Prévision de la demande et de la production renouvelable d électricité

Transcription

1 Prévision de la demande et de la production renouvelable d électricité EDF R&D 17 janvier 2017

2 1 Introduction 2 3 Ponctuelle Probabiliste Impact de l ouverture à la concurrence 4 Production éolienne Production photovoltaïque 5

3 Introduction Problèmes étudiés équilibre offre-demande et gestion de production, sur une grande surface, pour un grand nombre de clients et producteurs, en univers dérégulé.

4 Prévisions météorologiques d ensemble : une des origines de la prévision probabiliste Problème Atmosphère chaotique, avec une forte dépendance aux conditions initiales. Inexactitude des données sur l état initial de l atmosphère, prévision déterministe dégradée au delà de 3 à 4 jours. Solution actuelle Ensemble de simulations numériques, à partir d un état bruité de l atmosphère, bruit inférieur aux erreurs de mesure. Choix du bruit : objet de nombreuses recherches. Au CEPMMT : directions dans lequelles l erreur est la plus pénalisante. Validations Corrélation entre largeur d ensemble et erreur à posteriori, diagramme de Talagrand.

5 Évaluation : spread-skill correlation

6 Évaluation : diagramme de Talagrand Principe Si n membres, n + 1 intervalles entre prévisions, dans lesquels on place la réalisation. On veut des populations égales.

7 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Introduction Structure de la consommation en France : 1/3 sur quelques centaines de clients industriels 1/3 sur quelques dizaines de milliers de clients professionnels, 1/3 sur 26 millions de clients particuliers. Informations à prendre en compte pour la prévision : variables calendaires température, instantanée et passée, consommations récentes (prévision CT). Prévision précise à quelques pourcents près, 1000MW en France.

8 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Variables calendaires, période normale Les variables, et la modélisation de leur impact : jour de la semaine (discret), heure (discret ou non-paramétrique), position dans l année (continu). Interactions : entre jour et heure, entre position dans l année et heure (éclairage).

9 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Variables calendaires, périodes de faible activité Les types de périodes : jours fériés (11), veilles, lendemains, ponts : types de jours particuliers ; périodes de Noël et première quinzaine d août : variable. Difficulté particulière de la période de Noël : position de Noël dans la semaine variable, et très influente. Remarque On doit aussi prévoir ces jours-là!

10 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Effet de la température Caractéristiques à modéliser : effet des températures chaudes, froides et très froides, retard dans l effet de la température sur la consommation (inertie des murs), interaction avec l heure. Modélisations : fonctions linéaires par morceaux, splines dans un modèle GAM.

11 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Autres variables météorologiques Pourquoi 1 température nationale? non-linéarité assez faible, grosse rupture de pente à 18 C, presque linéaire ailleurs, fort impact des températures retardées. Autres variables : couverture nuageuse, vent.

12 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Consommations récentes

13 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Sources d erreur Prévision de consommation, à température connue : quelques pourcents d erreur. Erreur dominante : température. Modélisation de l erreur de prévision : régression quantile (linéaire ou semi-paramétrique) (premier à GEFCOM 2014), simulation des résidus (second à GEFCOM 2014). Modélisation de la température : utilisation des prévisions d ensemble (CT), estimation et simulation d un modèle de séries temporelles sur la température (MT).

14 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Utilisations de la prévision probabiliste à EDF Risque 1% : marge nécessaire pour que la probabilité de coupures soit inférieure à 1%, obligation réglementaire pour RTE, risque d image pour EDF, utilisation très simple : achats pratiquement à tout prix pour conserver la marge. Pour gestion de production : si forte consommation aujourd hui, quelle consommation demain, et quel impact sur la valeur des stocks d énergie?, contraintes du calcul : représentation très fruste de la loi conditionnelle.

15 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Remarques sur les critères d évaluation Pour le risque 1% : contrainte posée par la CRE : dépasser la prévision de quantile 1% dans 1% des cas, objectif des actionnaires : respecter les objectifs de la CRE au moindre coût. Citation de T. Gneiting : Probabilistic forecasting aims to maximize the sharpness of the predictive distributions, subject to calibration, on the basis of the available information set.

16 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Prévision pour un fournisseur Peu de publications académiques, circulation d information par contacts. Pratique de la standardisation Constituer des ensembles de clients homogènes, prévoir le client moyen, multiplier par la taille de l ensemble. Quelle taille? Publications sur les méthodes adaptatives En forte croissance actuellement. Deux techniques : estimation glissante, filtre de Kalman.

