Power demand forecasting for district building

Résumé

L’étude de la prévision de la demande d’électricité a suscité l’intérêt des chercheurs et des organisations; ces dernières années, ils se sont également concentrés sur les prévisions de charge. Les chercheurs, les entreprises d’électricité, les éditeurs de logiciels ont développé de nombreux modèles. Cependant, les résultats de la prévision précise de la demande en électricité restent difficiles. L’une des méthodes prédictives est l’utilisation du réseau ANN, utilisé par de nombreux chercheurs avec de nombreux résultats positifs, mais qui continue d’être étudié et développé. Une prévision précise de la demande en électricité s'applique aux programmes Réponse à la demande, Gestion de la demande, Programme d'efficacité énergétique, Micro Smart Grid et Smart Building, ce qui contribuera à réduire le coût de l'électricité pour le consommateur. Des prévisions précises sont également bénéfiques pour les sociétés de distribution et de transport d'électricité et les gestionnaires de réseaux. Dans le projet Microgrid de bâtiment de district au centre-ville de Montréal, les prévisions relatives à la demande d'électricité dans les bâtiments de district doivent retenir l'attention. Dans cette thèse, nous allons passer en revue les études précédentes, synthétiser des substances liées à un problème important - solutions, directions de recherche dans les prévisions de la demande d’électricité des bâtiments. Sur la base du modèle implémenté présent dans cette thèse, le modèle de prévision de charge à court terme est proposé pour un campus utilisant le modèle de réseau neuronal. Le modèle le mieux adapté a été trouvé lorsque de nombreux modèles sont comparés et combinés.

Date	3 juin 2020
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Louis-A. Dessaint (Directeur(-trice))