These El Guedri

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 232

THESE DE DOCTORAT

SPCIALIT

: PHYSIQUE

COLE D OCTORALE S CIENCES ET T ECHNOLOGIES DE L I NFORMATION , DES T LCOMMUNICATIONS ET DES S YSTMES Prsente par : M ABROUKA E L G UEDRI

Caractrisation aveugle de la courbe de charge lectrique : Dtection, classication et estimation des usages dans les secteurs rsidentiel et tertiaire
Soutenance prvue le 9 novembre 2009 devant les membres du jury Monsieur Monsieur Monsieur Monsieur Monsieur Monsieur Madame Monsieur B NIDIR DU RSO F LEURY HEBRAIL I DIER L AJAUNIE M ARTIN T OURNERET M ESSAOUD G UY G ILLES G EORGES J RME C HRISTIAN NADINE J EAN -Y VES Examinateur Encadrant EDF Directeur de thse Rapporteur Examinateur Co-directeur de thse Examinatrice Rapporteur

Toi le Trs-Constant, toi le guide, le modle, ma famille, mes amis et mes collgues, mes grands-parents paix leurs mes, A nous.

Table des matires


Table des matires Table des gures Liste des tableaux Introduction gnrale 1 Problmatique et tat de lart Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Problmatique industrielle . . . . . . . . . . . . . . . . . . . . . 1.1.1 Contexte et motivations . . . . . . . . . . . . . . . . . . . 1.1.2 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.3 Contraintes industrielles et stratgie envisage . . . . . . . 1.1.4 Donnes dentre et connaissances annexes . . . . . . . . 1.1.5 Synthse . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Formalisation du problme de la caractrisation de la CdC . . . . 1.2.1 Notations et dnitions utiles . . . . . . . . . . . . . . . . 1.2.2 Une dnition de la caractrisation de la CdC revisite 1.2.3 Les problmes sous-jacents la caractrisation de la CdC . 1.3 tat de lart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Critres de classication des tudes antrieures . . . . . . 1.3.3 Mthodes et modles proposs . . . . . . . . . . . . . . . Synthse : avantages et limites . . . . . . . . . . Conclusions et discussions . . . . . . . . . . . . . . . . . . . . . i vi x 1 7 7 8 8 9 10 11 13 13 13 14 15 19 19 20 21 23 23 25 25 25 26 27 28 28 31 31

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

2 Analyse des signaux en vue de lextraction de connaissances sur les usages Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Dmarche exprimentale . . . . . . . . . . . . . . . . . . . . . . . . . 2.1.1 Description des donnes : cas du secteur rsidentiel . . . . . . . 2.1.2 Description des donnes : cas du secteur tertiaire (hypermarch) 2.2 Analyse des signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Dnitions et notations . . . . . . . . . . . . . . . . . . . . . . 2.2.2 Le chauffage par convecteurs . . . . . . . . . . . . . . . . . . 2.2.2.1 Gnralits sur le chauffage par convecteurs . . . . . i

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

2.2.2.2 Analyse des signaux . . . . . . . . . . . . . . . . . . . . . . Leau chaude sanitaire (ECS) . . . . . . . . . . . . . . . . . . . . . . . 2.2.3.1 Loi de lamplitude moyenne . . . . . . . . . . . . . . . . . . 2.2.3.2 Lois des dures . . . . . . . . . . . . . . . . . . . . . . . . 2.2.4 Le froid alimentaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.4.1 Premier cas : le secteur rsidentiel . . . . . . . . . . . . . . . 2.2.4.2 Deuxime cas : le secteur tertiaire - froid alimentaire dans un hypermarch . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.5 Les gros appareils lectromnagers . . . . . . . . . . . . . . . . . . 2.2.5.1 Prsentation des appareils lectriques cibls . . . . . . . . . . 2.2.5.2 Analyse de signaux . . . . . . . . . . . . . . . . . . . . . . 2.2.6 Les appareils de cuisson . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.7 Analyse dexemples de CdC . . . . . . . . . . . . . . . . . . . . . . . 2.2.7.1 Cartographie des principaux usages chez deux clients particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.7.2 Proprits de la CdC gnrale et reprsentations adaptes . . 2.2.7.3 Analyse vnementielle pour la reconnaissance du chauffage 2.2.7.4 Foisonnement du chauffage et du chauffe-eau . . . . . . . . . Synthse de lanalyse des signaux dusages lectriques . . . . . . . . . . . . . Orientations mthodologiques . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.3 3 Segmentation automatique de la courbe de charge Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Mthodologie de segmentation de la CdC . . . . . . . . . . . . . . . . . . . . 3.1.1 Position du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Approche envisage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Segmentation chauffage / autre . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Domaines transforms adapts . . . . . . . . . . . . . . . . . . . . . . 3.2.1.1 Le spectrogramme : un domaine de reprsentation adapt au chauffage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1.2 La densit des vnements . . . . . . . . . . . . . . . . . . 3.2.2 Dtection du chauffage dans le domaine temps-frquence . . . . . . . 3.2.2.1 Une nouvelle mthode dinterprtation du spectrogramme 3.2.2.2 Segmentation du spectrogramme . . . . . . . . . . . . . . . 3.2.2.3 Extraction des motifs spectraux pertinents . . . . . . . . . 3.2.2.4 Identication du support temporel du chauffage lectrique . . 3.2.2.5 Contributions et discussions . . . . . . . . . . . . . . . . . . 3.2.3 Dtection du chauffage par seuillage de la densit des vnements . . . 3.2.3.1 Connaissances a priori . . . . . . . . . . . . . . . . . . . . . 3.2.3.2 Approche propose . . . . . . . . . . . . . . . . . . . . . . 3.2.3.3 Illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.3.4 Amlioration du dtecteur du chauffage . . . . . . . . . . . . 3.2.3.5 Contributions et discussions . . . . . . . . . . . . . . . . . . 3.3 Segmentation ECS / autre . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii

31 44 44 44 47 47 50 52 52 52 57 58 58 60 64 66 67 67 69 69 69 69 70 71 71 71 72 72 72 75 78 80 83 83 83 84 86 88 89 89 89

3.4

Dtection des vnements . . . . . . . . . . . . . . . . . . . . 3.3.2.1 Test de Page-Hinkley avec a priori . . . . . . . . . . 3.3.2.2 Slection des vnements pertinents . . . . . . . . . . 3.3.3 Dtecteur squentiel de lECS . . . . . . . . . . . . . . . . . . valuation des algorithmes mis en oeuvre . . . . . . . . . . . . . . . . 3.4.1 Performances de la segmentation chauffage / autres usages . . . 3.4.1.1 Taux derreur de segmentation . . . . . . . . . . . . . 3.4.2 Performances de la segmentation du chauffe-eau / autres usages Synthse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.2

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

92 92 93 94 95 95 95 98 98 103 103 103 104 104 104 105 105 109 112 112 113 117 117 117 119 119 119 119 121 121 121 121 125 125 126 126 127 128 128 128 129 130 132 132

4 Estimation des caractristiques dusages partir de la CdC Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 Objectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Estimation de lnergie consomme par le chauffage . . . . . . . . . . . 4.2.1 Dmarche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2 Modle de lnergie consomme par le chauffage . . . . . . . . . 4.2.3 Estimation du modle de lnergie du chauffage . . . . . . . . . . 4.2.3.1 Estimation des nergies er , eH et eB . . . . . . . . . . . 4.2.3.2 Estimation du nombre de convecteurs Nco (t ) . . . . . . 4.2.3.3 Estimation des constantes du prol-consommateur . 4.2.4 Procdure destimation de lnergie du chauffage . . . . . . . . . 4.2.5 Evaluation de lestimation de lnergie consomme par chauffage 4.3 Estimation de lnergie consomme par le chauffe-eau . . . . . . . . . . 4.3.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.2 Rsultats et discussions . . . . . . . . . . . . . . . . . . . . . . . 4.4 Identication des paramtres dun modle . . . . . . . . . . . . . . . . . 4.4.1 Exemples de modles damplitude . . . . . . . . . . . . . . . . . 4.4.2 Estimation du modle de lECS . . . . . . . . . . . . . . . . . . 4.4.3 Rsultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.5 Estimation des paramtres dans un cadre probabiliste . . . . . . . . . . . 4.5.1 Estimation par MV des amplitudes des compresseurs . . . . . . . 4.5.2 Estimation MAP des caractristiques du chauffage lectrique . . . Synthse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Sparation des sources de la CdC gnrale Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Approche probabiliste de dcomposition de la CdC du chauffage 5.1.1 Modle stochastique . . . . . . . . . . . . . . . . . . . 5.1.1.1 Lois a priori . . . . . . . . . . . . . . . . . . 5.1.1.2 Vraisemblance des donnes . . . . . . . . . . 5.1.1.3 Loi a posteriori . . . . . . . . . . . . . . . . . 5.1.2 Estimation des paramtres . . . . . . . . . . . . . . . . 5.1.2.1 Exploration de lespace dtat de la CdC . . . 5.1.2.2 Chanage de signaux de convecteurs . . . . 5.1.3 Procdure de dcomposition du chauffage . . . . . . . . 5.1.4 Exemples de rsultats . . . . . . . . . . . . . . . . . . . iii

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

. . . . . . . . . . .

5.2

5.1.4.1 Convecteurs en rgime de rgulation . . . . . . . . . . . . . 5.1.4.2 Convecteurs en rgime de rgulation et/ou de saturation . . . Synthse et discussions . . . . . . . . . . . . . . . . . . . . . . . . . . Approche du type dcodage - application au froid alimentaire . . . . . . . . 5.2.1 Principe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.2 Dcomposition de la CdC du froid alimentaire dans le secteur rsidentiel 5.2.2.1 Informations a priori . . . . . . . . . . . . . . . . . . . . . . 5.2.2.2 Prtraitements des signaux et extraction des vnements pertinents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.2.3 Algorithme de dcomposition de la CdC du froid alimentaire 5.2.3 Dcomposition de la CdC du froid alimentaire dun hypermarch . . . . 5.2.3.1 Informations a priori . . . . . . . . . . . . . . . . . . . . . . 5.2.3.2 Estimation des vnements des compresseurs partir de la CdC gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.3.3 Reconstruction des scnarios de gestion des compresseurs . . Synthse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

133 133 133 136 136 138 138 138 138 142 143 144 145 147 148 151 160

Conclusion gnrale Perpsectives Publications

Annexes
A Description du compteur bleu lectronique B Dnitions de quelques grandeurs lectriques C Sythse des travaux antrieurs sur la caractrisation des usages lectriques D Thermostatically Controlled Appliances E Approches pour la dcomposition des signaux composites F Filtrage morphologique Bibliographie

i
v vii xi xxxiii xxxv li liii

iv

Liste des algorithmes


5.1 5.2 Algorithme stochastique de dcomposition du chauffage . . . . . . . . . . . . 132 Algorithme itratif dextraction des compresseurs . . . . . . . . . . . . . . . . 140

Table des gures


1.1 1.2 1.3 1.4 1.7 1.5 1.6 1.8 1.9 2.1 2.2 2.3 2.4 Rpartition de la consommation en lectricit (France 2006) . . . . . . . . . . . . Exemple de CdC gnrale du secteur rsidentiel (sortie du CBE) . . . . . . . . . . Exemple de CdC gnrale du secteur tertiaire (mesure par un wattmtre) . . . . . Dcomposition de la CdC gnrale vue comme un problme de cartographie des scnarios des usages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dcomposition de la CdC gnrale vue comme un problme de description physique des usages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dcomposition de la CdC gnrale vue comme un problme de sparation des sries des vnements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dcomposition de la CdC gnrale vue comme un problme de cartographie de la consommation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dcomposition de la CdC gnrale vue comme un problme de reconstruction de signaux des usages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Modles des composantes de la CdC dun hypermarch [Laj02] . . . . . . . . . . . Illustration des sries des vnements dun appareil lectrique . . . . . . . . . . . Illustration des suites des dures caractristiques des vnements dun appareil lectrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Puissance appele par un convecteur lectrique (Te = 2s, K2 ) . . . . . . . . . . . . Symtrie de lamplitude denclenchement et de lamplitude de dclenchement dun convecteur (Te = 2sec, K2 ) : Convecteurs test - tous les convecteurs de la Maison Domotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Quasi-priodicit de la puissance appele par un convecteur . . . . . . . . . . . . . Evolution quotidenne du rapport cyclique : Exemple de deux convecteurs . . . . Analyse statistique du rapport cyclique . . . . . . . . . . . . . . . . . . . . . . . . Foisonnement de convecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemple de CdC de chauffage - janvier 2008 . . . . . . . . . . . . . . . . . . . . . Exemples de CdC du chauffage - avril et mai 2008 (Te = 1s, K3 ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nombre dvnements de la CdC chauffage en fonction de la priode dchantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemple de CdC sous-chantillonne . . . . . . . . . . . . . . . . . . . . . . . . Puissance appele par lECS - un cycle de fonctionnement . . . . . . . . . . . . . Asymtrie On-Off . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Histogrammes des dures caractristiques de lECS : (t11 ), (t00 ) et (t10 ) . . . . Exemple de CdC dECS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vi 8 12 12 16 16 17 17 18 22 30 30 32

2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.13 2.14 2.15 2.16

34 34 36 37 39 40 41 42 43 43 45 45 46

2.17 2.18 2.19 2.20 2.21 2.22 2.23 2.24 2.25 2.26

2.27 2.28 2.29 2.30 2.31 2.32 2.33 2.34 2.35 2.36 2.37 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 3.10 3.11 3.12 3.13 3.14 3.15

Graphe dintensit de lECS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Puissance moyenne quotidienne appele par les compresseurs . . . . . . . . . . . . Puissance active dun rfrigrateur (essai de laboratoire - EDF R&D avril 2007) . . Puissance instantane dun rfrigrateur mono-compresseur (Client A - mars 2009) CdC du froid alimentaire dun hypermarch . . . . . . . . . . . . . . . . . . . . . Zoom sur la CdC gnrale dun hypermarch . . . . . . . . . . . . . . . . . . . . Puissance moyenne appele par un lave-linge (Te = 1 s) . . . . . . . . . . . . . . . Puissance moyenne appele par un lave-vaisselle (Maison Domotique -K1 ,Te = 1 s) Puissance moyenne appele par un sche-linge (Te = 1 s) et son spectre . . . . . . a) Puissance moyenne appele par le groupe des gros letromnagers : (Client B -K2 ,Te = 1s) b) Puissance moyenne appele par un lave-linge (K4 ,Te = 1 s) : plusieurs cycles de fonctionnement (Client B) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Puissance appele par les appareils de cuisson (Te = 1 s) . . . . . . . . . . . . . . Histogramme des dures de lusage micro-ondes (K4 ) . . . . . . . . . . . . . . . . Consommation quotidienne du client A : janvier 2008 . . . . . . . . . . . . . . . . Part du chauffage et de lECS dans la consommation quotidienne chez le client A . Part du froid alimentaire dans la consommation quotidienne chez le client B . . . . Exemple de CdC chez un client particulier . . . . . . . . . . . . . . . . . . . . . . Zoom - foisonnement dusages . . . . . . . . . . . . . . . . . . . . . . . . . . . . CdC quotidienne - 12 juillet 2008 (Client A) . . . . . . . . . . . . . . . . . . . . . Composantes de la CdC quotidienne - 12 juillet 2008 (Client A) . . . . . . . . . . CdC quotidienne - 30 septembre 2008 (Client A) . . . . . . . . . . . . . . . . . . Exemple de CdC quotidienne gnrale + ECS (Client A) . . . . . . . . . . . . . . Schma gnral de la segmentation de la CdC quotidienne rsidentielle . . . . . . . Exemple de spectrogramme dune CdC gnrale (Te = 2s, N f = 512 chantillons) . Schma gnral de la dtection du chauffage dans le domaine temps-frquence . . Schma gnral de la dtection du chauffage dans le domaine temps-frquence . . Segmentation du spectrogramme dune CdC lectrique . . . . . . . . . . . . . . . Illustration de lextraction des motifs frquents : (a) Matrice des donnes (b) Treillis (c) Motifs obtenus pour f c = 2 . . . . . . . . . . . . . . . . . . . . . . . . Extraction des motifs du chauffage lectrique : CdC du 5 au 9 Dcembre 2004 (Te = 2s) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dtection du chauffage lectrique partir de lextraction des motifs frquents les plus longs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Schma gnral de lapproche vnementielle pour la dtection du chauffage lectrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Extraction des rgulations rapides partir dune CdC gnrale (Ac0 = 350 W, Te = 1 s, tc0 = 1400 s et Tr = 80 s) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Illustration de la dtection par seuillage de la densit des vnements (s0 = 35) . . Signatures de convecteurs et dun sche-linge dans le domaine (P+ , P ) . . . . . . Schma gnral de dtection de lECS partir dune CdC gnrale (Te 1s) . . . . Illustration du ltrage de la CdC gnrale en absence de chauffage lectrique . . . Illustration du ltrage de la CdC gnrale en prsence chauffage lectrique de faible consommation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii

47 48 49 49 51 51 53 55 55

56 57 59 59 61 61 62 63 63 65 65 66 71 74 74 77 77 79 81 82 84 87 87 88 90 91 91

3.16 Illustration du ltrage de la CdC gnrale en chauffage en marche toute la journe (forte consommation) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.17 Taux de non-dtection du chauffage (cas de la Maison Domotique) . . . . . . . . . 3.18 Taux de fausse-alarme du chauffage (cas de la Maison Domotique) . . . . . . . . . 3.19 Taux de fausse alarme et taux de non-dtection du dtecteur de chauffage . . . . . 3.20 Dtection de lECS : CdC en absence du client . . . . . . . . . . . . . . . . . . . . 3.21 Dtection de lECS : CdC avec trs peu de chauffage . . . . . . . . . . . . . . . . 3.22 Dtection de lECS : CdC avec une consommation moyenne du chauffage . . . . . 3.23 Dtection de lECS : CdC avec une forte consommation du chauffage . . . . . . . 3.24 Illustration de non dtection et fausse alarme du dtecteur de lECS . . . . . . . . . 3.25 Dtection de lECS : exemple de non-dtection importante . . . . . . . . . . . . . 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.16 4.14 4.15 5.1 5.2 5.3 5.4 5.5 Filtrage : extraction de lenveloppe haute de la CdC (TH = 700 s) . . . . . . . . . . Filtrage : Illustration de lextraction de lenveloppe basse de la CdC (TB = 700 s) . Filtrage : Illustration de lextraction de lenveloppe haute de la CdC (TH = 700 s) . Filtrage : Illustration de lextraction de lenveloppe basse de la CdC (TB = 700 s) . Segmentation de la densit des vvenements en zones Nco constant (tc0 = 700 s) Dtection de ruptures de la rpartition de la composante rgulations . . . . . . . Estimation de lnergie consomme par le chauffage (en kWh) . . . . . . . . . . . Erreur relative (en points) destimation de lnergie consomme par le chauffage . . Histogramme de lerreur relative sur lestimation de la part du chauffage dans lnergie consomme par jour . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Estimation de lnergie consomme par lECS . . . . . . . . . . . . . . . . . . . . Energie consomme par le chauffe-eau . . . . . . . . . . . . . . . . . . . . . . . . Erreur destimation de lnergie consomme par le chauffe-eau . . . . . . . . . . . Estimation du modle de lECS :illustration du critre (d =2380 W) . . . . . . . . Estimation de lamplitude moyenne des compresseurs partir de la CdC gnrale dun hypermarch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Estimation du modle de lECS partir des donnes relles . . . . . . . . . . . . . Histogramme du rsidu didentication du modle . . . . . . . . . . . . . . . . . .

92 96 96 97 99 99 100 100 101 101 106 107 108 108 110 110 114 115 116 117 118 120 120 121 123 123 127 131 133 134 135 137 139 141 141 142 143 144

Signaux de puissance de convecteurs fonctionnant simultanment (Te = 2 s) . . . . Congurations possible dun convecteur sur deux fentres successives . . . . . . . Dcomposition dun mlange de deux convecteurs - sans saturation . . . . . . . . . Dcomposition dun convecteur en prsence dune plage de saturation . . . . . . . Dcomposition dun mlange de deux convecteurs en prsence dune zone de saturation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.6 Schma gnral de la mthode dextraction des signaux de compresseurs . . . . . . 5.7 Extraction des vnements pertinents des compresseurs partir de la CdC du froid alimentaire (Te = 2 s) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.8 Zoom sur le signal estim et sur le rsidu- Premire itration . . . . . . . . . . . . 5.9 Zoom sur le signal estim et sur le rsidu- Deuxime itration . . . . . . . . . . . . 5.10 Zoom sur le signal estim et sur le rsidu - Troisime itration . . . . . . . . . . . 5.11 Dures des cycles de fonctionnement des signaux extraits . . . . . . . . . . . . . . 5.12 Estimation de lamplitude moyenne des compresseurs partir de la CdC gnrale dun hypermarch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii

5.13 Reconstruction de scnario de fonctionnement dun nombre inconnu de compresseurs partir de la CdC gnrale dun hypermarch . . . . . . . . . . . . . . . . . 5.14 Reconstruction de scnario de fonctionnement dun nombre inconnu de compresseurs partir de la CdC du froid alimentaire seul . . . . . . . . . . . . . . . . . . . 5.15 Histogramme des variations damplitude on-off dun convecteur et de lECS . . . . 5.16 Cas test - mlange du froid alimentaire et de lECS . . . . . . . . . . . . . . . . . A.1 Sortie Tl-info du CBE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.1 Diple linaire et diple non-linaire . . . . . . . . . . . . . . . . . . . . . . . . . C.1 Modles des composantes de la CdC dun hypermarch [Laj02] . . . . . . . . . . . C.8 Estimation des usages : premire famille de mthodes . . . . . . . . . . . . . . . . C.2 Schma de principe illustrant des exemples de signatures lectriques dans le domaine (P, Q) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C.3 Architecture du software du systme NILM (rgime permanent) de la socit ENETICS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C.4 Puissance active dune lampe et dun moteur (120 Hz) (Extrait de [Lee93]) . . . . . C.5 Sparation dusages base sur les puissances harmoniques de rang 3 (Extrait de [LLC+ 03]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . C.6 sections dun moteur induction (Extrait de [LMLS93]) . . . . . . . . . . . . C.7 Mthode hybride de dcomposition de la CdC lectrique . . . . . . . . . . . . . .

146 146 157 159 v vii xvi xxviii xxix xxix xxx xxx xxxi xxxi

D.1 Chauffe-eau accumulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxiii D.2 Schma de principe dun systme compression . . . . . . . . . . . . . . . . . . xxxiv E.1 Schma de sparation de sources . . . . . . . . . . . . . . . . . . . . . . . . . . . xlii E.2 Sparation des sources partir dun seul capteur dans un domaine transform . . . xlv E.3 Schma gnral de sparation base sur des modles statistitiques a priori . . . . . xlv F.1 F.2 Ouverture et fermeture morphologiques . . . . . . . . . . . . . . . . . . . . . . . Ouverture et fermeture morphologiques . . . . . . . . . . . . . . . . . . . . . . . lii lii

ix

Liste des tableaux


1.1 2.1 2.2 2.3 4.1 4.2 5.1 5.2 Rsum des caractristiques des mthodes non-intrusives . . . . . . . . . . . . . . Caractristiques des donnes dentre - CdC dans le secteur rsidentiel . . . . . . . Cartographie du chauffage lectrique en France par type (matriel) de chauffage (2000) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Caractristiques de consommation dun ballon dECS . . . . . . . . . . . . . . . . 23 27 31 43

Performances de lestimation du nombre de convecteurs partir de la CdC gnrale 111 Apprentissage des constantes du prol consommateur . . . . . . . . . . . . . . . . 112 Rsultats destimation du taux horaire de fonctionnement . . . . . . . . . . . . . . 145 Lois a priori des paramtres des classes dvnements de la CdC . . . . . . . . . . 156 vi ix

A.1 Pas de quantication des mesures lectriques en sortie du CBE . . . . . . . . . . . B.1 Exemples de gnrateurs dharmoniques . . . . . . . . . . . . . . . . . . . . . . . E.1 Exemples de problmes de sparation de sources partir dun seul capteur

. . . . xlii

Introduction gnrale

La persvrance, cest ce qui rend limpossible possible, le possible probable et le probable ralis. Robert Half Dans un contexte marqu par une sensibilit croissante aux enjeux environnementaux lis lnergie et o lquilibre entre la demande et la consommation en lectricit est accentu par louverture du march nergtique, lectricit de France (EDF) sintresse la conception et au dveloppement de services nergtiques sa clientle. Cest dans ce cadre gnral que sinscrivent les travaux de cette thse intitule Caractrisation aveugle de la courbe de charge lectrique : dtection, classication et estimation des usages 1 dans les secteurs rsidentiel et tertiaire . La courbe de charge (CdC) gnrale dsigne une grandeur lectrique qui dcrit lvolution au cours du temps de la consommation en lectricit dun systme donn. Lobjectif de la caractrisation (dont nous proposons une dnition dans ce mmoire) est dextraire un ensemble de descripteurs partir de la CdC lectrique dun client donn. Il peut sagir de la dtection de prsence dun usage lectrique, de lestimation de ses paramtres caractristiques (nergie, puissance nominale, etc.) ou encore la de la reconstruction des signaux gnrs par chaque appareil. Ces estimes contribuent la dnition dune offre nergtique varie et personnalise (analyse dtaille de la consommation totale, dtection de dfaut, surveillance de systmes complexes, audit nergtique). Ces services permettent au client didentier les sources potentielles doptimisation de sa consommation. Notre objectif se rsume ainsi : tudier les possibilits et les mthodes permettant de caractriser la CdC gnrale de manire aveugle, non-intrusive et dans des conditions relles. Par aveugle nous entendons quaucune information sur le client et ses appareils nest accessible et quaucune procdure dapprentissage partir dune base de signaux collects chez le client nest envisageable. Le caractre non-intrusif de la solution recherche signie que la solution ne doit pas ncessiter lintervention dun personnel quali chez le client. La solution recherche doit galement tre compatible avec les contraintes industrielles (infrastructure existante, robustesse et simplicit de mise en uvre des algorithmes).
1. Un usage lectrique dsigne un ou plusieurs appareils lectriques de la mme famille, par exemple le froid alimentaire, le chauffage lectrique, etc.

Trois sous-problmatiques sont sous-jacentes la caractrisation de la CdC : 1. la dtection dusages ; 2. la classication des signaux du mlange ; 3. lestimation de descripteurs des usages ou encore lextraction de certaines classes de signaux partir du mlange. La problmatique industrielle considre est relativement rcente. notre connaissance, il nexiste pas de solution thorique ou industrielle au problme pos. Ltude bibliolgraphique a permis didentier trs peu de travaux de recherche et de solutions industrielles. Nanmoins, le sujet de caractrisation aveugle de la courbe de charge dans une optique de matrise de la demande en nergie (MDE) devient un sujet la mode et trs actif autant sur le plan industriel (Maison intelligente) que sur le plan acadmique. En effet, ce sujet fait lobjet de deux thses rcentes : la thse de Mme Gelle Darnis 2 [DR09] et celle Melle Hala Najmeddine 3 [Naj09]. tant donns le caractre condentiel de ces travaux et les enjeux commerciaux associs, peu dchanges ont pu avoir lieu. Une tude comparative des trois solutions proposes serait intressante sur le plan scientique et sur le plan industriel. Nous pouvons dores et dj prciser que les trois tudes sintressent au problme de caractrisation des usages lectriques partir de donnes dentre de proprits (nombre dobservations et caractristiques des mesures) diffrentes . Plus prcisment, nous considrons un mlange mono-valu (la puissance active moyenne en sortie du compteur lectrique chantillonne une frquence de lordre du hertz), alors que les deux thses tudient les solutions envisageables partir de lanalyse de deux mlanges (intensit de courant et tension ou bien puissance active instantane et puissance ractive instantane une frquence dchantillonnage assez leve). Mise part ces deux tudes, les premires tentatives de dcomposition de la CdC gnrale remontent aux annes 80 notamment aux Etats-Unis [Har89, Lee93, LLC+ 03, Cox06], au Canada [Far99], en France [Bon96, Heb, Laj02] ainsi quau Japon [CRI] et plus rcemment en Allemagne [BV03, BV04]. Lanalyse de ces travaux a permis didentier quatre familles dapproches. La premire approche sinspire des modles machines dtats nis. La deuxime approche saffranchit de la sous-dtermination du problme pos en introduisant un modle probabiliste du mlange et en intgrant des connaissances a priori sur les composantes estimer. Les deux dernires approches sinscrivent dans le cadre de la reconnaissance de formes et exploitent souvent une signature de lappareil (signal lectrique exact ou modle du signal ou des paramtres caractristiques) apprise pour la reconnaissance des usages. Le dnominateur commun ces approches est lutilisation (formelle ou non) de connaissances apprises pour discriminer les usages de diffrentes manires : apprentissage de la signature exacte (ou dun modle) de lappareil, estimation de quelques paramtres des usages tudis partir de donnes collectes sur le site ou utilisation dinformations fournies par le client travers un questionnaire par exemple. Nous nous appuyons sur lanalyse de ces travaux ainsi que sur ltat de lart des mthodes de sparation de sources mono-capteur pour dnir une mthodologie gnrale ddie la caractrisation de la CdC gnrale.
2. Thse soutenue en Janvier 2009 3. Soutenance prvue pour n 2009

Nous proposons de formaliser le problme dans le cadre gnrique de la dcision en le dcomposant en quatre sous-problmatiques : la dtection, la classication et lestimation (estimation de paramtres ou recontruction de signaux) des usages. An de complter notre connaissance du problme, une analyse approfondie des donnes nous permet de dnir des a priori sur les usages tudis et de choisir des domaines de reprsentations adapts certains signaux. Ainsi, nous situons notre problmatique gnrale soit dans le cadre de la thorie baysienne qui offre la possiblit dintroduire des connaissances a priori imprcises ou encore dans un cadre de la sparation de sources mono-capteur o lon exploite les proprits des signaux dans des domaines de reprsentations ddis. Les principaux rsultats de cette thse concernent : Lextraction de connaissances a priori sur les usages lectriques partir de donnes relles. La dnition dune mthodologie gnrale pour segmenter la CdC et son application au cas du secteur rsidentiel. Nous verrons que les performances obtenues dans des conditions relles sont satisfaisantes. Le choix et la mise en uvre de diffrentes mthodes destimation des caractristiques des usages. La dnition de deux modles stochastiques de la CdC estims par les mthodes MCMC (Monte Carlo par Chanes de Markov). Ces deux modles sont respectivement utiliss pour dcomposer la courbe de charge du chauffage lectrique et pour reconstruire les principales classes de signaux de la CdC. Les deux apports marquants de cette thse sont les suivants

Apport industriel (applicatif) Dnition, mise en place et valuation dune mthode aveugle de cartographie de lnergie totale consomme par usage partir dune CdC gnrale quelconque. Les algorithmes ont en partie t implants sur un systme embarqu en vue dune intgration dans un systme ddi. EDF envisage dvaluer ces algorithmes en 2010 pour une cinquantaine de clients du secteur rsidentiel en vue dun dploiement moyen termes.

Apport scientique Dnition dun modle stochastique de la CdC gnrale, plus prcisment de la srie des vnements de la CdC, vue comme le mlange de cinq classes de signaux. Bien que ce travail ne soit pas achev, il constitue un premier modle gnrique qui ouvre des possibilits de reconstruction des signaux dune CdC quelconque et qui peut tre transpos dautres cas dapplication (hypermarchs, auxilliaires dune centrale nuclaire). Il sagit dune approche innovante dans le domaine de la sparation de sources mono-capteurs. En effet, le paradigme de sparation de sources mono-capteur est fond sur un apprentissage partir dun exemple de signaux. Alors que notre approche sappuie sur des connaissances a priori dnies partir de signaux dentranements, mais ne ncessite pas dapprentissage.

Organisation du manuscrit
Ce travail se dcompose en six chapitres : 1. Problmatique et tat de lart 2. Analyse des signaux en vue de lextraction de connaissances sur les usages 3. Segmentation automatique de la courbe de charge gnrale 4. Estimation des caractristiques dusages partir de la CdC 5. Sparation des sources de la courbe de charge gnrale 6. Conclusion gnrale et perspectives.

Problmatique et tat de lart


Ce premier chapitre se dcompose en trois sections. La premire section prsente le contexte et les motivations industrielles de cette tude. La deuxime section est ddie la formalisation du problme et dnit le cadre gnral des sous-problmatiques sous-jacentes la caractrisation de la CdC dans le cadre de la dcision.

Analyse des signaux en vue de lextraction de connaissances sur les usages


Le deuxime chapitre prsente les rsultats de lanalyse dtaille des signaux des usages, les connaissances a priori extraites (modles de signaux, loi a priori sur des paramtres, reprsentations adaptes aux usages). Cette analyse porte principalement sur les trois classes dappreils suivantes : les convecteurs, le chauffe-eau et les compresseurs. Les donnes disponibles sont peu reprsentatives cause des difcults rencontres pour la collecte de ces signaux. Nanmoins les concuslions de cette analyse sont forts utiles pour le choix de mthodes pertinenetes pour la caractrisation des signaux lectriques.

Segmentation automatique de la courbe de charge gnrale


Ce chapitre prsente une mthodologie de segmentation de la CdC, dnomme approche classe/nonclasse. Cette approche est dcline dans le cas du secteur rsidentiel. Nous dtaillons deux mthodes de segmentation chauffage/non-chauffage et les rsultats obtenus partir des donnes relles. Un algorithme squentiel de segmentation chauffe-eau / non-chauffe-eau fonde sur le test de Page-Hikley avec introduction da priori est galement expos. Nous prsentons des illustrations des rsultats obtenus, les performances de lalgorithme ainsi que les avantages et limites de cette mthode.

Estimation des caractristiques dusages partir de la courbe de charge


Le problme destimation de paramtres dusages (nergie, amplitude, nombre de composantes) est trait dans ce chapitre par diffrentes mthodes (ltrage non-linaire, optimisation nonlinaire, approche probabiliste). Ce chapitre exploite souvent des rsultats des chapitres ddis la segmentation et la reconstruction des signaux. 4

Un rsultat marquant dcrit dans ce chapitre est lestimation de lnergie consomme par usage (chauffage et chauffe-eau). Les rsultats issus des tests sur des donnes relles sont dtaills et consituent une rponse concrte un des objectif industriel (analyse dtaille de lnergie totale consomme).

Sparation des sources de la CdC gnrale


Compte tenu de la diversit des signaux du mlange et du caractre mal pos du problme de reconstruction des signaux des usages, nous proposons trois mthodes diffrentes. Les deux premires mthodes sont dnies pour la sparation des sources dun mlange mono-capteur particulier : il sagit de la CdC quasi-mono-usage cest dire une CdC contenant soit un usage unique soit plusieurs usages dont un prpondrant et prsentant une forte parcimonie avec les autres usages. La premire mthode de sparation utilise un modle stochastique base dun dictionnaire de formes temporelles. Les paramtres du modle sont estimes au sens du maximum a posteriori (MAP) par un algorithme du recuit simul. La deuxime mthode consiste en deux tapes : dcodage de la srie des vnements du mlange puis reconstruction les signaux tant donn un modle damplitude. La troisime mthode sattache au problme de la sparation des sources dune CdC gnrale quelconque. Nous proposons de poser ce problme comme tant un problme de sparation en cinq classes de signaux prdnies. Le choix des classes est orient par lensemble des connaissances a priori sur les signaux. Etant donne cette dnition du problme, nous ramenons le problme de sparation de la CdC en un problme de sparation et dappariement des vnements de la CdC. Ce problme est considr dans le cadre de la simulation baysienne. Plus prcisment, la dcomposition de la srie des vnements esteffectue au sens du maximum a posteriori et sappuie sur des lois a priori dnies sur les dures caractristiques des usages et sur la morphologie des signaux.

Conclusions et persectives
Nous prsentons les principales conclusions de ces travaux, une synthse des possibilits et modalits de caractrisation de la CdC dans les conditions relles dnies par EDF. Nous exposons quelques perspectives envisages concernant les mthodes et algorithmes dtaills dans la thse, une mthode de dcomposition dune CdC quelconque ayant fait lobjet dune tude de faisabilit. des vnements et enn des perspectives fondes sur de nouvelles solutions technologiques permettant denrichir les donnes dentre par exemple.

Chapitre 1 Problmatique et tat de lart

Une humble eur est le labeur des sicles. William Blake

Introduction
Les trois dernires dcennies ont t marques par lmergence de nouveaux services, les services nergtiques, conus dans une optique de matrise de la demande en nergie (MDE). Ce concept de services nergtique nest pas nouveau. La nouveaut rside dans la richesse du bouquet de services proposs ainsi que dans la nesse des informations fournies au client. La dnition de ces services tait fonde sur lexploitation de donnes contextuelles (donnes climatiques, caractristiques thermiques du btiment, questionnaire du client, etc.). Bien que ces sources dinformation offrent la possibilit dune description empirique et qualitative de la consommation lectrique dun client donn (ou dun groupe de clients), elles ne permettent pas de proposer une offre nergtique diversie, personnalise et grande chelle. Une dmarche, initie par George Hart [Har89] dans les annes 80 et poursuivie dans le cadre de travaux dcrits en (1.3), consiste analyser la courbe de charge gnrale (une ou plusieurs grandeurs lectriques) du systme tudi pour dcrire la consommation de chaque appareil. Cest dans ce cadre gnral que sinscrivent les travaux de cette thse 1 intitule Caractrisation de la courbe de charge gnrale : dtection, classication et estimation des usages dans les secteurs rsidentiel et tertiaire, o la courbe de charge dsigne une grandeur lectrique qui dcrit lvolution au cours du temps de la consommation dun systme donn. Dans ce premier chapitre, nous dcrivons la problmatique industrielle considre et proposons une formalisation du problme considr dans le cadre gnral des problmes inverses. Nous prsentons ensuite une synthse des approches existantes, leurs avantages, leurs limites ainsi quune justication dune nouvelle mthodologie au problme pos.
1. La thse a t initie par lectricit de France, lcole suprieure dlectricit et lcole des Mines de Paris en 2006.

1.1
1.1.1

Problmatique industrielle
Contexte et motivations

a) Contexte Lnergie lectrique reprsente la premire nergie nale 2 utilise en France. Omniprsente dans le quotidien de chacun, elle est devenue un vecteur nergtique employ divers usages domestiques et industriels. La production de lnergie lectrique en France a tripl pendant les trente dernires annes pour rpondre la demande croissante des diffrents secteurs, notamment les secteurs rsidentiel et tertiaire. La cartographie de la consommation lectrique par secteurs en France, prsente sur la gure (1.1), met en vidence la part importante de la consommation dans lhabitat tertiaire et rsidentiel.

F IGURE 1.1: Rpartition de la consommation en lectricit (France 2006)

Une meilleure gestion des ressources nergtiques, particulirement dans ces deux secteurs, simpose, notamment dans un contexte o les ds environnementaux et lpuisement terme de certaines ressources dnergie reprsentent un enjeu majeur. Pour cel, il est ncessaire davoir une bonne connaissance de la consommation dlectricit an damener les utilisateurs naux modier leur comportement nergtique. b) Motivations Les motivations pour avoir une meilleure connaissance de la consommation dune installation donne varient en fonction du secteur concern et du point de vue (client / fournisseur / distributeur). Dans le secteur rsidentiel, fournir au client une analyse dtaille de la consommation des diffrents usages permet de laider optimiser sa consommation dlectricit et modier son comportement nergtique (travaux disolation de la maison, remplacement dun ou de plusieurs appareils, etc). Prcisons que lintrt que prte la clientle une telle analyse a t conrm par des enqutes [Wag05].
2. Lnergie nale est lnergie distribue aux diffrents consommateurs (industriels, particuliers, ...), sachant que lnergie intialement produite sappelle nergie primaire et que lnergie obtenue en tenant compte des consommations internes la branche nergie sappelle nergie secondaire (ADEME).

Dans le secteur tertiaire, le client (exemple : htels, hypermarchs) est potentiellement motiv par une connaissance prcise de la gestion (scnario dutilisation) des usages ainsi quau diagnostic de dfauts. Ces informations lui permettent doptimiser le remplacement des machines dfaillantes et dviter une sur-consommation coteuse. Quant au fournisseur dlectricit, il souhaite avoir des informations plus prcises sur les usages des clients pour mieux grer ses moyens de production (notamment pendant les priodes de pointe) et optimiser les outils de surveillance de sytmes lectriques complexes (au sein des systmes de production eux-mmes par exemple les transformateurs des auxilliaires dune centrale nuclaire). En rsum, disposer dinformations ables et prcises sur la consommation dlectricit dune installation donne devient une ncessit dans les contextes conomique et industriel, et des enjeux environnementaux actuels.

1.1.2

Objectifs

La nalit de ces travaux est davoir une connaissance prcise et able dun systme lectrique donn an doptimiser sa consommation dlectricit, et ce travers lanalyse de la CdC gnrale du systme tudi. Les objectifs industriels se dclinent de la manire suivante. a) Analyse dtaille de lnergie (non)-consomme par usages Il sagit davoir une dcomposition de la consommation totale dun systme donn par usage lectrique. Cette information permet de proposer par exemple au client du secteur rsidentiel une analyse dtaille de sa consommation quotidienne, hebdomadaire et mensuelle, ce qui lui permet didentier les sources potentielles damlioration de sa gestion et de suivre limpact de ses actions au cours du temps travers une estimation de lnergie non-consomme par certains usages (exemple : nergie non-consomme grce leffacement du chauffage lectrique sur des plages horaires prcis). b) Dtection dusage Lobjectif est de dtecter la prsence (ou non) dun usage donn, par exemple le chauffage lectrique chez un client. Cette information permet de mieux cibler des offres de nouveaux systmes de chauffage par exemple. c) Extraction des caractrisques des appareils lectriques Les caractristiques recherches sont de deux natures diffrentes : les paramtres intrinsques dun appareil donn tel que la puissance nominale. le nombre dappareils dun usage donn (exemple : nombre de compresseurs du parc de froid alimentaire dun hypermarch). Ces paramtres peuvent servir de donnes dentre des logiciels daudit nergtique ou dappui au conseil de la clientle en vue de loptimisation de son installation. Dans le secteur rsidentiel par exemple, disposer de la puissance nominale des diffrents convecteurs ou encore du chauffe-eau permet dvaluer ladquation ou non du systme install respectivement par rapport aux caractristiques du btiment et au besoin du client en consommation deau-chaude. 9

d) Dtection danomalies Lobjectif est de dtecter les dfauts de dysfonctionnement dun appareil donn (exemple : entartrage du chauffe-eau) ainsi que les dfauts de mauvaise utilisation dun usage (exemple : dysfonctionnement du chauffe-eau par rapport au tarif choisi, erreur de programmation du scnario de fonctionnement des appareils dun parc de machines donn). e) Estimation des scnarios dusages Deux grandeurs sont recherches. Le support temporel de fonctionnement des usages dintrt, o le support temporel est lunion des intervalles dnis par la mise en marche et larrt de lusage tudi. Dans le cas particulier du secteur rsidentiel, notre objectif est de fournir une segmentation de la courbe de charge quotidienne pour les deux usages suivants : chauffage lectrique et chauffe-eau. Le scnario de fonctionnement dun usage donn, cest dire le squencement de fonctionnement de diffrents appareils dun mme usage. Nous traitons le cas du froid alimentaire dun hyper-march. Cette grandeur peut tre utile pour loptimisation de la gestion des usages. f) Suivi au cours du temps des usages lectriques Il sagit de dcomposer la puissance cumule au cours du temps dune installation lectrique donne par usages. Ainsi, nous disposons de la courbe de charge de chaque usage. Ces donnes danalyse permettent denvisager par exemple des offres telles que le suivi de vies des personnes ges. Elles serviront galement amliorer la connaissance pour un fournisseur de sa clientle pour mieux prdire par exemple les pics de consommation et davoir un prol dynamique ( lchelle dune journe ou dune semaine) par usage, une chelle rgionale ou nationale.

1.1.3

Contraintes industrielles et stratgie envisage

An dobtenir les informations prcises et pertinentes sur la consommation des usages lectriques, diffrentes stratgies sont envisageables : exploiter des questionnaires remplis par les clients et les donnes climatiques, analyser des grandeurs lectriques des diffrents appareils ou instrumenter les appareils. Or les sources dinformations contextuelles (donnes mto, questionnaires) ne sont pas ncessairement ables ou ne sont pas disponibles. Malheureusement, une solution fonde sur linstrumentation de lensemble des appareils nest pas toujours envisageable en fonction de lapplication tudie. Diffrents obstacles peuvent tre rencontrs. La stratgie envisage dans le cadre de nos travaux est dnie en fonction de ses contraintes et rsulte dun choix de lentreprise. a) Contraintes industrielles Contraintes technologiques Idalement, il suft de mesurer la consommation des usages sparement. Mais, disposer dun systme de mesure centralis et garantissant laccs lensemble des appareils constitue encore 10

un d technologique lever. Notons par ailleurs quun tel systme de mesure (sil existe) ne se prte pas tous les problmes industriels. Par exemple, instrumenter tous les appareils de froid alimentaire dun hypermarch pour collecter les signaux ncessaires leur caractrisation nest pas possible cause de la complexit de linstallation. Contraintes commerciales Le retour dexprience de diffrents pays (les Etats-Unis, la Finlande, etc.), ayant commercialis des systmes de caractrisation des usages lectriques, montre quune solution fonde sur une mesure par appareil nest pas conomiquement viable dans les marchs de masse (massmarket). En effet, le client rsidentiel ne souhaite pas dintrusion chez lui pour installer un systme de mesure. De plus, la solution propose doit tre faible cot pour que la clientle sy intresse rellement. Contraintes juridiques Pour des raisons juridiques (en plus des contraintes de cot et de scurit), une solution impliquant lintervention technique au niveau du compteur lectrique nest pas envisageable. b) Stratgie Une source dinformation permettant de saffranchir des contraintes nonces prcdemment est la (les) grandeur(s) lectrique(s), nomme(s) de linstallation globale disponible(s) au niveau du compteur lectrique. Ces grandeurs lectriques sont gnriquement nommes courbe de charge gnrale (CdC) . En effet, ce signal vhicule lempreinte (signature lectrique) des diffrents appareils de linstallation.

1.1.4

Donnes dentre et connaissances annexes

Dans le cadre de cette thse, EDF souhaite investiguer une solution compatible avec linfrastructure existante cest dire utilisant les mesures dont la nature lectrique et les caractristiques (priode dchantillonnage, horizon dobservation) sont prdnies par la chane de mesure intgre aux compteurs existants. a) Donnes dentre : cas du secteur rsidentiel La CdC gnrale disponible en sortie du compteur bleu lectronique (CBE) [LB06] (description dtaille en annexe (A)) est la puissance apparente chantillonne une priode Te 1 s). Cest la puissance apparente cumule par tous les usages sur un intervalle de temps qui correspond la priode dchantillonnage. Le domaine temporel danalyse choisi est la journe. Une illustration dune CdC quotidienne dune rsidence dun client particulier est prsente sur la gure (1.2). b) Donnes dentre : cas des hypermarchs Les donnes disponibles pour rpondre ce besoin sont la CdC gnrale (puissance active et puissance ractive Te = 100 ms) ainsi que la CdC dun ou de deux usages supplmentaires. La gure (1.3) reprsente un exemple de signaux lectriques mesurs avec un wattmtre dcrivant la puissance active totale dun hypermarch, celle du froid alimentaire et celle des fours dune boulangerie du site. 11

F IGURE 1.2: Exemple de CdC gnrale du secteur rsidentiel (sortie du CBE)

F IGURE 1.3: Exemple de CdC gnrale du secteur tertiaire (mesure par un wattmtre)

12

c) Connaissances annexes Aucune connaissance contextuelle nest disponible pour rpondre aux objectifs dnis dans ce cas dapplication. Mais des donnes issues de linstrumentation des usages seuls sont disponibles, leur analyse est utile pour comprendre les signaux dusages et dnir les mthodes et modles appropris. De plus, nous montrerons lors de lanalyse de signaux (chapitre 2) que des caractristiques intrinsques (caractristiques lectrotechniques, modle de fonctionnement) de certains appareils constituent des connaissances annexes prcieuses pour la rsolution du problme.

1.1.5

Synthse

Le problme industriel considr peut snoncer de la manire suivante : extraire un ensemble de descripteurs partir dune CdC gnrale (la puissance active quotidienne pour le secteur rsidentiel et le couple (puissance active, puissance ractive) pour les hypermarchs). Les descripteurs recherchs sont de nature diffrentes : nergie, signaux lmentaires, scnario dusage, etc. La solution envisage doit tre entirement non-intrusive, automatique, compatible avec linfrastructure existante et commercialement et techniquement viable grande chelle.

1.2
1.2.1

Formalisation du problme de la caractrisation de la CdC


Notations et dnitions utiles

Nous introduisons ici quelques notations et dnitions. La CdC gnrale est note y(t ) (de dimension 1 ou 2 en fonction du cas dapplication), o t dsigne les instants de mesure. La priode dchantillonnage est Te = 1/ fe . Les CdCs lmentaires des appareils sont dsignes par xi (t ) et sont au nombre de N . Lnergie consomme (par jour) par linstallation globale est note par la variable scalaire eg , celle consomme par lappareil ni est note ei . Le nombre total des usages de la CdC est K N .

Dnition dun vnement de la CdC Un vnement dcrit la transition entre deux tats lectriques stables , de dure t . En rgime permanent, les vnements correspondent des variations damplitude signicatives de la CdC. Un vnement est appel on ( off ) quand la variation du signal est positive (ngative). Chaque vnement est dni par linstant (note tv ) et la variation de lamplitude signal (Av ) pendant la dure t . Le seuil de dtection des vnements Amin est choisi en fonction des usages tudis et on a : | y(t + t ) y(t ) | Amin Av = y(t + t ) y(t ) 13 (1.1)

1.2.2

Une dnition de la caractrisation de la CdC revisite

Ltude du besoin industriel (et lanalyse des travaux antrieurs prsente en (1.3)) montre(nt) : que la CdC dsigne des signaux de nature lectrique (tension, intensit, puissance moyenne, etc.) et de proprits trs diffrentes principalement dues au choix de la frquence dchantillonnage et au systme de mesure ; que les informations recherches prsentent une grande diversit ; que de nombreux objectifs sont sous-jacents la caractrisation de la CdC : problme de dcomposition de la CdC, problme destimation de paramtres, problme de dtection de prsence dusage, etc. Nous proposons une dnition du problme de caractrisation dune CdC fonde sur une classication des grandeurs recherches. a) Classication des grandeurs recherches Nous proposons de regrouper les grandeurs pertinentes dans le cadre de notre problmatique industrielle en cinq classes. Les grandeurs nergtiques : nergie consomme par usage ou par appareil sur un horizon de temps donn (par exemple la journe dans le secteur rsidentiel). Les grandeurs temporelles : support temporel de la courbe de charge de chaque appareil (ou usage), les scnarios de gestion (fonctionnement) des usages. Les grandeurs vnementielles : srie des vnements des usages tudis ; Les caractristiques des appareils prsents : puissance nominale de fonctionnement, modle de fonctionnement, mode de rgulation, nombre dappareils dun usage donn. Les signaux lmentaires des diffrents appareils lectriques. b) Dnition du problme de caractrisation de la CdC Le problme de caractrisation de la CdC gnrale est un problme de dcomposition dun mlange monovalu (un seul capteur) dans le domaine dobservation direct ou dans un domaine de projection pr-dni. Les composantes constitutives recherches sont : les nergies consommes par les usages, les signaux temporels, les grandeurs vnementielles, les caractristiques de lappareil ou de lusage et les scnarios de fonctionnement. Cette dntion nous amne naturellement poser le problme de la manire suivante. Si y(t ) est la CdC gnrale dune installation donne mesure la frquence dchantillonnage fe (pendant une journe par exemple) et de dimension (k M ) avec k = 1 ou 2, alors le modle de mlange et la relation de conservation de lnergie consomme sont dcrits par le systme suivant (1.2) : y(t ) = N i=1 xi (t ) + b(t ) N eg = i=1 ei + eb 14 (1.2)

o xi (t ) est la CdC dun appareil lectrique, b(t ) est un bruit blanc gaussien centr de variance 2 (modlisant le bruit de mesure) ; b eg (respectivement ei ) est lnergie consomme par le systme global (respectivement lappareil ni) ; eb est lnergie associe au bruit de mesure b(t ). Dcomposer la CdC par usages dans un espace prdni consiste dnir un oprateur D tel que : D(y(t )) = o dsigne une des grandeurs dnies prcdemment,

1.2.3

Les problmes sous-jacents la caractrisation de la CdC

Le problme gnral de caractrisation de la CdC sinscrit dans le cadre gnrique des problmes inverses o les estimes recherches sont, soit des paramtres des sources du mlange, soit les signaux lmentaires dans un domaine de reprsentation adapt. Dans la suite, nous situons notre problme initial dans les trois domaines suivants : la dtection, la classication et lestimation (estimation de paramtres ou reconstruction de signaux) que nous prsentons ci-aprs.

a) Segmentation de la CdC Dans le cas o lobjectif est de dtecter la prsence dun usage et de dterminer le cas chant les plages horaires de fonctionnement des usages dintrt : cest un problme de dtection. Un schma de principe de cette sous-problmatique ainsi quune illustration des entres-sorties dans le cas du secteur rsidentiel sont prsents sur la gure (1.4). Sur cette gure, Db est loprateur de segmentation de la CdC. Les sorties sont des grandeurs vectorielles binaires (dcrivant les plages horaires de fonctionnement) dsignes par la matrice b (M N ) o M dnit la taille du dtecteur (nombre dchantillons correspondant au domaine temporel de lanalyse de la CdC). Sur lexemple prsent, les deux usages dtects sont le chauffage par convecteurs (CHC) et leau chaude sanitaire (ECS). Nous montrerons lors de lanalyse des signaux que la notion de plage de fonctionnement dun usage est difcile dnir de manire unique et dpend du mode de rgulation de lappareil. Par exemple, le signal dun convecteur, de par sa rgulation priodique, sannule alors que lappareil est en marche. Cest aussi le cas des compresseurs (CMP) du froid alimentaire ou de la pompe chaleur (PAC). Ceci devient encore plus dlicat quand lusage tudi, par exemple le chauffage par convecteurs (CHC), est le foisonnement de plusieurs appareils (convecteurs) dont les scnarios dusage sont indpendants entre eux. Dans le secteur rsidentiel, nous introduisons min . Ainsi, nous pouvons une dure de fonctionnement minimale dtectable par usage pres dnir prcisment la date de dbut et de n de fonctionnement dun usage. La justication et les choix effectus sont dtaills dans le chapitre 2. 15

F IGURE 1.4: Dcomposition de la CdC gnrale vue comme un problme de cartographie des scnarios des usages

b) Classication des signaux de la CdC Le problme de reconnaissance des vnements de la CdC par les usages est un problme de classication, o lobjectif est dassocier chaque usage k la srie dvnements vk = (k) (k) (tv , Av ) partir de lobservation y(t ). Le schma de principe de cette sous-problmatique ainsi quune illustration des entres-sorties (cas du secteur rsidentiel) sont dcrits sur la gure (1.5). Sur cette gure, Dv est loprateur de classication (et si possible dappariement (associer un on au off correspondant) des vnements les par usage. c) Estimation de paramtres dusages partir de la CdC Ici, nous considrons les questions relatives lestimation de lnergie consomme par chaque usage, le nombre dappareils dun usage ainsi que les caractristiques de lappareil (amplitude par exemple). Les illustrations du problme destimation de lnergie consomme par usage et de celui de lestimation des caractristiques des appareils sont respectivement prsentes sur les gures (1.6) et (1.7).

F IGURE 1.7: Dcomposition de la CdC gnrale vue comme un problme de description physique des usages

16

F IGURE 1.5: Dcomposition de la CdC gnrale vue comme un problme de sparation des sries des vnements

F IGURE 1.6: Dcomposition de la CdC gnrale vue comme un problme de cartographie de la consommation

17

Sur la premire gure, e (1 N ) o N est le nombre dusages tudis et De reprsente un (ou plusieurs) estimateur(s) du (des) descripteurs recherchs. Sur la seconde, D reprsente schmatiquement lensemble des fonctions et domaines transforms dnir pour rpondre au problme. Dans le cadre de la thse, nous traiterons : lestimation des amplitudes des usages suivants : froid alimentaire (rsidentiel ou dans un hypermarch), les convecteurs lectriques et le chauffe-eau ; lestimation du nombre de composantes des usages suivants : froid alimenatire (rsidentiel ou dans un hypermarch) et les convecteurs lectriques. d) Reconstruction des signaux de la CdC Lobjectif est de reconstruire les CdCs (ou une partie) de la CdC gnrale. Les inconnues sont les signaux associs aux usages tudis. La gure (1.8) synthtise schmatiquement cette sousproblmatique, o Ds reprsente un ou plusieurs oprateurs pour reconstruire les signaux du mlange. Un exemple de signal observ et des signaux estimer sont galement dcrits sur la gure (1.8).

F IGURE 1.8: Dcomposition de la CdC gnrale vue comme un problme de reconstruction de signaux des usages

18

1.3

tat de lart

La caractrisation de la CdC est un vaste sujet qui a fait lobjet de nombreuses tudes. Nous nous limitons ici une prsentation des mthodes et modles ddis la caractrisation de la CdC telle que dnie prcdemment. La recherche bibliographique na pas permis didentier de travaux sur ce problme avec les mmes spcications et contraintes (donnes dentre et absence de phase dapprentissage). Nous proposons de faire une synthse des travaux les plus proches de notre problmatique, au sens de la sparation de composantes de la CdC partir dun mlange unique. La prsentation des approches existantes sappuie sur des critres de classication de ces mthodes. Les mthodes de caractrisation des usages lectriques, sans exploiter la CdC, sont rsumes en annexe C.

1.3.1

Historique

An de caractriser les usages domestiques ou tertiaires, George Hart [Har89] et ses collaborateurs ont propos une dmarche semi-intrusive de caractrisation des usages partir de lanalyse de la CdC globale. En effet, les appareils se diffrencient par leur caractre rsistif, inductif ou capacitif. Cette signature lectrique de chaque appareil est galement vhicule par les grandeurs lectriques du systme. Les premiers travaux sur la caractrisation de la CdC cherchaient dtecter les variations de courant lors de la mise en marche ou de larrt dun appareil lectrodomestique. Les principales mesures retenues au dbut de ces travaux taient les variations de la puissance active P(t ) et les variations de la puissance ractive Q(t ). La reprsentation de ces signaux dans le domaine (P, Q) permet de mettre en vidence la catgorie des charges lectriques tudies et destimer leurs puissances nominales de fonctionnement [Har92]. La dimension temporelle est prise en compte en introduisant la notion dvnement : en rgime permanent il sagit de la transition entre tats lectriques stables caractristiques du fonctionnement dun appareil. Par consquent, un vnement est dni par (1.3) : ev (tr ) = (tr , P(tr ), Q(tr )) (1.3)

o tr est linstant auquel lvnement a eu lieu, P(tr ) et Q(tr ) sont respectivement la variation de la puissance active et la variation de la puissance ractive observes cet instant. Une approche aveugle de dcomposition de la CdC lectrique est fonde sur le dcodage de la squence des vnements observs en rgime permanent [Har89]. George Hart 3 a propos certaines techniques de dcodage en sappuyant sur une modlisation par machines tats nis (Finite State Machines). Chaque appareil est modlis par une machine tats, une recherche du plus court chemin permettant deffectuer le dcodage des vnements [Har94]. Cest ainsi quest ne la dmarche de dcomposition non-intrusive de la courbe de charge lectrique en Amrique du Nord [Har92, Har94] et en France [BC93]. Cette dmarche commune se rsume en trois modules de traitement dont lorchestration et la technique de mise en uvre varient dune mthode lautre :
3. et ses collgues Lawrence Carmichael de lEPRI et Mark Malmendier de Telog Instrument

19

Etude des vnements : dtection et reconnaissance (classication) des vnements ; Identication des appareils (ou classes dappareils) (appariement des vnements) ; Estimation de la courbe de charge par usages. Notons dores et dj que cette dmarche propose par G. Hart est notre connaissance la seule et unique dmarche qui a t retenue malgr lvolution des mthodes de mise en uvre, quelle que soit la frquence dchantillonnage des grandeurs lectriques (allant de quelques millisecondes quelques minutes). Ce point sera mis en vidence travers une prsentation dtaille de quatre tudes sur la CdC du secteur rsidentiel et du secteur tertaire ( diffrentes priodes dchantillonnage). Les diffrences entre les mthodes concernent souvent la manire dont on compense le manque dinformation pour rsoudre le problme destimation des usages : en intgrant des connaissances a priori sur la structure des signaux temporels, la forme des signaux, les proprits de symtrie ou encore des connaissances a priori sur lutilisation de certains appareils (frquence dutilisation, plage horaire) [Bon96, Boz00, BV03, BV04, Laj02] ; ou en exploitant une bibliothque de signaux dappareils seuls [Lee93, Don02, LMLS93, Lee03]. Remarque Les principaux travaux mens sur la caractrisation des composantes constitutives de la consommation gnrale dune installation lectrique partir de la CdC gnrale (courant / tension / puissance) ont t mens aux Etats-Unis (MIT, EPRI, Universit de Californie), en France (EDF-R & D) et au Canada (Universit de Concordia). Ces travaux ont souvent donn lieu des produits commercialiss. Dautres tudes en Allemagne (Universit de Paderborn), au Japon (CRIEPI) et en Finlande (VTT Energy) ont abouti des logiciels danalyse et de dcomposition de la consommation lectrique ou des appareils de mesure de consommation par usage (souscomptages lectriques). Les performances annonces seront dtailles dans la section (1.3.3).

1.3.2

Critres de classication des tudes antrieures

Nous choisissons les quatre critres suivants pour classer les tudes portant sur la caractrisation de la CdC gnrale la classe de la mthode ; les donnes dentre ; le caractre supervis / non-supervis ; le degr dintrusion tolr. La performance et la robustesse des mthodes ne constituent pas un critre part entire cause du manque dinformations sur les performances des algorithmes dvelopps. Remarque : caractre intrusif, semi-intrusif ou non-intrusif dune solution Le dernier critre de classication tant subjectif, nous prsentons des prcisions sur la qualication des mthodes en fonction de ce critre. Les approches intrusives Les approches intrusives sont celles qui ncessitent dinstrumenter lensemble (ou une partie) des usages pour chaque installation tudie. Les approches semi-intrusives 20

Il sagit des mthodes de caractrisation de la CdC pour lesquelles lobtention dune (ou plusieurs) entre(s), ncessaire(s) au bon fonctionnement de la mthode, induit une intrusion chez le client : information demande directement au client (questionnaire par exemple), instrumentation ddie mise en place chez le client pour raliser une phase dapprentissage (constituer une bibliothque de signaux lectriques) ou encore une intervention sur le site pour raliser un audit du btiment. Les approches non-intrusives Les approches non-intruives exploitent uniquement les donnes de consommation globales et ne ncessitent ni une intervention sur site ni les mesures de sous-comptages de linstallation tudie.

1.3.3

Mthodes et modles proposs

Bien que les degrs davancement des travaux soient trs htrognes, nous les regroupons selon les critres dnis prcdemment. En effet, ce qui nous intresse en premier lieu sont les diffrentes mthodologies et dmarches adoptes pour rsoudre le problme de dcomposition de la CdC par usage. Quatre classes dapproches ont ainsi t identies. Un prsentation succincte de chaque mthode est fournie dans les sections suivantes. Le lecteur peut se rfrer une prsentation dtaille de ces mthodes que nous proposons dans lannexe (C). a) Modles base de machines tats nis La CdC est vue comme le foisonnement des vnements gnrs par les diffrents appareils. Chaque usage est alors modlis par une machine tats nis. Deux mthodes sont proposes pour dcoder les vnements. La premire mthode, dveloppe par Marc Bons dans le cadre de sa thse [Bon96], consiste modliser la CdC rsidentielle (puissance active et puissance ractive, Te = 1 s) par des Chanes de Markov Caches. Le lecteur pourra se rfrer lannexe (C) pour une description plus dtaille. La deuxime mthode, propose par une quipe de lUniversit de Paderborn en Allemagne, utilise un algorithme gntique pour rsoudre le problme de dcodage des vnements de la CdC rsidentielle (puissance active, Te = 1 s). Nous dtaillons la mthode, ses avantages et ses limites dans lannexe (C) de ce manuscrit. b) Approche inverse probabiliste pour la dcomposition de CdC des hypermarchs Cette mthode a t dveloppe dans le cadre dune collaboration entre EDF/R&D et lEcole des Mines de Paris [Laj02]. Lobjectif est de fournir une dcomposition de la CdC dun hypermarch donn partir de CdC annuelle (Puissance active, Te = 10 mn). Des donnes mtorologiques sont galement disponibles. Un modle stochastique de la CdC des hypermarchs est propos [Laj02]. La mthode sappuie sur une modlisation paramtrique des usages dans un domaine transform (heures x semaines x annes) base dun dictionnaire de formes gomtriques. Une illustration est prsente sur la gure (1.9). Lespace des paramtres du modle tant de trs grande dimension, ce dernier 21

F IGURE 1.9: Modles des composantes de la CdC dun hypermarch [Laj02]

est explor par une mthode dchantillonnage stochastique issue du domaine de la simulation baysienne. Nous dtaillons le modle propos et lalgorithme mis en uvre dans lannexe (C). c) Mthodes de reconnaissance de forme pour la sparation des usages Des critres discriminants entre usages, ou des caractristiques de certains usages, sont dnis partir dune base de signaux dapprentissage. Un algorithme utilisant des rgles dassociation permet didentier les usages partir de lanalyse de la puissance active (Te = 1 s) [Far99]. Une description plus dtaille est fournie dans lannexe (C). Ces mthodes principalement proposes par lUniversit de Concordia (Canada) ont abouti au dveloppement de deux systmes : NALRA (Non-intrusive Appliance Load Recognition Algorithm) ; RPRA (Rule based Pattern Recognition Algorithm) . d) Les mthodes NIALM (dtection-classication) Les mthodes NIALM (Non-Intrusive Appliances Load Monitoring) sont des mthodes de reconnaissance des usages dveloppes au sein du LEES 4 au MIT 5 en collaboration avec lEPRI 6 . NIALM est en effet un label dpos.
4. Laboratory for Electromagnetic and Electronic Systems 5. Massachusets Institute of Technology 6. Electric Power Research Institute

22

TABLE 1.1: Rsum des caractristiques des mthodes non-intrusives

Ces mthodes consistent souvent en trois tapes communes : dtection des vnements, classication puis estimation de lnergie consomme par usage. Les mthodes mises en uvre sont classes en trois familles en fonction de la grandeur lectrique tudie, plus prcisment en fonction du rgime de fonctionnement des signaux exploits. La premire mthode sintresse lanalyse des variations des puissances active et ractive en rgime permanent (Te = 1 s). La seconde exploite les signaux de courant et de tension en rgime transitoire (Te = 100 s). La troisime famille dalgorithmes est hybride : la dtection des vnements est souvent effectue partir des signaux en rgime permanent, la reconnaissance des usages exploite les signaux en rgime transitoire. Une prsentation dtaille des trois familles de mthodes est fournie en annexe (C) de ce mmoire.

Rcapitulatif des travaux antrieurs : mthodes non-intrusives ou faiblement intrusives Le tableau (1.1) dcrit les caractristiques de lensemble des mthodes semi-intrusives et nonintrusives de dcomposition de la CdC gnrale. Nous y prcisons les informations suivantes : les donnes dentre utilises et la priode dchantillonnage, la ncessit ou non dune phase dapprentissage, les algorithmes dvelopps, le secteur tudi et les performances quand elles sont fournies. Remarque Le systme HELP na pas t dcrit lors de la prsentation des mthodes existantes par manque dinformations prcises sur les techniques mises en uvre. 23

Synthse
Notre problmatique industrielle consiste caractriser la CdC gnrale disponible en sortie du compteur lectrique an dextraire un ensemble de descripteurs des principaux usages rsidentiels ou tertaires (cas des hypermarchs). La solution doit tre entirement non-intrusive et compatible avec les choix du commercialisateur (simplicit de mise en oeuvre, abilit de la solution propose). Nous avons identi trois classes de problmes sous-jacents au problme initial savoir : la segmentation de la CdC gnrale ; lestimation de paramtres caractristiques des usages partir du mlange observ ; la classication des composantes du mlange ; et enn la reconstruction des sources lmentaires du mlange. Quatre familles dapproches ddies la caractrisation de la CdC gnrale (pas ncessairement la mme que nous traitons dans la thse) ont t identies. La premire classe de mthodes sappuie sur des modles de machines tats nis, o le modle de fonctionnement des appareils et leurs modles lectrotechniques permettent de les sparer. La seconde classe de mthodes saffranchit de la sous-dtermination du problme pos en proposant un modle probabiliste du mlange et en intgrant des connaissances a priori sur les composantes estimer. Les deux dernires approches sinscrivent dans le cadre de la reconnaissance de forme et exploitent souvent une signature apprise de lappareil pour la reconnaissance des usages. Bien que ces mthodes ne soient pas applicables en ltat notre problme, elles sont transposables notre cas dtude. Plus prcisment, nous pouvons dores et dj envisager dadopter une approche baysienne propose par [Laj02] sous rserve de dnir un modle des signaux extraire et de pouvoir construire des a priori sur les paramtres du modle. Une deuxime approche fonde sur les mthodes de reconnaissance de forme non pas par apprentissage de la signature exacte de lappareil, mais en dnissant des reprsentations adaptes est galement tudier. Le problme gnrique est celui de la caractrisation des composantes dun signal partir dune seule observation. Il est ncessaire de complter notre connaissance du problme travers des donnes contextuelles, des donnes dexpertise ou encore des donnes dapprentissage. Lextraction de ces connaissances partir des donnes relles est dtaille dans le chapitre (2). Les informations extraites partir des signaux guideront le choix des mthodes adaptes au problme considr dans cette tude.

24

Chapitre 2 Analyse des signaux en vue de lextraction de connaissances sur les usages
Je ne cherche pas connatre les rponses, je cherche comprendre les questions. Confucius

Introduction
La caractrisation de la courbe de charge lectrique partir de grandeurs lectriques mesures au niveau du systme global est un problme mal pos. Nous avons vu que pour rpondre cette question, il faut complter notre connaissance du problme. Cest lobjectif de cette partie du mmoire. Nous prsenterons en effet la dmarche exprimentale adopte an de collecter le maximum dinformation sur les signaux du mlange. Ces informations sont issues soit de mesures soit des experts dans le domaine des usages lectriques cibls. Une analyse des signaux lmentaires est galement prsente. Les rsultats de cette phase danalyse guideront le choix dapproches possibles pour caractriser les composantes du mlange observ.

2.1

Dmarche exprimentale

Rappelons : que le besoin dEDF est de disposer dinformation (nergtique, venementielle, etc.) sur les composantes de la CdC ; que lon sintresse la CdC dans lhabitat rsidentiel, mais galement la CdC dun cas particulier du secteur tertaire (hypermarch) ; et enn que les donnes dentre sont imposes par des contraintes de linfrastructure existante (mesure disponible en sortie du compteur bleu lectronique par exemple). Nous avons vu que le problme est mal pos et quil faut complter notre connaissance des signaux lmentaires et du mlange observ. La dmarche adopte dans le cadre de ce travail est la suivante : 25

se restreindre aux donnes dentre disponibles ; rsoudre le problme sous les contraintes lies aux besoins industriels ainsi qu linfrastructure actuelle ; identier les limites de performance des algorithmes ainsi que les limitations en terme dextraction de descripteurs qui seraient lies aux caractristiques des donnes mesures ; identier les amliorations possibles en termes de spcication des donnes dentre ainsi que les potentielles informations contextuelles utiles la caractrisation de la CdC. Cette dmarche sest concrtise par de nombreuses campagnes de mesure an de collecter des signaux dusages lectriques pour les deux applications envisages. Dans la suite nous dcrivons la base de donnes collectes ainsi que leur principales caractristiques. Prcisons que lon choisit de travailler sur des signaux rels au lieu de simuler des signaux partir de modles lectrotechniques des appareils lectriques cibls. La description des donnes est faite sparment an de souligner les diffrences entre les deux secteurs cibls.

2.1.1

Description des donnes : cas du secteur rsidentiel

Nous nous intressons aux courbes de charge mono-site (un client particulier). Lhorizon dobservation est dune journe. Les autres proprits de la CdC (grandeur lectrique mesure et priode dchantillonnage) sont rsumes dans le tableau (2.1). Quatre campagnes de mesure sont dcrites : K1 : Puissance apparente dune maison enregistre pendant 5 semaines. Aucune information sur les puissances des appareils individuels nest disponible. Ces donnes ont principalement servi dans le cadre du stage de master prcdant ce travail de thse [DWEG05]. K2 est une campagne de mesure spcique dans une maison exprimentale (Maison Domotique) dEDF-R&D. Tous les appareils de la maison ont t instruments. Des scnarios dutilisation de certaines appareils (chauffe-eau, aspirateur, tlvision, etc) ont t programms. Cette campagne prsente lavantage de nous fournir des signaux des appareils individuels, mais les scnarios de consommation se sont rvls in ne pas ralistes. K3 et K4 sont deux campagnes de mesure lances dune part pour disposer de donnes pour valider les algorithmes dveloppes (K3 ) et dautre part pour largir la base des exemples de signaux des usages cibls la frquence type de la tlInfo mais galement une frquence plus leve pour une meilleure caractrisation des signaux. Ce tableau met en vidence deux problmes : le nombre limit de cas-test : absence de retour dexprience sur les donnes au dmarrage de cette tude ; la complexit de mettre en place une instrumentation dusages chez un client particulier ; la difcult de disposer de courbes de charge lectriques relles des usages : difcult technique (chane dacquisition dnir) ; intrusion chez les clients exprimentaux pour disposer des sous-comptages lectriques ; contraintes juridiques lies la sparation entre le distributeur et le commercialisateur. Remarque EDF R&D envisage dlargir la base de donnes une cinquantaine de clients courant 2010 an de disposer de donnes plus reprsentatives. 26

TABLE 2.1: Caractristiques des donnes dentre - CdC dans le secteur rsidentiel

2.1.2

Description des donnes : cas du secteur tertiaire (hypermarch)

Spcicits du secteur tertiaire Bien que lobjectif de caractrisation de la CdC soit commun aux deux secteurs, les contraintes lies linfrastructure sont beaucoup moins importantes dans le secteur tertiaire. En effet, les donnes dentre sont la CdC globale ainsi que deux trois usages prdnis en fonction des objectifs recherchs. Notons deux particularits de ce secteur : Imprcisions sur les usages instruments : Compte tenu de la complexit des installations lectriques dans ce secteur, des appareils autres que lusage cibl par linstrumentation peuvent se trouver sur la mme voie (au niveau du compteur lectrique). Par consquent, la CdC dun sous-comptage est entache dune imprcision quant au contenu. Des informations sur les caractristiques des sous-comptages ou leur gestion sont souvent fournies par llectricien. Mais, elles sont souvent imprcises. Dure de la collecte des donnes : La dure denregistrement des donnes est souvent de quelques mois quelques annes. Mais, ces CdC ne sont pas chantillonnes une priode sufsamment faible pour en dduire des informations sur les usages telles que la puissance nominale ou le scnario de gestion. Un systme de mesure ddi (wattmtre) tant ncessaire la collecte des donnes, lauditeur du site intervient ponctuellement pour collecter des mesures de CdC globales et de quelques sous-comptages sur une dure de quelques jours. 27

Choix de la priode dchantillonnage La priode dchantillonnage des signaux a t choisie de manire empirique compte tenu des deux contraintes suivantes : on doit disposer dune signature lectrique ne des appareils pour dtecter notamment tous les enclenchements et les dclenchements des appareils lectriques ; le volume de donnes acquises doit tre facile grer (acquisition avec un PC portable). La priode dchantillonnage choisie est Te = 100 ms. Usages tudis et grandeurs lectriques mesures Etant donn que les usages cibls sont de natures diffrentes (Fours : dominante rsistive, Compresseurs : dominante inductive), les grandeurs mesures sont la puissance active et la puissance ractive, moyennes sur une dure gale Te . Informations complmentaires Nous avons des informations complmentaires sur les usages : plages horaires de fonctionnement, le processus dnissant le fonctionnement de lusage cibl.

2.2

Analyse des signaux

Cette section est ddie la prsentation des signaux lectriques des appareils lectro-domestiques et ceux dun hypermarch. Le choix dune prsentation du type catalogue est fait dune part pour que le lecteur se familiarise avec ces signaux et dautre part pour mettre en vidence les caractristiques de chaque classe dappareils. Nous prsenterons dabord les signaux issus de diffrentes exprimentations par type dusage, puis des exemples de mlanges que nous aurons caractriser.

2.2.1

Dnitions et notations

Enclenchement - Dclenchement Pour un appareil fonctionnant en tout ou rien, nous dsignerons par enclenchement (respectivement dclenchement), le passage de ltat de puissance moyenne minimale nulle (respectivement puissance moyenne non nulle) une puissance moyenne non nulle (respectivement une puissance moyenne quasiment nulle). Nous utiliserons souvent les raccourcis respectifs suivants on et off. Nous distinguerons ces terminologies de la mise en marche et de larrt dun appareil qui ne concident pas ncessairement avec les on et off. vnement Rappelons quun vnement (Ai , ti ) ayant lieu linstant ti et damplitude signe Ai dnit soit un enclenchement soit un dclenchement. An de dcrire les vnements de la CdC, nous 28

introduisons les trois sries suivantes : la srie des on, la srie des off et la srie globale des vnements dnomme srie des on-off . La dnition de chaque srie est donne ci-aprs. La srie des vnements on Cette srie est dcrite par la donne de deux suites : la suite (ti+ )iN et la suite (A+ i )iN sont respectivement la suite des instants (conscutifs) des vnements du type on et la suite des amplitudes associes. La srie des vnements off Cette srie est dcrite par la donne de deux suites : la suite (ti )iN et la suite (A i )iN sont respectivement la suite des instants (conscutifs) des vnements du type o f f et la suite des amplitudes associes. La srie globale des vnements on-off Cette srie est dcrite par la donne de deux suites : la suite (ti )iN est la suite des instants issus de la runion des deux suites (ti+ )iN et (ti )iN ; la suite (A i )iN est la suite des amplitudes associes. Une illustration de ces sries est prsente sur la gure (2.1). Etant donnes ces sries dcrivant les vnements de la CdC, nous dnissons les suites suivantes utiles pour lextraction d a priori sur les appareils lectriques. Il sagit des suites dnies ci-aprs et dont une illustration est prsente sur la gure (2.2) : + la suite (a+ i )iN et la suite (i )iN , dont les termes dnis par lquation 2.1, dcrivent la variation damplitude et la dure entre deux vnements successifs du type on . La srie des dures (i+ )iN dcrit la dure du cycle de fonctionnement de lappareil tudi.
+ + a+ i = Ai+1 Ai + i+ = ti+ +1 ti

(2.1)

la suite (a i )iN et la suite (i )iN , dont les termes dnis par lquation 2.2, dcrivent la variation damplitude et la dure entre deux vnements successifs du type off . a i = Ai+1 Ai i = ti +1 ti

(2.2)

la suite (mi )iN et la suite (im )iN , dont les termes sont dnis par lquation 2.3, dcrivent respectivement la variation damplitude et la dure entre un vnement du type on et un vnement du type off conscutifs. La srie des dures dcrit la dure effective de fonctionnement pendant un cycle de fonctionnement.
+ mi = A i + Ai im = ti ti+

(2.3)

la suite (ri )iN et la suite (ir )iN , dont les termes sont dnis par lquation 2.4, dcrivent respectivement la variation damplitude et la dure entre un vnement du type off et un vnement du type on conscutifs. La srie des dures (ir )iN dcrit la dure darrt effective (de repos effectif) de lappareil tudi.
ri = A+ i+1 + Ai ir = ti+ +1 ti

(2.4)

29

Figure 2.1: Illustration des sries des vnements dun appareil lectrique

Figure 2.2: Illustration des suites des dures caractristiques des vnements dun appareil lectrique 30

Matriel de chauffage Convecteurs Panneaux rayonnants Planchers rayonnants Planfonds

Part dans le parc de chauffage rsidentiel 64 % 23 % 12 % 1%

TABLE 2.2: Cartographie du chauffage lectrique en France par type (matriel) de chauffage (2000)

Remarque On distingue : lintervalle de temps sparant un on et un off, dans le cas dun appareil mono-charge (exemple : un convecteur, un four). il est caractris par la dure t et la variation damplitude A. lintervalle de temps dnissant le fonctionnement dune charge (exemple : moteur, rsistance), dans le cas dun appareil multi-charges (exemple : un sche-linge, un lave-linge, etc.).

2.2.2
2.2.2.1

Le chauffage par convecteurs


Gnralits sur le chauffage par convecteurs

Le chauffage lectrique est connu comme une spcicit franaise. En effet, depuis le choc ptrolier de 1973 et lavnement du nuclaire, la part du chauffage lectrique dans la consommation intrieure na cess de crotre. Daprs des rapports de lAERE 1 , le parc franais du chauffage lectrique reprsentait 42% du parc europen. En 2000, la rpartition de cet usage par type de chauffage pour les mnages franais est dtaille dans le tableau (2.2), o lon constate quenviron deux tiers correspondent aux convecteurs lectriques. Dans la suite, on se limite au cas des convecteurs lectriques. Le chauffage est ralis par convection de lair. Prcisons que le convecteur a une rgulation lectronique par train dondes quasi-priodiques, et quil est asservi par rapport une temprature de consigne. 2.2.2.2 Analyse des signaux

Les donnes exploites durant la thse pour caractriser les signaux de convecteurs sont celles de la campagne K2 . Les conclusions obtenues ont t conrmes et compltes grce la campagne de mesure K3 . Un exemple de CdC dun convecteur est illustr sur la gure (2.3). Il sagit de la puissance moyenne chantillonne la priode Te = 2 s. On note que la puissance est quasiment constante sur une plage horaire denviron huit heures. Les zooms (1) et (2) illustrent la prsence de rgulations. Plus prcisment, sur le zoom (1), on observe une alternance entre des rgulations et des zones de saturation (puissance quasiment constante).
1. Alternatives pour lnergie, les Energies Renouvelables et lEnvironnement

31

F IGURE 2.3: Puissance appele par un convecteur lectrique (Te = 2s, K2 )

On en dduit la prsence de deux rgimes de fonctionnement pour cet appareil : un rgime de rgulation ( dnir) et un rgime de saturation. Le zoom (2) sur une zone o le convecteur ne sature pas, nous montre : que la dure t volue au cours du temps ; et que les amplitudes des diffrents vnements (enclenchement ou dclenchement) sont quasiment identiques. On sest alors intress lanalyse de ces paramtres sur lensemble des convecteurs. Sries des amplitudes La gure (2.4) prsente les histogrammes des variations damplitude obtenues respectivement pour (a+ i ), (ai )et (mi ). Ces histogrammes ont t construits partir de lensemble des signaux de la campagne K2 . La symtrie des histogrammes et la faible variance permettent dtablir la proprit suivante : La srie des on et la srie des off issus de la puissance moyenne dun convecteur, pour une priode dchantillonnage autour dun hertz, prsentent des amplitudes quasiment identiques. Cette proprit sera appele proprit de symtrie des on-off dun convecteur . 32

Remarque : modlisation des sries damplitudes Soient Ev (i) et Ev (i + 1) deux vnements conscutifs correspondant respectivement un on et un off. On obtient alors le modle dcrit par (2.5) o a dcrit un bruit centr dcart type a valu partir des chantillons observs. + + Ai+1 = Ai + a (i) A i+1 = Ai + a (i) + Ai = A i + a (i)

(2.5)

Rgulation quasi-priodique des convecteurs lectriques On note sur le zoom (2) de la gure (2.3) une certaine rgulation des vnements de la CdC dun convecteur. Une analyse spectrale de plusieurs exemples de convecteurs montre la prsence dune quasi-priodicit de la puissance appele par un convecteur. Cette proprit est prvisible tant donn que la rgulation de lappareil est gre par une rgulation lectronique priodique. An de vrier cette observation mono-appareil, nous avons calcul la dure sparant deux on conscutifs. Les rsultats (en valeur absolue) obtenus partir de lensemble des donnes de la campagne K2 sont prsents sur la gure (2.5). On en conclut que la priode sparant deux on conscutifs est quasiment constante. La faible variance de lhistogramme et le pic prononc autour de la valeur 0 nous permettent dtablir la proprit suivante : La rgulation dun convecteur lectrique est quasi-priodique. Si T0 est la priode de rgulation thorique, deux vnements conscutifs du type on vrient la relation suivante (2.6).
+ ti+ +1 = ti + T0 + T0 (i)

(2.6)

2. o T0 est un bruit gaussien centr de variance T 0 Priodes de rgulation Suite lanalyse des signaux de lensemble des convecteurs de la Maison Domotique et des deux sites rels, nous avons constat la prsence de deux priodes de rgulation uniquement. Les valeurs obtenues sont 40 s et 80 s. Evolution de la dure on-off (rapport cyclique) dun convecteur Nous avons vu que la puissance appele par un convecteur est un mlange de rgime de saturation et de rgulation. De plus, nous avons not que la dure on-off volue au cours du temps. Par analogie avec les signaux priodiques, nous introduisons un paramtre appel rapport cyclique dun convecteur dni par lquation (2.7) :

im im T0 (i) = + T0 ti+1 ti+

(2.7)

Lvolution au cours du temps de ce paramtre pour deux convecteurs de la Maison Domotique (mme journe) prsentant des zones de saturation est dcrite par la gure (2.6). Dans les deux cas, on note la prsence de valeurs suprieures ou gales 100, indicateur de la saturation du convecteur. Remarquons que ces phases de saturation peuvent durer quelques heures. 33

F IGURE 2.4: Symtrie de lamplitude denclenchement et de lamplitude de dclenchement dun convecteur (Te = 2sec, K2 ) : Convecteurs test - tous les convecteurs de la Maison Domotique

F IGURE 2.5: Quasi-priodicit de la puissance appele par un convecteur

34

Les deux cas prsents correspondent deux exemples dvolution diffrents. Dans le cas du convecteur (3), un zoom montre que le rapport cyclique oscille de manire quasi-sinusodale avec lapparition priodique de phases de saturation. Dans le cas du convecteur (5), le rapport cyclique dcrot globalement et ne prsente pas de structure particulire dvolution temporelle. La fonction de rpartition empirique de T0 ainsi que lhistogramme normalis de la variation du rapport cyclique obtenus pour les deux convecteurs tudis sont reprsents sur la gure (2.7). On constate que les variations du rapport cyclique sont faibles (multiples dun pas constant commun tous les appareils). Au regard de ces observations, on peut considrer que le rapport cyclique (ramen 1) volue lentement dans lintervalle [0, 1]. La valeur nulle correspond ltat darrt de lappareil. La valeur 1 correspond un rgime de saturation. Prcisons que lvolution du rapport cyclique dpend de plusieurs paramtres dont la temprature extrieure, la temprature de consigne et les caractristiques thermiques du btiment.

35

F IGURE 2.6: Evolution quotidenne du rapport cyclique : Exemple de deux convecteurs

36

F IGURE 2.7: Analyse statistique du rapport cyclique

37

Foisonnement des convecteurs La CdC chauffage est un mlange linaire des courbes de charge lmentaires des diffrents convecteurs dont on ignore le nombre, les priodes de rgulation et les amplitudes. Si lon se restreignait la CdC du chauffage, nous aurions un problme de dcomposition de la CdC part entire. Ce problme est plus ou moins complexe en fonction des caractristiques des appareils et de leur foisonnement temporel. La gure (2.8) illustre deux exemples de foisonnement de signaux de convecteurs sur une faible dure (environ un quart dheure). Le premier cas est un mlange de deux convecteurs de puissances nominales identiques et de priodes de rgulation diffrentes (40 s et 80 s). La dcomposition de mlange simple premire vue nest pas immdiate par une approche aveugle. Le second mlange est plus complexe. Les amplitudes des signaux sont diffrentes. On a en effet les 4 cas de gure possibles qui se produisent simultanment : un convecteur en rgime de saturation ; un convecteur qui alterne des rgulations et une phase de saturation ; un convecteur dont le rapport cyclique dcrot jusqu atteindre la valeur nulle (arrt) ; un convecteur en rgime satur, dont le rapport cyclique commence descendre en dessous de 1. Le foisonnement de ces signaux, sans prendre en compte linterfrence avec les autres appareils, montre la complexit des mlanges rels que lon peut avoir et la grande htrognit de ces mlanges. Exemples de CdC de chauffage Dans la suite, trois exemples de CdC quotidiennes de lusage chauffage chez un client particulier sont prsents. La gure (2.9) correspond une journe du mois de janvier, et met en vidence : dune part le niveau lev de consommation de cet usage ; dautre part le foisonnement important des signaux lmentaires qui peut donner lieu lapparition dune composante basse frquence illustre sur le zoom de la gure (2.9). La gure (2.10) correspond une journe du mois davril. Le zoom ralis montre que le foisonnement des appareils persiste, mais apparat moins important quau mois de janvier. La courbe de consommation dune journe du mois de mai est plus simple, peu de convecteurs sont en marche, le foisonnement est nettement moins important que dans les deux cas prcdents. Ce cas devrait a priori tre plus simple tudier, mais noublions pas que cet usage sera aussi superpos aux courbes de charge des autres appareils.

38

F IGURE 2.8: Foisonnement de convecteurs

39

F IGURE 2.9: Exemple de CdC de chauffage - janvier 2008

40

F IGURE 2.10: Exemples de CdC du chauffage - avril et mai 2008 (Te = 1s, K3 )

41

Lien priode dchantillonnage - nombre dvnements La gure (2.11) met en vidence linuence du choix de la priode dchantillonnage sur le nombre dvnements gnrs par chauffage lectrique. Ce nombre est dautant plus lev que Te est faible, et devient quasi-nul ds que Te sapproche de la priode de rgulation minimale dun convecteur. En effet, partir de ce seuil la puissance moyenne dun convecteur est quasiment constante en permanence. La CdC du chauffage prsente alors trs peu de variations qui correspondent simplement la mise en marche et larrt des diffrents convecteurs. Une priode dchantillonnage trop leve masque les vnements des diffrents cycles de fonctionnement des convecteurs. Cependant, elle met en vidence dautres proprits telle que lvolution du rapport cyclique.

F IGURE 2.11: Nombre dvnements de la CdC chauffage en fonction de la priode dchantillonnage

La gure 2.12 (ellipse rouge) met en vidence lapport de lchantillonnage pour tudier cette dernire proprit, dont lobservation nest pas immdiate lchelle dune journe en prsence de plusieurs convecteurs pour une priode dchantillonnage de lordre de la seconde.

42

F IGURE 2.12: Exemple de CdC sous-chantillonne

Type de logement Volume du chauffe-eau (litre) Puissance nominale (kW)

F1 100 1.2

F2 150 1.8

F3 200 2.2

F4 250 3

F5 300 3

Table 2.3: Caractristiques de consommation dun ballon dECS

F IGURE 2.13: Puissance appele par lECS - un cycle de fonctionnement

43

2.2.3

Leau chaude sanitaire (ECS)

Leau chaude sanitaire (ECS) est un usage dominante rsistive. Une description du chauffeeau accumulation est fournie en annexe (D). Avant de prsenter les signaux de cet usage, on sest intress lexistence dun lien entre la taille dun logement, le volume du chauffe-eau et sa puissance nominale. Des liens prcis ne sont pas vidents tablir, mais des ordres de grandeur peuvent tre tablis tel que le rsume le tableau (2.3). Pour caractriser cet usage, on sappuiera sur les donnes de la Maison Domotique (issues de 4 scnarios de consommation simuls) et les donnes dun client particulier (K4 ). Ici, CdC dsignera la puissance moyenne appele par lappareil, chantillonne Te = 1 s. Un exemple de cycle de fonctionnement est illustr par la gure (2.13). Ce signal est extrait des signaux de la MD, la puissance nominale de lappareil est de 2500 W. On constate : que lappareil fonctionne en tout ou rien ; que la puissance dcrot lgrement de manire quasiment exponentielle durant le cycle de fonctionnement (voir zoom sur la gure 2.13). Ces observations ont t conrmes en analysant plusieurs cycles de fonctionnement. Tout comme pour le chauffage lectrique, nous nous sommes intresss aux proprits de la srie des vnements de la CdC de lECS. 2.2.3.1 Loi de lamplitude moyenne

Srie des amplitudes on off (mi ) Prcisons dores et dj que la puissance dun chauffe-eau nest pas une grandeur spcique cet appareil. Lobjectif est de caractriser lasymtrie observe entre lenclenchement et le dclenchement du chauffe-eau. Nous avons alors valu les accroissements de la srie des amplitudes (mi ) sur lensemble des donnes valides disponibles. Les histogrammes obtenus sont prsents sur la gure (2.14) sachant que la puissance nominale du chauffe-eau du client A est de 3500 W. Ces graphiques conrment lobservation prcdente, et permettent de quantier en moyenne lcart absolu entre lamplitude dun on et celle du o f f correspondant. Cet ordre de grandeur devra tre revu si des donnes supplmentaires sont disponibles. 2.2.3.2 Lois des dures

Analyse des dures Lanalyse des dures (on-on, off-off et on-off) des deux ballons deau chaude disponibles est rsume par les histogrammes de la gure (2.15). Le nombre dappareils tant limit, on se limite en dduire les bornes infrieure et suprieure de chacune des dures. La comparaison avec lanalyse effectue pour les convecteurs, lECS est un usage lent au sens o la dure sparant deux cycles conscutifs (de lordre de lheure) est largement suprieure celle des convecteurs (de lordre dune minute).

44

F IGURE 2.14: Asymtrie On-Off

F IGURE 2.15: Histogrammes des dures caractristiques de lECS : (t11 ), (t00 ) et (t10 )

45

Exemple de CdC quotidienne dECS Un exemple de CdC quotidienne est prsent sur la gure (2.16), et met en vidence les deux proprits suivantes de lECS : le caractre tout ou rien de cet usage ; le nombre limit de cycles de fonctionnement (et donc dvnements) par jour en comparaison avec lusage chauffage, la CdC quotidienne de lECS correspondrait en nombre dvnements gnrs un convecteur de priode de rgulation de 80 s fonctionnant pendant environ un quart dheure seulement.

F IGURE 2.16: Exemple de CdC dECS

Un mode danalyse simple de consommation sur un horizon de plusieurs jours est le graphe dintensit. Cette reprsentation dans le plan (Heures, jours) permet didentier des spcicits de la CdC tels que la rgularit de consommation, le prol de consommation jour de la semaine/week-end. La gure 2.17 prsente deux graphes dintensit de lECS de la Maison Domotique et dun client particulier. La rgularit observe dans le premier cas sexplique par le scnario de tirage deau simul : un volume identique deau est tir des moments prcis de la journe. Cette rgularit disparat dans le second cas, mais on observe certains motifs qui ne sont pas ncessairement rguliers sur tout le domaine temporel de lanalyse de la CdC. Le graphe dintensit permet de dtecter les jours faible consommation deau chaude. 46

F IGURE 2.17: Graphe dintensit de lECS

2.2.4

Le froid alimentaire

Lusage froid alimentaire est le foisonnement dun nombre inconnu de courbes de charge de compresseurs 2 . Il sagit dun systme multi-charges, asservi par rapport une temprature de consigne. La CdC globale a une dominante inductive. Dans la suite, on prsentera sparment les signaux du secteur rsidentiel et ceux du secteur tertiaire. Prcisons quil est difcile dacqurir la puissance appele par une composante (un compresseur seul) an de caractriser le systme global. 2.2.4.1 Premier cas : le secteur rsidentiel

Les signaux de compresseurs issus des deux premires campagnes de mesure sont eux-mmes des signaux composites. Chez le client particulier, nous avons isol la puissance appele par le froid alimentaire par extraction dune journe dabsence des rsidents. La puissance globale mesure en sortie du CBE est illustre sur la gure (2.18). On y observe un foisonnement de crneaux de faible amplitude et prsentant souvent des pics de forte amplitude au dmarrage. Il sagit en ralit dun mlange dun nombre inconnu de compresseurs associ la consommation de lusage froid alimentaire et dune pompe chaleur (PAC). Le dmarrage et larrt de la PAC sont indiqus par une double che sur la gure (2.18). Le zoom de la gure (2.18) met en vidence les deux proprits suivantes de la CdC observe : tous les compresseurs ont a priori la mme puissance nominale ; il existe a priori au minimum trois compresseurs (en dehors de la PAC) dans le mlange, au regard de la dure des cycles dvnements observs. (cet a priori a t valid par le client) ; le nombre de cycles de fonctionnement (et donc dvnements) par jour est suprieur celui de lECS, mais trs infrieur celui gnr par un convecteur en rgime de rgulation : La CdC de compresseurs prsente est quivalente en nombre dvnements par jour un convecteur de priode de rgulation 80 s fonctionnant pendant environ une heure seulement.
2. Un compresseur est une pompe qui comprime un gaz particulier dont la dtente ultrieure gnre le froid.

