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

Koné, Mouhammad Moustapha (2026). Traitement des données de consommation d’électricité acquis d’un dispositif autonome de mesure préalablement conçu en vue de mieux gérer la demande. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (6MB) | Prévisualisation

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.

Titre traduit

Processing of electricity consumption data obtained from a pre-designed autonomous measurement device for improved demand management

Résumé traduit

This document provides an in-depth analysis and management of electricity consumption data collected by an autonomous device within a condominium equipped with electric vehicle (EV) charging stations. The literature review, covered in the first chapter, provides a comprehensive synthesis of the theoretical foundations related to time series, data classification, and anomaly detection, spotlighting a wide array of methodological approaches such as the use of auto encoders, the DBSCAN algorithm, and LSTM neural networks, which prove particularly relevant in the context of energy consumption. The methodology chapter outlines a structured and rigorous approach: beginning with data enrichment using contextual variables, followed by advanced anomaly detection techniques, including MDWS, auto-encoders, DBSCAN, and Isolation Forest, and subsequent correction using the K-nearest neighbor’s method. This methodology further extends to forecasting through models such as LSTM, SARIMA, and stacking, providing a holistic framework to address energy-related challenges. The case study, detailed in a subsequent chapter, focuses on a meticulous examination of data from three distinct condominium units. The results, presented and discussed in a dedicated chapter, highlight the varied performance of different detection and prediction techniques, with recognition of the effectiveness of specific methods in capturing irregularities and anticipating consumption trends. The ensuing discussions explore the profound influence of electric vehicles on consumption profiles, which are identified as a dominant factor in usage peaks, and pave the way for strategic recommendations, such as implementing dynamic pricing tailored to peak-demand hours, alongside a thoughtful expansion of charging infrastructure to support a sustainable and balanced energy transition.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie – énergies renouvelables et efficacité énergétique". Comprend des références bibliographiques (pages 79-81).
Mots-clés libres:	énergie électrique, véhicules électriques, analyse de données, apprentissage automatique, séries temporelles, gestion de la demande
Directeur de mémoire/thèse:	Directeur(-trice) Montecinos, Julio Cesar
Codirecteur:	Codirecteur(-trice) de mémoire/thèse Wong, Tony
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	15 avr. 2026 15:27
Dernière modification:	15 avr. 2026 15:27
URI:	https://espace.etsmtl.ca/id/eprint/3865

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt