Traitement des données de consommation d’électricité acquis d’un dispositif autonome de mesure préalablement conçu en vue de mieux gérer la demande

Résumé

Ce mémoire s’attache à explorer en profondeur l’analyse et la gestion des données de consommation d’électricité d’un condominium doté de bornes de recharge pour véhicules électriques. Dans le premier chapitre, la revue offre une synthèse des fondements théoriques liés aux séries temporelles, à la classification des données et à la détection d’anomalies, en exposant une diversité d’approches méthodologiques telles que l’utilisation d’auto-encodeurs, de l’algorithme DBSCAN ou encore du LSTM, qui se révèlent pertinentes dans le contexte de la consommation énergétique. Le chapitre consacré à la méthodologie présente une approche structurée, commençant par l’enrichissement des données avec des caractéristiques, suivie de la détection d’anomalies à l’aide de techniques avancées telles que MDWS, des auto encodeurs, DBSCAN et la forêt d’isolement, puis de leur correction via la méthode des k plus proches voisins. Cette méthodologie traite également des prévisions à l’aide de modèles tels que LSTM, SARIMA et l’empilement de modèles, ce qui permet de répondre aux enjeux énergétiques. L’étude de cas, développée dans un chapitre ultérieur, porte sur l’examen minutieux des données issues de trois unités distinctes du condominium. Les résultats, présentés et discutés dans un chapitre dédié, soulignent les performances des techniques de détection et de prédiction, en reconnaissant en particulier l’efficacité de certaines méthodes pour capturer les irrégularités et anticiper les tendances de consommation. Les discussions qui s’ensuivent explorent l’influence des véhicules électriques sur les profils de consommation, estimée comme étant une part prédominante dans les pics d’utilisation, et ouvrent la voie à des recommandations stratégiques telles que l’instauration de tarifications dynamiques adaptées aux heures de forte demande, ainsi que l’expansion réfléchie des infrastructures de recharge pour accompagner la transition énergétique de manière durable et équilibrée.

Date	27 févr. 2026
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Julio Cesar Montecinos (Directeur(-trice)) & Tony Wong (Codirecteur(-trice))