelligente et durable Production et gestion locale de l'énergie Intelligence artificielle et gestion intelligente de l’énergie Conclusion et discussion


Cet article fait partie de l’offre

Industrie du futur

(104 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

4. Conclusion et discussion

Cet article traite du problème de la gestion intelligente de l’énergie (SME) dans le contexte de la transition énergétique (gestion de la demande, surveillance de la charge, micro-réseaux, conseil en énergie pour les résidents et les services publics, économie d’énergie, gestion des revenus par tarification dynamique, compteurs intelligents). Il se concentre sur l’utilisation de techniques d’intelligence artificielle pour relever les défis liés à cette question d’actualité. L’article met en lumière les principales différences entre les réseaux électriques traditionnels et les futurs réseaux électriques intelligents dans le contexte de la transition énergétique.

En outre, cet article détaille le problème de la surveillance de charge dans les secteurs résidentiel, commercial et industriel afin d’améliorer l’efficacité énergétique et de réaliser des économies d’énergie en présence de sources distribuées d’énergie renouvelable. Les approches en matière de surveillance de charge ont été classées en deux catégories principales : Systèmes de surveillance de charge intrusive et non intrusive (NILM). Cet article se concentre sur les approches NILM car elles sont mieux adaptées aux systèmes SEM dans le contexte de la transition énergétique. Ces approches mettent en œuvre deux étapes principales : l’extraction des caractéristiques de l’appareil, ainsi que l’inférence et l’apprentissage. Les caractéristiques peuvent être divisées en caractéristiques à l’état stable, caractéristiques à l’état transitoire et en caractéristiques particulières (sans alimentation ou contextuelles). L’étape d’inférence et d’apprentissage vise à créer un modèle permettant d’identifier un équipement en se basant sur les caractéristiques extraites du signal de puissance global. Les approches utilisées pour construire un modèle au cours de cette étape sont classées en : optimisation et reconnaissance de formes. Les approches appartenant à ces dernières sont classées en deux catégories principales : les approches supervisées et non supervisées/semi-supervisées.

Les algorithmes NILM ont été développés pour la plupart pour le suivi et l’analyse de la consommation d’énergie dans les ménages résidentiels. Cependant, la consommation...

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Industrie du futur

(104 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Conclusion et discussion
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - SIANO PIERLUIGI -   Demand response and smart grids—A survey.  -  Renewable and sustainable energy reviews, 30, p. 461-478 (2014).

  • (2) -   Digitalization of the Electricity System and Customer Participation. description and recommendations of Technologies, Use Cases and Cybersecurity”, European Technology and Innovation Platforms (ETIP) Smart Networks for Energy Transition (SNET), Workgroup-4 “Digitalization of the Energy System and Customer Participation”  -  , sept. 2018 https://www.etip-snet.eu/wp-content/uploads/2018/10/ETIP-SNET-Position-Paper-on-Digitalisation-FINAL-1.pdf.

  • (3) - ZHOU (K.), FU (C.), YANG (S.) -   Big data driven smart energy management: From big data to big insights.  -  Renewable and Sustainable Energy Reviews, vol. 56, p. 215-225 (2016).

  • (4) - PALENSKY (P.), DIETRICH (D.) -   Demand side management: Demand response, intelligent energy systems, and smart loads.  -  IEEE transactions on industrial informatics, vol. 7, n° 3, p. 381-388 (2011).

  • (5) - WEI (Y.), ZHANG (X.), SHI (Y.), XIA (L.), PAN (S.), WU (J.), ZHAO (X.) -   A...

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Industrie du futur

(104 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS