Résumé:
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.
