Modèles statistiques de prévision pour l'énergie: production éolienne et consommation électrique française
par
Mathilde Mougeot(LPMA, Paris Diderot)
→
Europe/Paris
125 (Bât. Braconnier)
125
Bât. Braconnier
Description
La prévision de la consommation et de la production électrique sont des enjeux importants pour la régulation et l’optimisation de la production énergétique. Dans cet exposé, nous nous intéresserons à présenter et étudier des modèles de prévision électrique pour la consommation française ainsi que pour la production de plusieurs parcs éoliens.
Partant de l’observation que les données de production éolienne et de consommation nationale ne se ressemblent pas du tout, des modèles statistiques très différents se sont naturellement imposés dans ces deux cas. Nous montrons qu’il est possible de proposer un modèle pertinent de prévision de la consommation électrique basé sur une agrégation de modèles de régression fonctionnelle sous contrainte de sparsité.
Dans le cadre de la production éolienne, un ensemble de modèles de "machine learning", comparés à des modèles issus de la physique est introduit pour une prévision très court terme.
Mougeot M., Picard D., Lefieux V., Maillard-Teyssier L. (2015) Modeling and Stochastic Learning for Forecasting in High Dimension. Springer Lecture Notes in Statistics, p 161-182.
Fischer L. , Montuelle A. , Mougeot M. , and Picard D. Statistical learning for wind power : a modeling and stability study towards forecasting. Submitted, 2016.
