Modélisation à base de réseaux de neurones dédiés à la prédiction sous incertitudes appliqué aux ...

288 Pages·2017·3.75 MB·French

by  Ronay Ak

N° d’ordre: 2014-15-TH

SUPELEC

ECOLE DOCTORALE STITS
« Sciences et Technologies de l’Information des Télécommunications et des Systèmes »

THÈSE DE DOCTORAT
DOMAINE : SPI
SPECIALITE : ENERGIE

Soutenue le 2 Juillet 2014

Présenté par:
RONAY AK

Titre de la thèse:
Neural Network Modeling for Prediction under Uncertainty in Energy System Applications

Composition du jury :
Enrico ZIO SUPELEC, France Directeur de thèse
Pierre PINSON DTU, Denmark Rapporteur
Bertrand IOOSS EDF - R&D, France Rapporteur
Philippe DESSANTE SUPELEC, France Examinateur
Yann Le BIHAN Université Paris Sud, France Examinateur
Paul ULMEANU Uni. Politehnica of Bucharest, Romania Examinateur

To my mother…

ACKNOWLEDGEMENTS

I would like to thank my thesis supervisor, Professor Enrico Zio, for his continuous support,
guidance and encouragement throughout the three years of my Ph. D. work. It was a pleasure
and a great honor to pursue a Ph. D. degree under his supervision.

I would like to express my sincere appreciation and gratitude to my co-advisors, Assistant
Professor Yan-Fu Li and Dr. Valeria Vitelli, for their support, time, and patience. This
research work would not have been possible without their guidance.

My deepest appreciation goes to all the jury members that agreed to be part of the committee:
Professor Pierre Pinson, Senior Research Engineer (HDR) Bertrand Iooss, Professor Philippe
Dessante, Professor Yann Le Bihan, and Professor Paul Ulmeanu. In particular, I am grateful
to reviewers, Pierre Pinson and Bertrand Iooss, for their careful reading of the manuscript and
all the constructive and helpful remarks, which helped improve the quality of my thesis work.

I would like to thank the European Foundation for New Energy of Electricité de France
(EDF) for their support allowing me to conduct this three-year Ph. D. work under the Chair on
Systems Science and the Energy Challenge (SSEC).

I would like to offer my special thanks to my family for their love, support, and constant
encouragement. In particular, I would like to thank my mother and my brother. They are the
meaning of my life, and I undoubtedly could not have done this without them.

I would like to thank all my friends/colleagues in EDF Chair and/or at Laboratory LGI, ECP.
It has been a pleasure to work with them during the last three years. I want to give them my
great thanks for everything they have done, for their encouragement and their disposition to
offer me a hand whenever I needed help. In addition, great thanks to my office mates, Jie Liu
and Yanhui Lin, for being always friendly and nice to me.

Last but not least, special thanks to the Director of the Department of Power & Energy
Systems, Supélec, Professor Jean-Claude Vannier, and to the Director of Laboratory LGI,
ECP, Professor Jean-Claude Bocquet, for a three-year hosting.

ABSTRACT
This Ph. D. work addresses the problem of prediction within energy systems design and
operation problems, and particularly the adequacy assessment of renewable power generation
systems. The general aim is to develop an empirical modeling framework for providing
predictions with the associated uncertainties. Along this research direction, a non-parametric,
empirical approach to estimate neural network (NN)-based prediction intervals (PIs) has been
developed, accounting for the uncertainty in the predictions due to the variability in the input
data and the system behavior (e.g. due to the stochastic behavior of the renewable sources and
of the energy demand by the loads), and to model approximation errors. A novel multi-
objective framework for estimating NN-based PIs, optimal in terms of both accuracy
(coverage probability) and informativeness (interval width) is proposed. Ensemble of
individual NNs via two novel approaches is proposed as a way to increase the performance of
the models. Applications on real case studies demonstrate the power of the proposed
framework.