47

F IGURE 2.18: Puissance moyenne quotidienne appele par les compresseurs

Remarque Contrairement aux deux usages prcdents (chauffage et ECS), on ne peut pas dnir des a priori quantitatifs sur les amplitudes des vnements et sur les lois temporelles partir des signaux lmentaires. Mais, on peut formuler des a priori partir de connaissances dexperts ou danalyses qualitatives des signaux composites. Des signaux collects ultrieurement dans le cadre de la campagne K4 permettront une caractrisation plus ne de cet usage. Nous prsentons ici titre dillustration deux exemples de la puissance instantane dun rfrigrateur ayant un seul compresseur (a priori). Le premier cas illustre la puissance instantane sous-chantillonne Te = 10ms (2.19). Le zoom autour de lenclenchement du compresseur met en vidence la prsence dune forme particulire du signal au dmarrage du compresseur : il sagit soit dun pic prononc soit dune forme quasi-parabolique pendant le rgime transitoire de lappareil. Cette forme a t observe sur un chantillon dune dizaine dessais sur des rfrigrateurs diffrents. Le second zoom met en vidence la prsence dune seconde composante damplitude moyenne proche de 10 W. Il est quasiment impossible davoir un signal isol pour cet usage. Le second cas (2.20) illustre la puissance instantane (Te = 1s) dun rfrigrateur dun client particulier (client A - K4 ). Il sagit dun rfrigrateur ayant a priori un seul compresseur. La gure montre une signature particulire du signal durant un cycle de fonctionnement, qui traduit le caractre inductif de cet appareil. Ce modle de dcroissance du signal est similaire celui de lECS. 48

Figure 2.19: Puissance active dun rfrigrateur (essai de laboratoire - EDF R&D avril 2007)

Figure 2.20: Puissance instantane dun rfrigrateur mono-compresseur (Client A - mars 2009)

49

2.2.4.2

Deuxime cas : le secteur tertiaire - froid alimentaire dans un hypermarch

Ici, courbe de charge dsigne le couple (puissance active moyenne P , puissance ractive moyenne Q) chantillonne une frquence Fe = 10 Hz. Un exemple de signaux est illustr sur la gure (2.21). On constate que chaque courbe est un mlange de crneaux prsentant des pics de trs forte amplitude (en comparaison avec lamplitude du signal) chaque enclenchement. On constate galement quil existe deux familles de compresseurs : ceux ayant une forte amplitude de lordre de 5000 W/VAr et dont la rgulation est telle que le nombre de cycles de fonctionnement et de lordre dune dizaine par heure ; ceux ayant une faible amplitude (cf. zoom) de lordre de 500 W/VAr et dont la rgulation est plus rapide que dans le cas prcdent. La CdC gnrale de lhypermarch est constitue principalement des trois usages suivants : le froid alimentaire, les fours de la boulangerie et lclairage. Un exemple de la CdC gnrale sur lintervalle [00 h,01 h] est prsent sur la gure (2.22). On constate que les principaux vnements de la CdC gnrale concident avec ceux des compresseurs. Mais certains vnements gnrs par dautres usages sont galement prsents et devront tre pris en compte lors de la reconstruction du scnario de fonctionnement du froid alimentaire. Souvent, ces vnements nont pas de composante ractive, ce qui facilite lidentication de la reconnaissance des vnements gnrs par les compresseurs du froid alimentaire. Etant donn que lobjectif est de caractriser les compresseurs (amplitude et scnario de gestion), a priori il semble judicieux dexploiter les plages horaires o cet usage est prpondrant savoir [21h : 00 h[ et [00h : 5h]. Ce choix sera consolid par lanalyse de la CdC des fours pendant ces plages horaires. A priori dire dexpert sur le parc de compresseurs de linstallation cible Le fonctionnement du parc de compresseurs est thoriquement gr par un automate tel quon minimise la sollicitation du mme compresseur (lobjectif est de rpartir la charge, en nergie et en dure de fonctionnement, le plus uniformment possible entre les compresseurs du parc). Par ailleurs, la mise en marche et larrt des compresseurs sont effectus selon la rgle suivante : le premier enclench est le dernier dclencher. Cette rgle est un a priori fort pour dcoder la srie des vnements de compresseurs an de reconstruire les signaux lmentaires. La dure minimale entre deux vnements successifs Ev (i) et Ev (i + 1) est suprieure deux secondes. Cet a priori pourra tre utile pour lestimation de la srie des vnements utiles pour lusage froid alimentaire partir de la CdC gnrale. Le signal de puissance active (ractive) se stabilise (rgime permanent atteint) au bout dune dure maximale de s. Cet a priori peut servir lestimation de lamplitude des signaux de compresseurs. En rsum, quil sagisse du secteur rsidentiel ou du secteur tertiaire, on constate que : les signaux prsentent un pic au dmarrage ; ils ont un fonctionnement en tout ou rien et la gestion des appareils est rgie par une rgle prcise de squencement des enclenchements et des dclenchements ; les amplitudes moyennes sont quasiment identiques pour tous les cycles de fonctionnement ; les compresseurs sont faciles dtecter en labsence dautres usages. Quant aux spcicits de chaque classe de signaux : dans le secteur rsidentiel, les compresseurs ont une amplitude faible et une rgulation en tout ou rien ; dans lhypermarch, les compresseurs ont une forte amplitude et ont une rgulation FIFO. 50

F IGURE 2.21: CdC du froid alimentaire dun hypermarch

F IGURE 2.22: Zoom sur la CdC gnrale dun hypermarch

51

2.2.5

Les gros appareils lectromnagers

Cette classe dusages regroupera les appareils suivants : le lave-linge (LVL), le lave-vaisselle (LVV) et le sche-linge (SL). Chacun de ces appareils est constitu de plusieurs charges.

2.2.5.1

Prsentation des appareils lectriques cibls

a) Lave-linge Cet appareil est constitu de trois charges : un tambour, la rsistance de chauffage et une pompe.

b) Lave-vaisselle Les deux principales charges sont une rsistance pour chauffer leau et une pompe pour laspersion et la vidange de leau.

c) Sche-linge Cet appareil est constitu de plusieurs charges, dont un tambour, une pompe et une rsistance pour chauffer lair.

Prsentation des donnes disponibles Malheureusement, trs peu de donnes reprsentatives de cette classe dappareils ont pu tre collectes pendant la thse. Nous disposions uniquement dun seul cas dtude issu de la Maison Domotique. De plus, un seul essai avait t ralis. Des signaux collects rcemment (K4 - 2008/2009) dans le cadre du projet R&D STABILO seront exploits dans des travaux futurs pour une caractrisation plus ne de ces signaux. Dans la suite nous prsenterons titre dillustration des signaux issus de ces dernires campagnes de mesure. Mais, aucune analyse approfondie na t rellement mene sur cette classe de signaux.

2.2.5.2

Analyse de signaux

a) Lave-linge La gure (2.23) prsente trois exemples de signaux de lave-linge issus de trois appareils diffrents. Le signal observ est un mlange de deux signaux lmentaires : des rgulations rapides (de lordre dune minute) et de faible amplitude (environ 100 W) et des crneaux damplitude leve ( 2000 W). Ce dernier signal correspond a priori la puissance appele par la rsistance de chauffage de leau. On note : que la premire phase de chauffage est souvent la plus longue ; quil existe des cycles de plus courte dure qui correspondent des relances de chauffage de leau. 52

F IGURE 2.23: Puissance moyenne appele par un lave-linge (Te = 1 s)

b) Lave-vaisselle Nous disposions dun seul exemple de cette classe dappareils. La puissance moyenne appele par un lave-vaisselle (Te = 1 s) est illustre sur la gure (2.24). Lanalyse de plusieurs cycles de fonctionnement montre : que le signal observ est un mlange de deux familles de signaux : un signal de faible amplitude (environ 200 W) correspond la puissance appele par le moteur et un signal de forte amplitude ( 2000 W) correspond la puissance appele par la rsistance de chauffage de leau. que la puissance appele par la rsistance prsente une rgulation en tout ou rien, o la dure on-off t10 varie de quelques minutes une demi-heure. Lanalyse de plusieurs cycles de fonctionnement na permis didentier aucune autre proprit particulire de ce signal. c) Sche-linge Nous disposions de la signature dun seul sche-linge (Maison Domotique) et dun seul essai, le signal mesur est prsent sur la gure (2.25). Sur lintervalle [0, 15 mn] : le signal observ est un mlange dun crneau (A1 = 200 W) et dun crneau quasi-priodique (A2 = 100 W). Il sagirait ( dire de spcialiste) du mlange des puissances appeles respectivement par la rsistance et par un moteur. Sur lintervalle [15 mn, 57 mn] : le signal observ est un mlange de deux crneaux priodiques damplitude A1 et A2 . Le caractre quasi-priodique de ces signaux est mis en vi53

dence par le spectre du signal (2.25). La pseudo-priode est denviron T0 = 80 s. Rappelons quil sagit de lune des priodicits caractristiques des convecteurs lectriques. Par consquent, on peut identier une indtermination entre un signal de convecteur et ce segment du signal associ au sche-linge. Le sche-linge sera a priori une source potentielle de fausse alarme lors de la dtection du chauffage lectrique. Sur lintervalle [57 mn, 64 mn] : on observe un crneau quasi-priodique (T0 = 80 s) de faible amplitude, qui correspondrait la puissance appele par la pompe. Remarquons galement que les amplitudes des signaux sont trs proches de celles du lave-linge ou encore du lave-vaisselle. Il est vident que lon ne peut pas gnraliser les observations tires de cet essai. Mais les signaux disponibles en 2008 ont permis de conrmer ces observations, tel quillustrs par la gure (2.26) (a) o le signal global observ est la puissance appele par lensemble des appareils dit gros lectromnagers. Les deux zooms conrment les observations prcdentes et permettent destimer les amplitudes maximales des signaux (sche-linge : 2500 W ; lave-linge : 2000 W). Le foisonnement dun sche-linge et dun lave-linge est illustr par la gure (2.26) (b). En effet, le signal observ sur la Zone 2 correspond la signature dune n de cycle de fonctionnement. Le signal observ sur la Zone 1 est un mlange de crneaux damplitudes de lordre de 2500 W et 2000W. Il sagit donc bien dun foisonnement des signaux du lave-linge et du sche-linge. En rsum Les puissances moyennes appeles par les appareils du groupe gros lectromnagers chantillonnes une frquence de lordre du hertz ont les proprits suivantes : Les signaux observs sont eux-mmes des signaux composites. Chaque mlange est constitu dune composante rsistive de forte amplitude et dun signal de faible amplitude (souvent associ un moteur). La puissance nominale de ces appareils nest pas caractristique de cette classe dusage et ne permettrait pas de les discriminer. Le sche-linge a une rgulation quasi-priodique, identique celle des convecteurs. Le lave-linge et le lave-vaisselle ont une rgulation en tout ou rien.

54

F IGURE 2.24: Puissance moyenne appele par un lave-vaisselle (Maison Domotique -K1 ,Te = 1 s)

F IGURE 2.25: Puissance moyenne appele par un sche-linge (Te = 1 s) et son spectre

55

a) Groupe des appareils lectromnagers

b) Lave-linge

F IGURE 2.26: a) Puissance moyenne appele par le groupe des gros letromnagers : (Client B -K2 ,Te = 1s) b) Puissance moyenne appele par un lave-linge (K4 ,Te = 1 s) : plusieurs cycles de fonctionnement (Client B) 56

2.2.6

Les appareils de cuisson

Les appareils de cuisson prsentent un caractre dominante rsistive. Bien que ces appareils ne faisaient pas partie des usages cibls, nous nous sommes intresss leur signature lectrique an danticiper leur impact sur la caractrisation des trois usages cibls. La gure (2.27) illustre la puissance moyenne appele par un micro-ondes, un four et une plaque de cuisson.

F IGURE 2.27: Puissance appele par les appareils de cuisson (Te = 1 s)

a) Le four Le caractre purement rsistif du four se traduit par une signature sous forme dun crneau symtrique 3 . b) Le micro-ondes La puissance appele par un micro-ondes est un signal composite issu du mlange dune composante purement rsistive et dune composante purement inductive (moteur assurant la rotation du plateau de lappareil). Dans ce cas, le signal observ est constitu de deux cycles de fonctionnement. Remarquons que : La dure dun cycle ( m i ) est de lordre de 10 s. cest une dure proche de la dure de cycle que peut avoir un convecteur lectrique. La dure entre deux cycles successifs (t + i ) est denviron 30 s. Ici, on considre uniquement les vnements associs la composante rsistive. la puissance appele par un micro-ondes serait-elle pseudo-priodique ? cette dure est du mme ordre de grandeur que lune des priodicits observes pour la classe des convecteurs lectriques. Compte tenu de limportance de la caractrisation de lusage chauffage, nous nous sommes alors penchs sur lanalyse des signaux de cette source potentielle de fausse-alarme pour le chauffage, plus prcisment sur lanalyse des dures (t + i ), (t i ) et (t i ) .
3. il sagit dune symtrie entre lenclenchement et le dclenchement de lappareil

57

Les donnes exploites pour cette analyse sont issues de 4 appareils diffrents et un total de 10 essais. Les essais correspondent des utilisations diffrentes (contenu, consigne, mode dutilisation, etc.). Lhistogramme (2.28) des dures entre vnements successifs de mme nature (de la composante rsistive) met en vidence : la prsence dune pseudo-priode, qui est en plus commune lensemble des 4 appareils considrs ; cette pseudo-priode est trs proche dune priode de rgulation de convecteur ; la dure moyenne dun cycle de fonctionnement est de lordre dune minute. Cette indtermination possible entre un convecteur et un micro-ondes peut tre leve si lon peut exploiter le signal du micro-ondes appel par la charge inductive. c) La plaque de cuisson Le signal observ met en vidence les proprits suivantes, dont la gnralisation ncessitera une base de signaux plus consquente : le caractre inductif (il sagissait dune plaque induction) se traduit par une dcroissance exponentielle au dmarrage de lappareil ; la variation de lamplitude du signal en fonction de la consigne xe (ici deux niveaux de consommation).

2.2.7
2.2.7.1

Analyse dexemples de CdC


Cartographie des principaux usages chez deux clients particuliers

Rappelons que la terminologie Courbe de Charge gnrale dsigne la consommation totale dune installation lectrique. Dans cette partie, la grandeur lectrique est la puissance moyenne (active ou apparente) appele par linstallation. A titre dillustration et pour fournir des ordres de grandeur, la gure (2.29) prsente lnergie quotidienne consomme chez un client particulier pendant le mois de janvier, ainsi que lnergie consomme par le chauffage et leau chaude sanitaire. Prcisons que lnergie consomme par ces usages est lnergie de rfrence value partir de la puissance moyenne mesure pour chacun des usages. La gure (2.30) prsente la part de chaque usage par rapport la consommation globale. On distingue deux prols de consommation en prsence ou non du client. La consommation globale dcrot notablement du 7 janvier au 11 janvier. En effet, le client tait absent. Nanmoins, sa consommation nest pas compltement nulle, elle est de lordre de 15 kWh par jour. En effet, les deux usages suivants continuent fonctionner : lECS fonctionne (relances du chauffe-eau) pour compenser les dperditions thermiques ; elle reprsente plus de 20% de la consommation totale (2.30) le froid alimentaire ; certains convecteurs ; dont la consommation reprsente environ 7% de la consommation totale (2.30) certains appareils en mode de veille. 58

F IGURE 2.28: Histogramme des dures de lusage micro-ondes (K4 )

F IGURE 2.29: Consommation quotidienne du client A : janvier 2008

59

En prsence du client, on constate que le chauffage reprsente souvent plus que 50% de sa consommation quotidienne, alors que lECS reprsente environ 10% de la consommation quotidienne. La part de chaque usage dans la facture du client dpend du tarif choisi. Dans le cas dun tarif de base, la cartographie de la facture par usage est identique la cartographie de la consommation totale par usage. Dans le cas dun tarif Heure Creuse / Heure Pleine (HP/HC), la cartographie dtaille de la facture dpend de lnergie consomme sur chacune des plages horaires. La part du froid alimentaire dans la consommation quotidienne a t tudie partir des donnes du client B partir de journes (2.31) de la priode comprise entre janvier 2008 et avril 2008. La part de cet usage dans la consommation totale est faible, mais lnergie quotidienne consomme par cet usage nest pas ngligeable. En effet, le client a un chauffage tout lectrique et deux ballons deau chaude sanitaire. Lnergie consomme par ces deux usages est trs leve, ce qui explique cette faible part de la consommation du froid alimentaire. Cet exemple particulier nous amne la question suivante : quelle est la grandeur utile et signicative fournir au client pour dcrire la consommation de chaque usage ? On peut envisager par exemple de lui fournir : lnergie consomme par usage ; la part (pourcentage) de lenergie consomme dans la consommation totale de chaque usage ; le cot de consommation par usage ? Ce point na pas t tudi dans le cadre de la thse, mais mriterait dtre approfondi. 2.2.7.2 Proprits de la CdC gnrale et reprsentations adaptes

Aprs avoir analys sparment les signaux de chaque classe dappareils, nous prsenterons ici quelques exemples de CdC de clients particuliers an de mettre en vidence leurs caractristiques. Des modes danalyse pour mettre en vidence certaines caractrisques des usages cibls sont galement prsents. La CdC : un foisonnement de signaux non-stationnaires et localement stationnaires La CdC (puissance moyenne) chantillonne une frquence de lordre du hertz peut tre vue comme la superposition de plusieurs sries dvnements. Chaque srie dvnements est en ralit la suite denclenchements et de dclenchements dun appareil. Les vnements de la CdC dpendent : du comportement du client, qui peut tre rgulier ou compltement alatoire ; exemple : heure dutilisation des appareils de cuisson, de lclairage, de la tlvision. des conditions dutilisation de lappareil (consignes, contenu) : alatoire ; exemple : micro-ondes, rfrigrateur, etc. du modle de fonctionnement de lappareil : dterministe ; exemple : squencement des oprations (tches) dun lave-vaisselle. dautres contraintes lies au climat et aux caractristiques du btiment par exemple. exemple : chauffage lectrique. La gure (2.32) prsente un exemple de CdC chez un client ayant uniquement deux convecteurs dappoint. Prcisons quil sagit dune CdC pour laquelle nous ne disposons daucun sous-comptage. On constate que lorsque le chauffage est en marche, le nombre dvnements 60

F IGURE 2.30: Part du chauffage et de lECS dans la consommation quotidienne chez le client A

F IGURE 2.31: Part du froid alimentaire dans la consommation quotidienne chez le client B

61

F IGURE 2.32: Exemple de CdC chez un client particulier

est lev : les vnements ne sont plus lisibles lil nu. Ce qui nest plus le cas quand le chauffage est teint. Comme la puissance dun convecteur est un signal pseudo-priodique de rapport cyclique lentement variable, la puissance du chauffage est un signal localement stationnaire. En absence de chauffage lectrique, lexemple prsent met en vidence le caractre non-stationnaire de la courbe de charge. Un mode danalyse adapt pour mettre en vidence la prsence de chauffage et les priodicits est le spectrogramme (2.32). La prsence de chauffage se traduit par la prsence de raies horizontales quidistantes. Cet exemple met en vidence lapport dune reprsentation du type spectrogramme pour la mise en vidence de la prsence du chauffage. La gure (2.32) met en vidence la prsence de motifs spectraux (entours avec des ellipses noires) plus tals spectralement que les raies spectrales des convecteurs. Le support spectral de ces motifs a une intersection non nulle avec le support des raies des convecteurs. Le zoom sur le signal temporel prsent sur la gure (2.33) met en vidence la prsence dun lave-linge, dont les rgulations pseudo-priodiques gnrent les motifs observs. Les deux zooms prsents sur la gure (2.33) mettent galement en vidence le foisonnement des usages lectriques. La mme analyse est effectue pour une CdC, o certains sous-comptages sont instruments. La plage horaire de fonctionnement dun convecteur est entoure avec une ellipse noire sur la gure (2.34), dont la signature sur le spectrogramme est mise en vidence.

62

F IGURE 2.33: Zoom - foisonnement dusages

F IGURE 2.34: CdC quotidienne - 12 juillet 2008 (Client A)

63

Cette CdC ne contenant que peu de chauffage et par consquent trs peu dvnements peut sembler facile voire vidente caractriser. Cependant certaines sources dindtermination entre usages sont invitables. Les signaux correspondant aux sous-comptages ECS, cuisson et lave-vaisselle, illustrs sur (2.35) mettent en vidence les difcults suivantes : Le chauffe-eau et le lave vaisselle prsentent des signaux trs similaires, plus particulirement ils ont ici la mme amplitude. Le zoom sur la plage horaire de [11 h, 14 h] montre que lenclenchement du deuxime cycle de lECS concide avec le dclenchement de la rsistance du lave-linge : cette superposition donne lieu deux vnements manquants : un on de lECS et un off du lave-vaisselle. Il faudra donc pouvoir grer les collisions dvnements. Les courbes des puissances moyennes des deux rfrigrateurs montrent que les trois compresseurs ont la mme amplitude. cette proprit aurait pour consquence une forte indtermination sur lappariement des vnements mme si lon dispose de la somme des trois signaux uniquement. lamplitude des pics gnrs par le dmarrage des compresseurs pourrait tre un paramtre discriminant entre les deux appareils. La courbe de charge des autres appareils se caractrise par la prsence dune composante damplitude constante (500 W) cette composante est nette sur la plage horaire [00 h, 5 h] ; il sagit dun exemple de talon de consommation ; cet exemple met galement en vidence limportance de la part de la consommation des appareils compris dans le talon : ici lamplitude est suprieure celle dun rfrigrateur et le talon est prsent en permanence.

