Prédiction demande en électricité

Les énergies renouvelables sont des sources d’énergie dont le renouvellement naturel est assez rapide pour qu’elles puissent être considérées comme inépuisables à l’échelle du temps humain.

La plupart de ces énergies renouvelables est cependant intermittente, il est donc difficile de prévoir les capacités de production d’électricité. De plus, la demande en électricité des utilisateurs varie au cours du temps, et dépend de paramètres comme la météo (température, luminosité, etc.).

L’objectif de ce projet est de prédire la consommation sur un an à partir de la consommation des dernières années.

Tâches réalisées:

  • Correction les données de consommation mensuelles de l’effet température (dues au chauffage électrique) ;
  • Désaisonnalisation de la consommation obtenue, grâce aux moyennes mobiles ;
  • Prévision de la consommation (corrigée de l’effet température) sur un an, en utilisant plusieurs méthodes (Holt Winters, SARIMA et RNN).

Configuration:

Environnement : Colaboratory notebook, CPU

Librairies : pandas, numpy, matplotlib, seaborn, scikit-learn, tensorflow, keras, scipy, math, pmdarima, random, statsmodels