Keywords: Prediction intervals, multi-layer perceptron neural networks, multi-objective
genetic algorithm, adequacy assessment, short-term wind speed prediction, wind power
production, load forecasting, uncertainty.
i
ii
RÉSUMÉ ÉTENDU
La production et la fourniture d'énergie posent des enjeux aussi bien économiques,
environnementaux, sociaux que politiques. Dans une optique de développement durable, il
s'agit de tendre vers un meilleur équilibre dans la prise en compte de ces différents enjeux. La
demande mondiale d'énergie va continuer de croître mais devra être satisfaite de manière
efficiente et efficace. L’accroissement de la mobilité, de l'urbanisation et de
l’industrialisation, en particulier dans les pays en développement, et l'intégration toujours plus
importante de l'économie mondiale vont accélérer l'augmentation de la consommation
mondiale d'énergie et la dépendance énergétique de nos sociétés. Aujourd'hui, le principal
moyen de répondre à la demande d'énergie électrique est la combustion de combustibles
fossiles (par exemple du pétrole, du charbon ou du gaz naturel). Bien que les carburants
fossiles puissent produire une quantité importante d’énergie, les principaux inconvénients de
ces sources d'énergie sont leurs réserves limitées et leurs effets négatifs sur l’environnement.
En particulier, les changements climatiques induits constituent un défi supplémentaire pour
les fournisseurs d’énergie, les consommateurs et les opérateurs du marché. Pour lutter contre
le changement climatique, à savoir réduire les effets négatifs des sources d'énergie
traditionnelles (par exemple les émissions de gaz à effet de serre), les sources d'énergie
fossiles doivent être remplacées par des sources d'énergie alternatives, c'est à dire les sources
d'énergie renouvelables, plus propres et moins dommageables pour les individus et
l'environnement.

D'un point de vue général, l'objectif principal des systèmes de production d'énergie devrait
être de répondre à tout moment à la demande d'énergie tout en minimisant les impacts
environnementaux associés. Ceci nécessite de développer des formes propres d'énergie, tout
en s'assurant de la cohérence et de la fiabilité de leur approvisionnement et de leur utilisation.
Cependant, les acteurs du marché de l'énergie (investisseurs, producteurs d’électricité, les
gestionnaires de réseau, les consommateurs, etc.) font face à des défis potentiels [1]-[5]:

• la demande croissante d'énergie
• de nouveaux défis dans les modes de consommation d'énergie
• l'intégration des sources d'énergie intermittentes (stochastiques) renouvelables dans les
réseaux électriques
• l'extraction de combustibles fossiles dans des conditions extrêmes d'une manière plus
économique et plus sûre
iii
• le renforcement des capacités de raffinage
• la réduction des déchets nucléaires
• améliorer la fiabilité du transport de l'électricité

Les énergies renouvelables sont produites à partir de ressources naturelles renouvelables
comme le soleil, le vent, la pluie, les marées, la biomasse et la chaleur géothermique, c'est-à-
dire à partir de ressources qui se reconstituent naturellement avec l'écoulement du temps, soit
par la reproduction biologique, soit par d'autres processus naturels récurrents [4], [6]. En tant
que source d'énergie renouvelable non polluante et beaucoup moins chère que l'énergie
nucléaire, l'énergie éolienne, parmi les différents candidats, a rencontré un succès grandissant
partout dans le monde. L'utilisation de l'énergie éolienne a ainsi augmenté de façon
spectaculaire au cours de la dernière décennie. Selon le rapport annuel de 2013 publié par
l’Association Mondiale de l’Energie Eolienne (WWEA) [2], la capacité éolienne mondiale a
atteint 296 GW à la fin du mois de juin 2013, dont 13980 MW de nouvelles capacités
installées au cours du premier semestre 2013. Selon le rapport annuel de 2012 de
l’Association Européenne de l’Energie Eolienne (EWEA) [7], la capacité installée dans
l'Union européenne (UE) a augmenté d'environ 13 GW en 2000 mais de 107 GW en 2012.
Cela répond aux besoins de puissance électrique de 57 millions de foyers et est équivalent à la
fermeture de 39 centrales nucléaires [7]. Cette croissance continue et rapide indique que
l'énergie éolienne représente une solution populaire, respectueuse de l'environnement et
durable pour répondre au besoin croissant d’électricité. A titre d'exemple, la région
occidentale du Danemark a l'un des taux de pénétration de l'énergie éolienne les plus élevés
dans le monde, qui est resté stabilisé entre 25 et 30 % au cours des dernières années [5]. Selon
le rapport statistique annuel de BP sur la consommation mondiale d'énergie, le pétrole reste la
source d'énergie la plus utilisée dans le monde et représente 33,1% de la consommation
mondiale d'énergie en 2012. Cependant, à l'échelle mondiale, il a eu le taux de croissance le
plus faible parmi les combustibles fossiles, ce pour la troisième année consécutive [3].

L'évolution des réseaux électriques classiques vers des réseaux intégrant des sources
distribuées d'énergies renouvelables induit des incertitudes supplémentaires concernant leur
fonctionnement. En effet, les défis qui posent un fonctionnement fiable et sécurisé des
systèmes électriques augmentent avec la proportion d'énergies renouvelables intermittentes
(par exemple, éolienne, solaire, etc.) introduites dans les réseaux électriques. Du côté des
fournisseurs, en particulier, l'intégration des sources d'énergie renouvelables (par exemple,
iv