1. Une approche fonctionnelle pour la prévision non-paramétrique de la consommation d'électricité
- Author
-
Antoniadis, Anestis, Brosat, Xavier, Cugliari, Jairo, Poggi, Jean-Michel, Modelling, Observations, Identification for Environmental Sciences (MOISE), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Kuntzmann (LJK), Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Pierre Mendès France - Grenoble 2 (UPMF)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS), EDF R&D (EDF R&D), EDF (EDF), Model selection in statistical learning (SELECT), Laboratoire de Mathématiques d'Orsay (LMO), Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)-Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire de Mathématiques d'Orsay (LM-Orsay), Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11), INRIA Select, Cugliari, Jairo, Inria Saclay - Ile de France, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire de Mathématiques d'Orsay (LMO), Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS), and Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[STAT.ME] Statistics [stat]/Methodology [stat.ME] ,62G08 ,62M20 ,62P30 ,Données fonctionnelles ,Prévision non paramétrique ,Consommation d'électricité ,Non stationnaire ,[STAT.ME]Statistics [stat]/Methodology [stat.ME] - Abstract
National audience; Dans un travail récent (Antoniadis et al. (2012)), les auteurs ont proposé un modèle de prévision pour des séries chronologiques fonctionnelles en présence de non stationnarités. Ce modèle a été appliqué à la demande d'électricité d'EDF. Le principe général du modèle de prévision consiste à trouver dans le passé des contextes similaires à la situation présente et prévoir le futur par une combinaison linéaire des futurs des passés les plus semblables au présent. La notion de similarité est basé sur les ondelettes et plusieurs stratégies sont mises en oeuvre pour prendre en compte les diverses sources d'instationnarités. Nous explorons dans ce second article, trois aspects de ce modèle qui complètent la méthodologie originale tout en mettant en évidence l'utilité industrielle de la méthode. D'abord nous abordons la construction d'un intervalle de confiance pour le prédicteur fonctionnel. Ensuite, nous examinons la flexibilité et la simplicité du modèle pour fournir, sans effort supplémentaire, des prévisions à des horizons de plus en plus éloignés. Enfin, dans le contexte applicatif spécifique, nous examinons la capacité de la méthode à fournir de prévisions de bonne qualité en présence d'instationnarités subtiles du signal, conséquences de pertes de clients selon divers scénarios.
- Published
- 2014