2.2.7.3

Analyse vnementielle pour la reconnaissance du chauffage

Comme mentionn prcdemment, la rgulation rapide du convecteur en comparaison avec les autres appareils lectriques ainsi que les dures de fonctionnement ont pour consquence un nombre dvnements plus lev quand le chauffage est en marche 4 . Une analyse des vnements de la CdC totale peut se rsumer au comptage du nombre dvnements sur une fentre danalyse donne (analogie avec la Transforme de Fourier Court Terme). On introduit une densit dvnements illustre sur la gure (2.36). La courbe reprsentant la densit des vnements value partir de la CdC globale a des valeurs plus signicatives sur les plages horaires o le chauffage est en marche. Une transforme utile pour la dtection du chauffage serait alors la densit dvnements.

4. Exception : tous les convecteurs sont en rgime de saturation en permanence

64

F IGURE 2.35: Composantes de la CdC quotidienne - 12 juillet 2008 (Client A)

F IGURE 2.36: CdC quotidienne - 30 septembre 2008 (Client A)

65

2.2.7.4

Foisonnement du chauffage et du chauffe-eau

Limpact dune forte consommation du chauffage sur la CdC est illustre sur la gure (2.37). Si lon observe la puissance active de du chauffe-eau, on constate que malgr le foisonnement des deux principaux usages : la prsence de lECS se traduit par des variations importantes, brusques et quasi-rgulires de la puissance active gnrale ; la caractrisation de lECS partir de la puissance totale serait a priori plus simple sur la plage horaire allant de minuit jusqu 5 h.

F IGURE 2.37: Exemple de CdC quotidienne gnrale + ECS (Client A)

66

Synthse de lanalyse des signaux dusages lectriques


Bien queffectue sur des donnes issues de trois maisons tmoins uniquement, cette tude des signaux visait tudier la reproductibilit des signaux des usages lectriques, puis identier les descripteurs discriminants entre usages et les reprsentations adaptes dans une optique de caractrisation des usages. Lanalyse des signaux (puissance active ou puissance apparente moyenne) des appareils lectriques met en vidence les paramtres discriminants (forme des signaux, type de rgulation, amplitude, etc.) entre certains usages et permet didentier des similarits entre certains signaux (puissance moyenne dun convecteur et celle dun sche-linge par exemple). Nous proposons une description quantitative de certains usages travers lanalyse de certains paramtres tels que les variations du rapport cyclique dun convecteur, la pridocit des signaux de convecteurs, la symtrie entre les on et les off des convecteurs, lasymtrie entre le on et le off dun cycle de fonctionnement de lECS. Lanalyse des CdC gnrales montre quil est souvent difcile dinterpter la CdC dans son domaine dobservation direct (le domaine temporel). Cependant, il existe pour chaque usage au moins un mode de reprsentation o la reconnaissance de lusage (interprtation qualititative) est plus simple que dans une analyse directe. Par exemple, le spectrogramme et de la densit des vnements de la CdC permettent de reconnatre une signature caractristique des usages rgulation trs rapide, en loccurence le chauffage. En rsum, une base de connaissances apprises est constitue grce lanalyse des signaux rels. Les informations extraites sont de diffrentes natures. Il sagit : de descripteurs discriminants entre usages ; de domaines transforms o la sparation des usages est envisageable ; des similarits entre signaux et par consquent des potentielles sources de confusion entre usages ; dune description temporelle des signaux.

Orientations mthodologiques
Lanalyse des signaux a permis dextraire des connaissances complmentaires sur les usages de natures diffrentes : densit de probabilit dun paramtre donn, modle paramtrique des signaux ou encore des transformes permettant de discriminer certains usages. Ces informations nous permettent de tirer prot dune part du cadre gnrique des approches inverses baysiennes [Ia01] pour intgrer les connaissances a priori sur certaines grandeurs et de la mthodologie gnrale de sparation de sources mono-capteur fonde sur linterprtation du mlange partir dune reprsentation dans un domaine transform [BB03, BGB01]. Une prsentation des deux approches et des principaux travaux identis dans la littrature sont fournis en annexe (E). Les trois chapitres qui suivent sont respectivement ddis la segementation de la CdC, lestimation des paramtres des usages et la dcomposition de la CdC. Ils sappuient sur les deux mthodologies cites prcdemment et sur les connaissances apprises grce lanalyse des signaux. Dans chaque chapitre, nous prsentons la mthode propose, des critres dvaluation des algorithmes dvelopps et les premies rsultats obtenus partir des signaux rels. 67

Chapitre 3 Segmentation automatique de la courbe de charge


Introduction
Connatre le domaine de prsence de certains usages est utile pour le dveloppement de services tels que la dtection danomalies (mauvaise utilisation dun usage, le maintien domicile de personnes ges par exemple), loptimisation des scnarios de gestion dune installation donne ainsi que lanalyse dtaille de lnergie quotidienne consomme par usage (chapitre 4) . Dans ce chapitre, nous prsentons une approche automatique de segmentation de la CdC rsidentielle fonde sur la fusion de lensemble des dtecteurs ddis aux diffrents usages dintrt, ces derniers tant appliqus indpendamment les uns des autres la CdC. Cette approche, dite approche classe /autre est dcline dans le cas o les usages tudis sont le chauffage, le chauffe-eau et le froid alimentaire. Nous prsentons galement les premiers rsultats de lvaluation des algorithmes de dtection partir de signaux rels issus de trois maisons tmoins.

3.1
3.1.1

Mthodologie de segmentation de la CdC


Position du problme

La CdC rsidentielle est la superposition des signaux des diffrents appareils lectriques, un intervalle de temps donn peut donc tre allou des composantes diffrentes. Par exemple, le domaine de prsence du chauffage est souvent inclu dans le celui du froid alimentaire. Segmenter la puissance moyenne dune installation lectrique consiste dterminer le domaine de prsence (support temporel) de chaque usage (ou appareil) partir de la CdC gnrale. Prcisons que la dnition du domaine de prsence dpend de la nature de lusage tudi. En effet, il peut sagir : soit de lunion des intervalles de temps pendant lesquels la puissance appel par lusage est strictement positive (exemple : le chauffe-eau, sche-linge, etc.) ; soit de lunion des intervalles de temps pendant lesquels lusage est en marche, mais sa puissance peut sannuler de par son mode de rgulation (exemple : le chauffage, le froid alimentaire, etc.). 69

Aucune cohrence entre les domaines de dnition des usages nest requise tant donne lindpendance entre les usages qui contribuent la CdC. Les classes dusages prsents ainsi que leur nombre (not N ) sont inconnus. Nanmoins des usages dintrt sont prdnis dans le contexte de la thse : le chauffage par convecteurs lectriques, le chauffe-eau (ECS) et le froid alimentaire.

3.1.2

Approche envisage

Le problme gnrique est celui de la segmentation dun signal non-stationnaire, les classes recherches tant pralablement dnies. Ce problme a fait lobjet de nombreux travaux qui sappuient souvent sur lutilisation de reprsentations temps-frquence adaptes aux signaux tudis [MD04]. Deux approches sont envisageables. La premire approche consiste considrer le signal observ dans un mme et unique espace de reprsentation, la segmentation tant effectue par exemple par segmentation morphologique [PM95] dune reprsentation temps-frquence ou en utilisant un modle statistique du mlange dans le domaine transform choisi [Vin95, Hor, DDT02]. Une application la segmentation signaux sonores partir dune seule observation fonde sur un modle statistique du mlange est prsente dans [PGB]. La deuxime approche consiste identier des domaines transforms ddis aux diffrentes classes. Le problme initial est ainsi ramen N problmes de dtection, les rsultats des dtecteurs constituant les entres dun module de dcision. Cette approche est dnomme approche classe / autre . Cette approche prsente les deux avantages suivants : elle permet damliorer la discrimination dun usage donn sans en dtriorer les performances de discrimination des autres composantes et elle offre la possibilit dintgrer des classes supplmentaires sans modier la procdure existante. La segmentation de la CdC prsente deux particularits qui justient le choix dune mthodologie gnrale du type classe / autre . En effet, lanalyse des signaux des usages 2 a permis didentier des reprsentations (ou fonctions dobservation) permettant de discriminer certains usages. Par ailleurs, bien que certains usages soient choisis, lapproche propose doit pouvoir senrichir progressivement par lintgration dautres usages. Le schma gnral dcrivant lapproche ddie la segmentation de la CdC en N classes est prsent sur la gure (3.1), o chaque module de dtection se rsume par le test dhypothse suivant : H1 H0 : lusage cibl est actif (en marche) : lusage cibl nest pas actif (appareil teint ou inexistant dans linstallation)

Dans ce chapitre, nous nous focalisons sur le chauffage et le chauffe-eau. La segmentation de la CdC est dcompose en deux modules : un dtecteur du chauffage (chauffage / autre usage) et un dtecteur du chauffe-eau (ECS / autre). La segmentation du signal, illustre sur la gure (3.1), seffectue en fusionnant les rsultats de segmentation intermdiaires de sorte que le domaine temporel soit dcoup en quatre domaines : un domaine temporel o le chauffage et chauffe-eau fonctionnent simultanment ; un domaine temporel o le chauffage est actif alors que que le chauffe-eau ne lest pas ; un domaine temporel o le chauffe-eau est actif alors que que le chauffage ne lest pas ; un domaine temporel o le chauffage et le chauffe-eau sont tous les deux absents (inactifs). 70

F IGURE 3.1: Schma gnral de la segmentation de la CdC quotidienne rsidentielle

Dans les sections suivantes, nous dtaillons les dtecteurs mis en oeuvre, les critres dvaluation de chaque tape segmentation intermdiaire ainsi que les performances obtenus partir des signaux rels.

3.2
3.2.1
3.2.1.1

Segmentation chauffage / autre


Domaines transforms adapts
Le spectrogramme : un domaine de reprsentation adapt au chauffage

Lanalyse des signaux lmentaires et des CdC gnrales a mis en vidence les deux proprits suivantes du chauffage : le caractre quasi-priodique des signaux des convecteurs ; la rgulation rapide du chauffage en comparaison avec les autres usages. Compte tenu du caractre localement stationnaire[Fla93] de la CdC du chauffage, une repsentation temps-frquence adapte est la Transforme de Fourier Court Terme (TFCT) [Fla93], plus particulirement son module : le spectrogramme. Dans le cas discret, chaque coefcient du spectrogramme est dni par lquation suivante (3.1) : y [k, ] =|
2 j m 1 M Nf 2 h [ m k ] y [ m ] e | Mm =1

(3.1)

71

o y est le signal discret tudi, h est la fonction (fentre) danalyse de taille N f , M est la taille (nombre dchantillons du signal analys), k reprsente le temps et la frquence rduite. Dans cet espace de reprsentation, la prsence de chauffage se traduit par la prsence de raies horizontales quidistantes. On peut donc envisager de dtecter le chauffage en segmentant sa reprsentation temps-frquence. Le dtecteur dni et mis en uvre dans ce domaine est dtaill en (3.2.2). 3.2.1.2 La densit des vnements

La rgulation rapide des convecteurs (par rapport aux autres usages) se traduit par un nombre trs lev denclenchements et de dclenchements quand le chauffage est mis en marche. En effet, si un covecteur, un compresseur et un chauffe-eau sont en marche pendant un quart dheure, lordre de grandeur du nombre maximum dvnements par appareil est respectivement 40, 5 et 2. Nous introduisons une grandeur, la densit des vnements, qui sera utile la dtection du chauffage. Dnition Soit y(t ) le signal observ , y (t ) sa drive et tc0 la dure minimale de fonctionnement du chauffage (en pratique, tc0 est de lordre de 10 mn). Soit gs (t ) une fonction danalyse dnie comme suit :
1 1 si t 1 2 tc0 : 2 tc0 0 ailleurs

gs (t , tc0 ) =

(3.2)

La densit des vnements sy est dnie ainsi : sy (t , tc0 ) = y (t ) gs (t , tc0 ) o dsigne loprateur de convolution. Le dtecteur dni et mis en uvre dans ce domaine est dtaill dans la section (3.2.3). (3.3)

3.2.2
3.2.2.1

Dtection du chauffage dans le domaine temps-frquence


Une nouvelle mthode dinterprtation du spectrogramme

Un exemple de reprsentation temps-frquence, ici le spectrogramme, dune CdC gnrale en prsence du chauffage est illustr sur la gure (3.2). Les raies horizontales quidistantes consituent la signature du chauffage sur le spectrogramme. Les motifs spectraux entours avec des ellipses noires sur le spectrogramme correspondent la signature du lave-linge dans ce domaine. On constate que ces derniers apparaissent des frquences communes avec celles du chauffage. En effet, la CdC dun lave-linge prsente une composante rgulations rapides dont la priode de rgulation est quasiment gale celle des convecteurs. Cette observation vaut galement pour le sche-linge qui prsente une composante similaire (rgulation de la rsistance). Nanmoins, 72

la reconnaissance du chauffage est immdiate dans cet espace car les raies horizontales associes couvrent tout le domaine frquentiel danalyse, ce qui nest pas le cas pour le lave-linge. Nous proposons alors de caractriser le chauffage partir de cette reprsentation an dduire le support temporel de cet usage. De manire gnrale, linterprtation dune reprsentation temps-frquence consiste en deux processus : segmentation de la reprsentation temps-frquence ; classication des motifs spectraux dtects. Plusieurs approches paramtriques et non-paramtriques, supervises ou non-supervises sont proposes dans la littrature [DDC94, Vin95, PM95]. Nous investiguons une nouvelle approche semi-paramtrique et non-supervise de segmentation du spectrogramme illustre sur la gure (3.3). Nous dtaillerons cette approche [GDL+ 09] dans le cas de la caractrisation dun nombre inconnu de signaux quasi-priodiques localement stationnaires [Fla93] partir dune observation unique. La dmarche propose consiste en six tapes ( dtailles dans les paragraphes qui suivent) : reprsenter la courbe de charge y(t ) dans le domaine temps-frquence (par un spectrogramme par exemple y ) ; segmenter le spectrogramme obtenu en utilisant un dtecteur de non stationnarits dans lespace temps-frquence. Le dtecteur mis en oeuvre est fond sur la modlisation statistique de la TFCT [Hor] et permet dobtenir une carte temps-frquence constitue par lensemble des motifs spectraux pertinents. Ce dtecteur est paramtr par la probabilit de fausse alarme (xe) Pf a . Cette tape est dtaille en (3.2.2.2). binariser (seuillage) la carte temps-frquence (Lga ). Cette est un prtraitement pour ltape de classication des motifs dtects. extraire les motifs frquents (Msp ) (dont nous donnerons une dnition) par une mthode appele extraction des motifs frquents dcrite en (3.2.2.3). classer les motifs frquents pour sparer ceux du chauffage (MCH ) de ceux associs aux autres usages ; dterminer le domaine temporel de prsence du chauffage (d1 (t )). Ces diffrentes tapes (hormis la premire tape) sont dtailles dans les paragraphes qui suivent.

73

F IGURE 3.2: Exemple de spectrogramme dune CdC gnrale (Te = 2s, N f = 512 chantillons)

F IGURE 3.3: Schma gnral de la dtection du chauffage dans le domaine temps-frquence

74

3.2.2.2

Segmentation du spectrogramme

Objectif Lobjectif est dobtenir une segmentation du spectrogramme y [k, ] (o k reprsente le temps et la frquence rduite) en deux rgions : LH0 est la rgion contenant les motifs spectraux utiles et LH1 correspondant au bruit de fond de la RTF, ce qui revient dtecter les non-stationnarits temporelles et frquentielles dans ce domaine. Le dtecteur de ces nonstationnarits [MD04] sappuie sur les variations du moment dordre 2 du signal dans le domaine temps-frquence. Il est dni pour reprsentation temps-frquence dont on sait calculer une estimation : un spectrogramme ou un corrlogramme glissant par exemple et en introduisant le minimum dinformations a priori. Dans la suite, on prsente le principe gnral du dtecteur ainsi que quelques lments sur le test dhypothse dans le domaine temps-frquence, les principales tapes de lalgorithme et les rsultats obtenus avec cette mthode. Principe du dtecteur Ltape de dtetcion consiste confronter les deux hypothses suivantes : H0 : Signal alatoire stationnaire, de puissance moyenne nie, ventuellement augment dun signal dterministe, sa densit de probabilit marginale p0 est connue mais de paramtres inconnus. H1 : Signal stationnaire par morceaux de densit de probabilit inconnue. La statistique du dtecteur est dnie partir dun seul coefcient de la TFCT, ce qui permet de tenir compte de la localit temps-frquence et dtecter les non-stationnarits. Ainsi, pour un signal y de M chantillons et pour une probabilit de fausse alarme Pf a xe, le problme de dtection se rcrit comme suit : A la frquence rduite , si y [k, ] Pf a [ ] alors : lhypothse H0 est retenue, o Pf a [ ] est le seuil de dtection x pour une frquence donne en fonction de la probabilit de fausse alarme choisie. Ce seuil est dni par lquation suivante (3.4) : Pfa =
Pf a [ ]

p0 (u) du

(3.4)

An de dterminer ce seuil, il est ncessaire de dnir le modle statistique du spectrogramme, puis dinverser lquation (3.4) pour estimer le seuil. Densit de probabilit des coefcients du spectrogramme An dexpliciter le choix de cette loi de probabilit des coefcients du spectrogramme, nous nous ramenons au test dhypothse simpli suivant : : Signal alatoire stationnaire b, gaussien centr de variance 2 , ventuellement augment H0 dun signal dterministe d. : rejet de H . H1 0 75

Si de plus la fentre danalyse (utilise pour construire le spectrogramme) est rectangulaire, daprs le thorme central limite, chaque coefcient du spectrogramme du signal b suit une loi du 2 l degrs de libert. Par consquent, chaque coefcient du spectrogramme du signal y suit une loi Gamma (l /2, 2 /2, 0). Si un signal dterministe vient sadditionner au bruit gaussien observ, alors les coefcients de la TFCT suivent des lois du 2 dcentrs du mme degr de libert l et dont les paramtres de dcentrage sont dnis par la relation suivante :
d [k, ] =l b [k, ] o d [k, ] et b [k, ] sont respectivement les cofcients du spectrogramme du signal d et du signal b. Par consquent, le spectrogramme peut tre modlis par un mlange de lois de 2 centrs et dcentrs. Les paramtres des lois dcentrs sont foncion du rapport signal bruit.

