Classification Et Prévision Multi-termes De La Consommation De Gaz Naturel En Utilisant Les Paradigmes De L'intelligence Artificielle

Résumé: Le gaz naturel est l’une des principales sources d’´energie ´electrique en Alg´erie et dans le monde. Il est donc imp´eratif d’´etudier de comprendre de mod´eliser et de pr´edire cette demande. Cette th`ese pr´esente trois contribu tions distinctes traitant les probl`emes de pr´evision de la consommation de gaz naturel `a court et `a long terme. En premier lieu, l’approche de pr´evision `a deux ´etapes est ´etudi´ee et impl´em ent´ee. Elle consiste en deux phases principales : 1) classer les s´equences de sch´emas quotidiens de consommation de gaz naturel en Alg´erie en diff´erents groupes aux attributs similaires (classes). 2) la conception et la formation de mod`eles de types processus gaussiens auto-r´egressifs multiples est r´ealis´ee en utilisant les donn´ees du march´e Alg´erien du gaz naturel ainsi que les intrants exog`enes constitues de la m´et´eo (temperature) et du calendrier (jour de la semaine, indicateur d’heure). La principale nouveaut´e de ce travail consiste en l’investigation de multiples techniques de clustering diff´erentes pour une meilleure analyse et clustering des donn´ees de consommation de gaz naturel. L’impact des clusters obtenus, par chaque technique est r´esum´e et ´evalu´e en fonction de la pr´ecision de la pr´ediction. En deuxi`eme lieu, une nouvelle approche de pr´evision est introduite pour r´esoudre les d´eficiences de la m´ethode en deux ´etapes, en concevant un percep tron multicouche (MLP) r´eseaux de neurones en tant que moniteur de pr´evision non lin´eaire. Ce mod`ele estime le profil de consommation journali`ere de gaz et choisit l’un des mod`eles locaux pour effectuer la pr´evision. L’´etude porte tout d’abord sur une analyse et une classification des profils de consommation quotidienne de gaz naturel, et ensuite sur la construction d’un mod`ele r´ecurrent complet de la m´emoire `a long terme (LSTM) en fonction du comportement de la charge. Les r´esultats sont compar´es `a quatre approches de r´ef´erence : le MLP, LSTM, s´erie temporelle saisonni`ere avec variables exog`enes et mod`ele de r´egression lin´eaire multiple. Finalement, la derni`ere contribution consiste `a d´evelopper une approche de r´eseaux de neurones pour pr´edire la consommation annuelle de gaz naturel en Alg´erie pour les trois secteur de pression (basse pression, moyenne pression et haute pression) `a moyen et long termes.

Publié dans la revue: