Chapitre 3. CLASSIFICATION DES PROFILS DE CHARGES
3.1. Introduction
Une connaissance fine des profils de consommation des
consommateurs de l'énergie électrique peut être un enjeu
stratégique pour proposer des offres tarifaires adaptées et
anticiper les besoins électriques de chaque catégorie des
consommateurs de l'énergie électrique. En effet, dans une
situation de monopole, une estimation de la consommation
d'électricité au niveau de la SNEL est suffisante et cette
dernière a notamment besoin d'établir une prévision des
profils de consommation de ses consommateurs a un horizon d'une année,
le plus souvent au pas horaire d'une part pour prévoir la consommation
d'un consommateur en particulier, mais aussi et surtout prévoir la
consommation d'un ensemble de consommateurs afin de pourvoir à leur
approvisionnement au plus prés de leur consommation réelle.
Pour les consommateurs industriels, les méthodes
de prévision s'appuient sur des réalisations passées
puisque les profils de charges sont connus sur base des caractéristiques
électriques de leurs équipements utilisés, leur temps de
fonctionnement et de leur activité professionnelle. Cependant, pour les
petits consommateurs (domestiques) ; la SNEL ne dispose pas des profils de
charges de consommation électrique, mais seulement d'index qui
permettent de calculer la consommation totale entre deux index
consécutifs. Pour la majeure partie des consommateurs
électriques, un profilage (laod profiling) ; C'est -à- dire
une estimation de la courbe de consommation électrique, point par point
sur cette période est alors nécessaire. Une première
solution consiste à utiliser des profils types réglementaires qui
doivent être fournis par la SNEL. Une alternative serait d'exploiter, si
les performances sont intéressantes un profilage plus précis
tenant compte des connaissances de la SNEL et des données
récoltées auprès des consommateurs.
La SNEL peut donc définir et appliquer des
méthodes qui permettent d'attribuer à un consommateur dont on ne
connaît pas le profil de charge, un profil de consommation qui se
rapproche le plus possible de son profil de consommation qui se rapproche le
plus possible de son profil de consommation réelle inconnue. Cette
attribution se fait en ne connaissant sur le consommateur que les
données qui sont généralement disponibles. Il s'agit des
données du contrat, de l'activité professionnelle, ainsi que
des données de facturation des mois ou des années
précédentes pour les anciens consommateurs. Les méthodes
développées ici supposent donc au préalable de
définir des règles générales à partir de
consommateurs dont on connaît le profil de charge. Traditionnellement, On
effectue une classification sur les profils de charges des consommateurs, puis
une discrimination des classes obtenues et une détermination de la
procédure d'affectation en fonction des données de contrat et de
facturation entre autre. Un profil de charge-type peut ainsi être
affecté à tout nouveau consommateur.
Nous proposons dans notre étude une
méthode de classification des profils de charges qui s'appuie sur le
ratio de consommation et appliquée à la « distribution
statistique classifiée » Elle répond à un double
objectif de classification et la prédiction des profils de charges. Pour
un échantillon donné, chaque individu est décrit par un
profil de charges composé de q variables quantitatives
correspondant aux différents équipements qui donnent
Y1;... ;Yq, avec Y qui
correspond à la puissance ( Y= P) et par un ensemble
de variables explicatives X qui correspond au temps
( X= t ). A partir d'un échantillon des consommateurs
sur lesquels on dispose d'une part leurs caractéristiques et d'autre
part un profil de consommation, cette méthode fournit une
classification de ces profils directement interprétables par
l'utilisateur en termes de règle d'affectation. Elle permet aussi
d'attribuer à un consommateur dont on ne connaît pas le profil de
charge ; un profil de consommation qui se rapproche le plus possible de
son profil de consommation réelle inconnue.
| 