17 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Estimation glissante Travaux pour préciser les conditions de convergence. fenêtre d estimation contient grand nombre d observations, paramètres du modèle presque constants sur la fenêtre d estimation, le tout asymptotiquement.

18 Ponctuelle Probabiliste Impact de l ouverture à la concurrence Filtre de Kalman Notations pour le filtre de Kalman x k état du système, z k mesure. x k z k = F k x k 1 + w k = H k x k + v k Utilisation état du système : paramètres d un modèle linéaire, H k valeurs courantes des variables explicatives. Modèle adaptatif.

19 Production éolienne Production photovoltaïque Types de prévisions Rappel sur les prévisions de consommation méthodes développées d abord pour de grands ensembles de clients, stables. Adaptations pour des fournisseurs en marché ouvert, mais mal documentées. Prévisions de production renouvelable méthodes développées d abord pour des producteurs. Méthodes d agrégation développées ensuite.

20 Production éolienne Production photovoltaïque Méthodes d agrégation Somme des prévisions locales : simple, mais ne prend pas en compte de possibles compensations d erreur. Questions ouvertes : autres méthodes d agrégation, méthodes de réconciliation, mélanges de prédicteurs ; prévisions globales directes (agrégation départementale).

21 Production éolienne Production photovoltaïque Lien entre vent et puissance produite, 1 Courbe théorique Courbe pratique Forte incertitude sur production, même à vent donné.

22 Production éolienne Production photovoltaïque Lien entre vent et puissance produite, 2 Autres variables : température (donne densité de l air), direction (dans le cas d un parc). Approche essentiellement statistique (sauf pour une installation nouvelle).

23 Production éolienne Production photovoltaïque Prévision du vent local Prévision numérique globale, d ensemble ou pas Descente d échelle modèle physique : modèle météorologique local, forcé par modèle global ; modèle statistique : nécessite séries de vent local et météorologie globale.

24 Production éolienne Production photovoltaïque Modèle vainqueur de la compétition GEFCOM 2014 Probabilistic gradient boosting machine Méthode dominante depuis quelques années. Variables d entrée : vent Sud-Nord, Est-Ouest à 10 et 100m, sur 10 fermes éoliennes, date et heure. Probabilistic : utilisation de la fonction de perte de la régression quantile. Deux niveaux de modélisation : second niveau pour prendre en compte l information de fermes proches.

25 Production éolienne Production photovoltaïque Fonction de perte de la régression quantile Le minimum de cette fonction est obtenu pour le quantile de niveau τ.

26 Production éolienne Production photovoltaïque Prévision usuelle Modèle de ciel clair Puissance solaire maximale atteignable, pour un jour de l année et une heure donnée ; Obtenue par estimation du maximum de production, conditionnellement au jour et à l heure. Prévision de la puissance solaire normalisée : à partir de modèles météorologiques. Incertitude sur la prévision météorologique largement prédominante.

27 Production éolienne Production photovoltaïque Modèle vainqueur de la compétition GEFCOM 2014 Tâche Prévision de trois fermes éoliennes, pas horaire, avec prévisions CEPMMT. Étapes de la prévision cycle annuel par série de Fourier, cycle journalier par modèles séparés, calcul de la radiation solaire totale, prévision de la puissance par un modèle physique, prise en compte des variables précédentes, plus proxys de la température, dans un modèle de gradient boosting, mesure de l incertitude par plus proches voisins.

28 Á court-terme : peu d enjeux Évolution des aléas Actuellement (2017), en France, température reste prédominante. Pas d accroissement important de l aléa CT. Caractéristiques des moyens d ajustement hydraulique et moyens thermiques. Hydraulique, fioul : démarrages et arrêts très rapides, pas d utilité à anticiper les variations de puissance. Charbon : en décroissance rapide.

29 Poids des aléas à moyen-terme Comparaison des impacts instantanés, entre aléas Aléa Écart-type / puissance maximale Demande 10 % Disponibilité thermique 4 % Hydraulicité 1 % Comparaison des impacts cumulés plus pertinente : persistances du même ordre pour demande et disponibilité, processus d apports hydrauliques nettement plus complexe. Donc demande domine. Comparaison avec les stocks :Vague de froid de l ordre de la taille du plus grand stock.