Système Décisionnel Intelligent basé sur Deep learning pour l’amélioration de la résilience dans les Smart Grids

Abstract

Le smart grid est le nouveau concept dans le domaine énergétique qui rend les villes plus intelligentes, avec sa combinaison du numérique et des énergies renouvelables dans les réseaux de distribution d’électricité. Il a été construit pour répondre aux besoins du réseau électrique traditionnel en matière de contrôle de la demande croissante en électricité, ainsi qu’intègre les consommateurs dans le processus de distribution pour qu’ils puissent être des consomm-acteurs. L’objectif des smart grids est d’intégrer une solution informatique dans le réseau afin de distribuer l’énergie d’une façon durable et économique, en garantissant la sécurité des données personnel, aussi le smart grid a la capacité de surveiller les perturbations électriques. Malgré tous ses avantages, il reste vulnérable et comporte des points faibles. Parmi les points faibles du smart grid c’est qu’il n’a pas la capacité de gérer toutes les perturbations, ce qui complique la situation pour les opérateurs et ça pourrait prendre beaucoup du temps afin de rétablir les pannes. Cela souligne l’importance de mettre en place un système décisionnel capable de prévoir les pannes de courant éminentes, afin d’améliorer la résilience du réseau électrique, et aider les opérateurs à prendre les mesures nécessaires afin d’éviter les pertes économiques éventuelles. Ce mémoire a pour objectif de proposer une architecture d’un système décisionnel basé sur le modèle de deep learning smoothed convolutional neural network (S-CNN), entraîné sur une base de données historique réelle, afin d’améliorer la résilience des smart grids. Ce modèle est destiné à prévoir les pannes de courant électriques, en déclenchant une alarme pour que les opérateurs prennent les décisions nécessaires afin de prévenir les pannes. Mot clé : Systèmes décisionnel intelligent, smart grid, résilience, deep learning, villes intelligentes.