| Summary: | L'effacement des consommations électriques a été identifié comme l'une des solutions pour pallier les problèmes liés aux pics de consommation électrique, à l’intermittence des énergies renouvelables et à la congestion des réseaux. Ces travaux de recherche s’intéressent à l’intégration de la consommation industrielle en tant que ressources effaçables à court terme dans le contexte de la réserve rapide du mécanisme d’ajustement français. Parmi les différents secteurs, le secteur industriel présente un intérêt particulier en raison de l’importance de sa consommation. Afin d'intégrer ce type de consommation dans l’équilibre offre-demande, il est nécessaire de prévoir le comportement de ces consommations à court terme ainsi que d’évaluer la fiabilité de ces prévisions. Ainsi, différentes méthodes de prévision à très court-terme adaptées aux données et au contexte ont été déployées sur différents consommations disponibles à deux niveaux d’agrégation différents : site et usage industriel. Des indicateurs de performance adaptés aux contraintes opérationnelles, appelés "taux de fiabilité", sont proposés et calculés pour évaluer la performance des méthodes de prévision. Ce taux de fiabilité est estimé pour différentes heures de la journée pour les différents sites et usages industriels étudiés. Les taux de fiabilité estimés permettent d'évaluer le risque pour une consommation spécifique (au niveau du site ou au niveau de chaque usage industriel) de ne pas respecter des contraintes opérationnelles imposées à chaque instant de simulation. === Demand response has been identified as one of the solutions to overcome the problems associated with peaks in electricity consumption, intermittency of renewable energy and network congestion. This thesis focuses on the integration of industrial electricity consumptions as short-term demand response resources in the context of a supply-demand balancing mechanism in France. Among the various sectors, industrial electricity consumptions are of particular interest because of their orders of magnitude. In order to integrate these consumptions to the supply-demand balance, it is necessary forecast their behavior in the short term and to evaluate the reliability of these forecasts. Thus, different short-term load forecasting methods adapted to the data and to the operational context are implemented on different sets of industrial consumptions data at two different consumption levels: the industrial site and the end-point equipment consumption. Performance indicators adapted to operational constraints, called "trust factors" are proposed and calculated to evaluate the performance of the forecasting methods. These trust factors are estimated for different hours of the day for all the different studied industrial sites and workshops. The estimated trust are used to assess the risks for a specific consumption to not to respect the operational constraints at a moment a forecast is simulated. Demand response is considered to become one of the elements to be implemented in order to achieve a successful energy transition through a more flexible power system.
|
|---|
