Une approche fonctionnelle pour la prévision non-paramétrique de la consommation d'électricité

Anestis Antoniadis 1 Xavier Brossat 2 Jairo Cugliari 3 Jean-Michel Poggi 3, 4
1 MOISE - Modelling, Observations, Identification for Environmental Sciences
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, INPG - Institut National Polytechnique de Grenoble
3 SELECT - Model selection in statistical learning
Inria Saclay - Ile de France, LMO - Laboratoire de Mathématiques d'Orsay, CNRS - Centre National de la Recherche Scientifique : UMR
Résumé : Dans un travail récent (Antoniadis et al. (2012)), les auteurs ont proposé un modèle de prévision pour des séries chronologiques fonctionnelles en présence de non stationnarités. Ce modèle a été appliqué à la demande d'électricité d'EDF. Le principe général du modèle de prévision consiste à trouver dans le passé des contextes similaires à la situation présente et prévoir le futur par une combinaison linéaire des futurs des passés les plus semblables au présent. La notion de similarité est basée sur les ondelettes et plusieurs stratégies sont mises en œuvre pour prendre en compte les diverses sources d'instationnarités. Nous explorons dans ce second article, trois aspects de ce modèle qui complètent la méthodologie originale tout en mettant en évidence l'utilité industrielle de la méthode. D'abord nous abordons la construction d'un intervalle de confiance pour le prédicteur fonctionnel. Ensuite, nous examinons la flexibilité et la simplicité du modèle pour fournir, sans effort supplémentaire, des prévisions à des horizons de plus en plus éloignés. Enfin, dans le contexte applicatif spécifique, nous examinons la capacité de la méthode à fournir de prévisions de bonne qualité en présence d'instationnarités subtiles du signal, conséquences de pertes de clients selon divers scénarios.
Type de document :
Article dans une revue
Journal de la Société Française de Statistique, Société Française de Statistique et Société Mathématique de France, 2014, 155 (2), pp.202- 219. 〈http://journal-sfds.fr/〉
Liste complète des métadonnées

https://hal.inria.fr/hal-00942680
Contributeur : Erwan Le Pennec <>
Soumis le : jeudi 6 février 2014 - 11:27:36
Dernière modification le : jeudi 11 janvier 2018 - 06:22:14

Identifiants

  • HAL Id : hal-00942680, version 1

Collections

Citation

Anestis Antoniadis, Xavier Brossat, Jairo Cugliari, Jean-Michel Poggi. Une approche fonctionnelle pour la prévision non-paramétrique de la consommation d'électricité. Journal de la Société Française de Statistique, Société Française de Statistique et Société Mathématique de France, 2014, 155 (2), pp.202- 219. 〈http://journal-sfds.fr/〉. 〈hal-00942680〉

Partager

Métriques

Consultations de la notice

378