Forecasting and Assessing Risk of Individual Electricity Peaks

L'objectif principal de ce livre en libre accès est de présenter une théorie et des algorithmes autonomes pour l'étude et la prévision des pointes de la demande d'électricité. Un échantillon représentatif des algorithmes populaires de prévision de la demande issus de la statistique, de l'apprentissage machine et des mathématiques est présenté, suivi de techniques de théorie des valeurs extrêmes avec des exemples.

Pour atteindre les objectifs en matière de carbone, de bonnes prévisions des pics sont essentielles. Par exemple, le déplacement de la demande ou la charge d'une batterie dépend de la bonne prévision de la demande dans le temps. La majorité des algorithmes de prévision étaient historiquement axés sur la prévision de la charge moyenne. Pour modéliser les pics, des méthodes de la théorie des valeurs extrêmes sont appliquées. Cela nous permet d'étudier les extrêmes sans faire d'hypothèses sur les parties centrales de la distribution de la demande et de prévoir au-delà de l'éventail des données disponibles.

Appliquées à des charges individuelles, les techniques décrites dans ce livre peuvent être étendues naturellement aux sous-stations ou aux installations commerciales. Les techniques de la théorie des valeurs extrêmes présentées peuvent également être utilisées dans d'autres disciplines, par exemple pour prédire les fortes précipitations, la vitesse du vent, le rayonnement solaire et les phénomènes météorologiques extrêmes. Ce livre s'adresse aux étudiants, aux universitaires, aux ingénieurs et aux professionnels qui s'intéressent à la prévision de la charge à court terme, à l'analyse des données énergétiques, au contrôle des batteries, à la réponse de la demande et aux sciences des données en général.