Affordable Access

Modelisation de la consommation mensuelle de l’energie electrique au Benin

Authors
Publisher
Université de Lomé (Togo)
Publication Date
Keywords
  • Sinusoidal Model
  • Seasonal Model
  • Multivariate Armax Model With Multiple Entry And Single Output
  • And Bootstrap Resampling
Disciplines
  • Earth Science
  • Economics

Abstract

En Afrique, dans les pays au sud du Sahara, notamment au Bénin, le déficit d’énergie électrique s’est traduit par des délestages de plus en plus récurrents. La méthode conventionnelle de projection des besoins par accroissement actuellement utilisée dans les entreprises de production, de transport et de distribution montre ses limites. En effet, les habitudes de consommations sont difficilement quantifiables en raison de nombreux aléas : difficulté d’approvisionnement en énergie électrique, pannes récurrentes de portions de réseau, prix des combustibles des groupes électrogènes, crise économique, la sous instrumentation des réseaux électriques (absence de base de données de consommation horaire etjournalière). Quatre modèles de simulation de la consommation de l’énergie électrique à moyen terme au Bénin sont présentés : un modèle sinusoïdal, un modèle saisonnier, un modèle exponentielle saisonnier et un modèle multivariables de type ARMAX (Auto Regressive Moving Average with eXternal inputs) de prévision à un pas. Les données utilisées pour cette modélisation concernent la période 2001-2009. On considèreaussi bien les données de consommation électrique mensuelles que les paramètres météorologiques (température, humidité). Afin d’évaluer la robustesse des modèles saisonniers et périodiques, les donnéesont été répliquées (ré-échantillonnées) par les techniques de Bootstrap.Tant pour ce qui concerne l’identification (reconstruction de la consommation) que les simulations, le modèle ARMAX s’est avéré le plus performant des quatre modèles testés. Cette étude montre unesimilitude du modèle périodique et du modèle saisonnier dès lors que le nombre d’harmoniques du modèle périodique est élevé. Les modèles périodiques et saisonniers sont moins aptes à traduire les situations exceptionnelles, notamment les épisodes de black outs récurrents entre la mi 2006 et la mi 2007. Ils restent performants dès lors que les aléas sur les approvisionnements sont réduits (année 2005). Le modèle multivariables ARMAX de prévision à un pas de temps corrélant la consommation de l’énergie électrique aux variables atmosphériques s’est révélé performant dans toutes les circonstances. In Africa, in countries south of the Sahara, including Benin, the deficit of electrical power outages resulting in more and more recurrent. The conventional method for forecasting the demand by increasingnow commonly used in business production, transmission and distribution shows its limits. Indeed, consumption habits are difficult to quantify because of many uncertainties: difficulties in electricity supply, recurrent failures of network portions, price of fuel for generators, economic crisis, the instrumentation of electric networks (no database of daily and hourly usage).Four simulation models for consumption of electricity in the medium term are presented in Benin: a model with sinusoidal, seasonalpattern, seasonal exponential model and a model type multivariable ARMAX prediction step. The data used for this model concern the period 2001-2009. We consider both the monthly electric consumptiondata as meteorological parameters (temperature, humidity). To assess the robustness of seasonal and periodic models, the data have been replicated (resampled) by bootstrap techniques. As regards the identification (reconstruction of consumption) that the simulations, the ARMAX model was the most powerful of the four models tested. This study shows a similar quasi-periodic model of the seasonal pattern and therefore the number of harmonics of the periodic model is high. Periodic andseasonal patterns are less able to translate the exceptional situations, including recurrent episodes of black outs from mid 2006 and mid 2007. They remain effective as long as the uncertainties in supplies arereduced (2005). The ARMAX prediction time step (multivariate) correlating the consumption of electrical energy to the atmospheric variables is highly successful in all circumstances.

There are no comments yet on this publication. Be the first to share your thoughts.