Seuil de dcision Etant donn la modlisation statistique du spectrogramme, propose dans [MD04], le seuil de dcision est obtenu par inversion de lquation (3.4) et est dtermin en fonction de la moyenne des observations stationnaires de lespace LH 0 [ ]. Pour plus de pcisions sur ce calcul, le lecteur pourra se rfrer [MD04, GDL+ 09]. Algorithme de dtection de non-stationnarits sur un spectrogramme Le test de dtection dans le plan temps frquence repose sur la connaissance de la moyenne des lments de LH 0 [ ] que lon cherche. Cest pourquoi, la construction des deux espaces dobservation LH 0 et LH 1 est ralise itrativement. Les diffrentes tapes de lalgorithme sont illustres par la gure (3.4). Pour chaque frquence , LH 0 [ ] est initialis par les p% coefcients de plus faible intensit, le paramtre p tant un paramtre x par lutilisateur, 80% dans notre cas. En effet, les amplitudes des coefcients du spectrogramme ont de plus faibles intensits sous H0 (signal stationnaire) que sous H1 . A chaque itration, le seuil de dtection Pf a [ ] est actualis en fonction de la moyenne de lensemble des observations de LH 0 [ ] litration prcdente et les deux espaces dobservations sont actualiss. Le critre darrt est la stabilit des deux ensembles recherchs. Le rsultat de cette procdure est une carte temps-frquence qui peut tre code comme suit : les lments de LH 1 sont reprsents par un code couleur, ceux de LH 0 sont mis zro. En rsum, le dtecteur mis en uvre est rcursif et utilise uniquement la connaissance de la famille de p0 . Pour plus de dveloppements sur ce dtecteur et son adapatation la CdC lectrique, le lecteur peut se reporter [GDL+ 09]. Le rsultat obtenu est une carte temps-frquence, que lon peut assimiler une image constitue de plusieurs motifs (les motifs spectraux), dont ceux gnrs par les signaux de convecteurs. Un exemple de rsultat de lapplication de ce dtecteur est prsent sur la gure (3.5) : on y observe la rgion de bruit de fond (bleu, 0 dB) et les motifs spectraux utiles dintensit strictement suprieure 0 dB.

76

F IGURE 3.4: Schma gnral de la dtection du chauffage dans le domaine temps-frquence

F IGURE 3.5: Segmentation du spectrogramme dune CdC lectrique

77

3.2.2.3

Extraction des motifs spectraux pertinents

Une fois la segmentation du spectrogramme effectue, nous obtenons la runion de deux familles de motifs spectraux : ceux gnrs par les convecteurs et ceux gnrs par les autres appareils. Il faut extraire automatiquement les motifs spectraux pertinents pour notre problme, savoir ceux des convecteurs. Lanalyse des images obtenues montre que les signatures des convecteurs se diffrencient principalement : par leurs formes gomtriques (quasi-rectangulaire) ; ainsi que par la frquence dapparition de chaque motif spectral. Par ailleurs, nous observons que sur un intervalle de temps o le chauffage est enclench, les motifs sont quasiment de mme taille et sont quidistants. Ces a priori sont exploits pour dnir une mthode automatique dextraction de ces motifs. Nous avons utilis une mthode issue du domaine du Data Mining : lextraction de motifs frquents [CR03]. La base des donnes traites doit tre binaire. Cette base est reprsente par une matrice dont les lignes sont appeles : objets et les colonnes attributs. On obtient ainsi des groupes dobjets qui partagent les mmes attributs, appels motifs dobjets ou motifs dattributs. Remarque : Dans notre cas dapplication, les objets (ou transactions) sont les indices temporels, les attributs sont les frquences.

Dnition Un motif frquent est un motif pour lequel le nombre dobjets contenant ce motif, appel support, dpasse un certain seuil appel frquence de coupure [CR03]. Les premiers travaux sur lextraction de motifs frquents dans une base de donnes remontent 1996, date de la conception du premier algorithme APRIORI par Agrawal [Agr96]. Lextraction des motifs frquents consiste chercher, dans une large base de donnes, les motifs dattributs rencontrs frquemment . Plus prcisment, la recherche des motifs seffectue sur une reprsentation condense des donnes sous forme dun treillis (de Galois). Exemple illustratif An dillustrer le principe de cette mthode, nous considrons un cas simli dune matrice binaire prsente sur la gure (3.6), o les lignes correspondent aux indices des fentes danalyse et les colonnes reprsentent les frquences (observes (1) ou non (0)) pour une fentre danalyse donne.

78

(a)

(b)

(c) F IGURE 3.6: Illustration de lextraction des motifs frquents : (a) Matrice des donnes Treillis (c) Motifs obtenus pour f c = 2 79 (b)

Le treillis associ cette matrice est prsent sur la gure (3.6). Il est obtenu de la manire suivante : On cherche les frquences (isoles) prsentes. Pour chaque frquence, on compte le nombre dapparition sur le domaine temporel dtude (fentres danalyse). Ainsi, nous constatons que la frquence f1 (entoure avec une ellipse bleu sur la gure (3.6) (b)) apparat 6 fois par exemple sur le domaine temporel danalyse. Une fois ces frquences identies, on cherche les couples (triplet, quadruplet, etc) de frquences qui apparaissent au mme instant (indice de fentre temporelle) et on compte le nombre dapparition de ces motifs. Dans le cas considr, les frquences f1 et f2 apparaissent 6 fois la mme fentre danalyse. Il sagit des apparitions aux indices 0, N f , 2N f , 3N f , 6N f , 7N f et 8N f . Considrons maintenant une frquence de coupure f c = 2. Lapplication de cette frquence de coupure au treillis implique la suppresion de toutes les associations dont le nombre doccurence est infnrieur la frquence choisie. Les motifs supprims sont entours avec des rectangles rouges sur la gure 3.6 (c). Cette mthodologie est appliqu la carte temps-frquence binarise aprs dtection des nonstationnarits. 3.2.2.4 Identication du support temporel du chauffage lectrique

Les motifs frquents sont extraits avec un logiciel dvelopp au sein de luniversit de Caen : MvMiner. Lextraction des motifs frquents dans le cas de la CdC lectrique est ralise pour une frquence de coupure dnie empiriquement en fonction de la dure minimale de fonctionH (de lordre de 10 mn) de la manire suivante (3.5) : nement dun convecteur tmin fc = E
H 2 tmin Te N f

(3.5)

o E dsigne loprateur partie entire et N f est la taille de la fentre danalyse utilise pour la construction du spectrogramme. En pratique, nous avons choisi N f = 512. Les motifs gnrs par le chauffage sont inclus dans lensemble des motifs frquents extraits. Ils ont la particularit suivante : ils couvrent la totalit de laxe frquentiel : ce sont les motifs les plus longs. Un test sur la longueur des motifs frquents permet de slectionner ceux du chauffage. Pour obtenir le support temporel du chauffage, il suft dassocier une fentre rectangulaire de taille N f chaque colonne de la carte des motifs extraits ds que celle-ci nest pas partout nulle (c..d elle contient des pixels attribus au convecteurs). Consquence Par construction le dtecteur propos ne donne pas lieu de fausses alarmes. En effet, les sources dalarme tels que les signaux gnrs par le sche-linge ou les appareils de cuisson sont des motifs frquents, mais ne sont pas les plus longs. La gure (3.7) prsente la carte des motifs frquences binarise issue de la dtection de nonstationnarits (haut de la gure) ainsi quune reprsentation des motifs associs aux convecteurs (bas de la gure). Les deux rgions entoures avec des ellipsesvertes mettent en vidence la fragmentation des motifs extraits. Ce phnomne est li en ralit au fait quaprs dtection de non-stationnarits et binaraisation, les motifs ne sont plus compacts. Les motifs entours par 80

F IGURE 3.7: Extraction des motifs du chauffage lectrique : CdC du 5 au 9 Dcembre 2004 (Te = 2s)

des rectangles rouges rendent compte de la sous-estimation du domaine associ au chauffage et par consquence une sous-estimation de la dure quotidienne de fonctionnement de cet usage. Ce risque est dautant plus important que la forme du motif spectral aprs binarisation diffre dun rectangle, notamment cause de lapodisation du spectre. Ces deux phnomnes donnent lieu naturellement des zones de non-dtection du chauffage, et a priori une sous-estimation de lnergie consomme. Un critre dvaluation des performances du dtecteur consiste quantier la part de la dure de prsence de chauffage non-dtect. Si d1 (t ) est le dtecteur de prsence du chauffage (grandeur binaire) et d1 (t ) est le support temporel de rfrence du chauffage, on dnit un taux de nondtection (3.6) : d1 ( ) d = I I d1 ( ) d

glob CH

(3.6)

o I est le domaine danalyse de la CdC (une journe). Le dtecteur propos est test sur une base de signaux rels dun seul client (pour des raisons de disponibilit des donnes). Une tude de performance de ce dtecteur sur les nouvelles donnes de la campagne de mesures est envisage en perspective de cette tude. 81

La gure (3.8) prsente la CdC de chauffage et le rsultat du dtecteur dni. Sur cette gure, la courbe en gris reprsente la CdC du chauffage obtenue par segmentation manuelle de la CdC gnrale. En effet, nous ne disposions pas du sous-comptage du chauffage. La courbe en rouge reprsente le dtecteur obtenu d1 (t ) multipli par un facteur 6.2 kW pour mettre en vidence les performances de la dtection. Les zones entoures avec des ellipses noires correspondent des zones de chauffage non-dtectes par lalgorithme. Le taux de non-dtection obtenu sur lensemble des CdCs quotidiennes du mois de dcembre 2004 est denviron 10%. Un post-traitement des rsultats, notamment un ltrage morphologique pour pallier le problme de fragmentation des motifs, permettrait damliorer considrablement ce rsultat.

F IGURE 3.8: Dtection du chauffage lectrique partir de lextraction des motifs frquents les plus longs

Remarquons aussi que ce rsultat est global, et sert valuer les performances globales du dtecteur. Dun point de vue offre de services nergtiques, il na de sens quen fonction de lerreur destimation de lnergie consomme qui serait induite par les zones de non-dtection. 82

3.2.2.5

Contributions et discussions

Une nouvelle approche automatique pour interprter une reprsentation temps-frquence, plus prcisment le spectrogramme, est propose. La mthode dveloppe est semi-paramtrique et non-supervise. Elle repose sur la combinaison de deux mthodes existantes pour raliser la procdure dinterprtation. Le processus de segmentation est effectu par lintermdiaire dun dtecteur temps-frquence fonde sur la modlisation statistique de la TFCT. Le processus de classication fait appel la mthode dextraction des motifs frquents. Lutilisation conjointe de ces deux mthodes est nouvelle et permet de rpondre au problme particulier de la segmentation du chauffage partir de la CdC gnrale. Notons que ce dtecteur ne ncessite aucune connaissance sur les appareils prsents chez le client. De plus, la dtection du chauffage ne dpend pas du nombre de convecteurs. Cette proprit est en ralit due au nombre limit des priodes de rgulation (2 valeurs uniquement). Les premiers rsultats sur des donnes relles sont encourageants au regard des critres souhaits par lentreprise, savoir une erreur relative maximale de 15%. Nanmoins, une tude de performance du dtecteur et son valuation conjointement avec lestimation de lnergie reste encore raliser. Le principal inconvnient de cette mthode et quelle ne permet pas de dtecter le chauffage quand tous les convecteurs sont en permanence en rgime de saturation. Les perspectives de cette approche portent sur le volet applicatif ainsi que le volet mthodologique. Dans le cas particulier de la CdC, il serait intressant dtudier lapplicabilit de cette approche la caractrisation dautres usages lectriques. En effet, il serait intressant dtudier de manire plus gnrique lapport de lutilisation conjointe des deux mthodes de segmentation et de classication pour linterprtation dune reprsentation temps-frquence des signaux non-stationnaires.

3.2.3
3.2.3.1

Dtection du chauffage par seuillage de la densit des vnements


Connaissances a priori

Nous avons vu que la densit des vnements constitue une transforme adapte la reconnaissance du chauffage partir de la CdC gnrale. Cette proprit est lie la rgulation rapide des convecteurs. Il est alors plus pertinent de considrer la densit des vnements de la composante dite rgulations rapides yr (t ) dnies par la dure caractristique Tr (cette dure est de lordre dune minute). Ce signal est la superposition de deux signaux : les rgulations CH rapides des convecteurs yCH r (t ) et les rgulations rapides dautres usages yr (t ) (le sche-linge, le lave-linge et certains appareils de cuisson). La composante rgulations rapide scrit ainsi (3.7) :
CH yr (t ) = yCH r (t ) + yr (t )

(3.7)

Lanalyse des signaux (chapitre 2) montre que les rgulations des usages autre que le chauffage lectrique vrient lune des deux proprits suivantes : Lamplitude des vnements de la composante rgulations (de ces usages) est plus faible que lamplitude minimale dun vnement gnr par un convecteurs. 83

La dure de la phase de rgulation rapide (de ces usages) est infrieure la dure minimale de fonctionnement dun convecteur. Nous exploitons ces connaissances apprises de lanalyse des donnes pour dnir une mthode de segmentation du chauffage, que nous dcrivons dans la sous-section suivante. 3.2.3.2 Approche propose

Lapproche propose repose sur un test dhypothses sur une grandeur pertinente pour la dtection du chauffage. Il sagit de la densit des vnements de la composante rgulations rapides de la CdC analyse. Le schma gnral de la segmentation est illustr sur la gure (3.9). La mthode consiste en trois tapes : lextraction des rgulations rapides du signal observ ; lvaluation de la densit des vnements dnissant ainsi une fonction de contraste pour le test dhypothses ; lapplication dune rgle de dcision (par seuillage).

F IGURE 3.9: Schma gnral de lapproche vnementielle pour la dtection du chauffage lectrique Ces trois modules de la procdure ainsi que le choix des paramtres sont dcrits ci-aprs. Extraction des rgulations Lobjectif est dextraire le signal yr (t ) sachant que y(t ) = yr (t ) + CH yau (t ) o yau (t ) est la composante autre que les rgulations rapides et yr (t ) = yCH r (t )+ yr (t ). Une solution fonde sur un ltre passe-haut nest pas approprie car elle donne lieu une dformation des crneaux de la composantes des rgulations rapides. Or, lvaluation de la densit des vnements ncessite de garder cette sutructure des crneaux du mlange. Notre objectif est de construire un ltre hr paramtr par une fentre rectangulaire (lment structurant) de largeur Tr vriant les trois conditions suivantes : les ruptures lies aux on et off sont conserves ; la dure Tr est choisie de manire empirique dans lintervalle [T01 , T02 ] o T01 (valant 40 s) et T02 (valant 80 s) sont les priodes des caractristiques des convecteurs ; les rgulations de dure infrieure ou gale la dure caractristique Tr sont prserves. La morphologie mathmatique offre la possibilit de construire cette classe de ltre. Le ltre choisi, dnomm ltre Chapeau Haut de Forme, est le rsidu entre lidentit et une ouverture dont llment structurant est fentre rectangulaire de largeur Tr , cette dernire consistant valuer les minima du signal ltrer sur une fentre glissante de largeur Tr . 84

Pour une dnition du ltrage morphologique et une illustration de louverture, fermeture ou une combinaison des deux dans un ordre donn, le lecteur peut se reporter lannexe F et aux ouvrages de George Matheron et Jean Serra (Morphologie Mathmatiques et granulomtries en place, eisti.fr). Densit des vnements des rgulations rapides La densit dvnements de la composante rgulations yr (t ) est calcule pour une valeur donne tc0 , ce paramtre tant la dure minimale de fonctionnement dun convecteur dont on souhaite garantir la dtection. En pratique, nous choisissons tc0 = 10 mn. Soit yr (t ) = yr (t + Te ) yr (t ) la srie des accroissements de yr (t ) (gradient de la composante rgulations). Avant dvaluer la densit des vnements, nous ltrons les vnements damplitude infrieure lamplitude minimale choisie Ac0 , appele amplitude critique. En pratique, Ac0 vaut 350 W, valeur dnie en fonction de lamplitude minimale dun signal de convecteur savoir 450 W. Ainsi, les vnements gnrs par les compresseurs et les appareils de veille par exemple sont ltrs. La srie des vnements signicatifs r (t , Ac0 ) par rapport lamplitude critique Ac0 est alors dnie en (3.8) : r (t , Ac0 ) = 1 si | yr (t ) | Ac0 0 sinon (3.8)

La densit des vnements des rgulations rapides damplitude signicative est donne par lquation (3.9) : sr (t ) =| r (t ) | gs (t , tc0 ) (3.9)

Cette fonction est un compteur des vnements signicatifs sur une fentre de largeur tc0 . Remarque Nous avons vu que le paramtre tc0 est dni empiriquement par la dure minimale de fonctionnement dun convecteur que lon souhaite dtecter. Une autre manire de dnir ce paramtre consiste xer le nombre minimum de priodes Nc0 ncessaire pour dtecter un convecteur isol en rgime de rgulation. La dure tc0 est alors approche par la relation suivante : tc0 = Nc0 Tr . Rgle de dcision La rgle de dcision permettant de dtecter le chauffage est en effet une rgle de seuillage, qui permet de sparer s en deux rgions de recouvrement non vide, correspondant respectivement lusage chauffage et aux usages autre que le chauffage. La dtection du chauffage est alors formule ainsi (3.10) : H1 : sr (t ) s0 alors le chauffage est en marche H0 : sinon le chauffage est teint (3.10)

o s0 est un seuil de dtection dni qualitativement en se basant sur les connaissances apprises partir de lanalyse des signaux. 85

Choix du seuil de dtection On propose de choisir un seuil au plus gal au nombre dvnements (on-off ) gnr par un convecteur de priode de rgulation Tr fonctionnant sur une dure tc0 et au moins gal la moiti de cette valeur. Une expression de ce seuil est explicite par lquation suivante : s 0 = 0 tc0 1 o 0 , 1 Tr 2 (3.11)

o 0 est un paramtre ajuster. La valeur 0 = 1 correspond appliquer un seuil gal Nc0 , ce qui ne permet pas de dtecter des convecteurs en marche si leur dure de fonctionnement est infrieur la dure limite choisie. 3.2.3.3 Illustrations

La gure (3.10) illustre lextraction des rgulations rapides partir dun exemple de CdC semisynthtique 1 . Le signal tudi est un mlange des CdCs lmentaires des appareils suivants : 2 convecteurs fonctionnant sur la plage temporelle [t1 , t1 ] [t2 , t2 ], un lave-linge, un sche-linge, un rfrigrateur et un chauffe-eau. Idalement, le signal yr (t ) est quasiment nul en dehors du domaine de fonctionnement du chauffage. Or, on constate que ce signal peut prendre des valeurs signicatives (de lordre de 2000 W) vers 12h. En effet, ces rgulations son celles gnres par le sche-linge et le lave-linge (zoom sur la gure (3.11)). La densit des vnements signicatifs ainsi que le seuil de dcision sont prsents sur la gure (3.11). On constate que le dtecteur mis en uvre permet didentier le support temporel de lusage chauffage avec une fausse alarme lie au fonctionnement du sche-linge (ellispe rouge sur la gure 3.11).

1. Le mlange est simul, les signaux du mlange sont rels.

86

F IGURE 3.10: Extraction des rgulations rapides partir dune CdC gnrale (Ac0 = 350 W, Te = 1 s, tc0 = 1400 s et Tr = 80 s)

F IGURE 3.11: Illustration de la dtection par seuillage de la densit des vnements (s0 = 35) 87

3.2.3.4

Amlioration du dtecteur du chauffage

Les consquences dune fausse alarme, au sens de la dtection du chauffage mais aussi de lestimation de lnergie consomme par cet usage, sont consquents en cas dabsence de chauffage (pas de chauffage lectrique ou hors priode de chauffe) ou bien pour les clients ayant trs peu de convecteurs. Lobjectif est de rduire limpact de cette source de fausse alarme. Les signaux de convecteurs et du sche-linge ont les mmes proprits frquentielles. Lamplitude des signaux ne permet pas non plus de les discriminer. Mais, lanalyse des signaux de convecteurs a mis en vidence la proprit de symtrie des vnements dun convecteur, ce qui nest pas le cas pour le sche-linge. Rappelons que la CdC dun sche-linge est un foisonnement de la puissance de la charge rsistive (source de rgulations quasi-priodiques) et dun moteur (faible amplitude, signaux piqus). An de tirer prot de cette diffrence entre les deux classes de signaux, en vue de la dtection du chauffage, nous introduisons un nouvel espace de reprsentation des vnements issus dune CdC donne dnomm lespace (P+ , P ) : il sagit de reprsenter les vnements du type off (accroissements ngatifs) en fonction des vnements du type on (accroissements positifs). La srie des vnements est en effet le gradient de la CdC observe. Comme illustr sur la gure (3.12), la signature dun convecteur dans ce domaine est un nuage de points rparti autour de la premire bissectrice. Une procdure de dtection du sche-linge et destimation de son support temporel a t mise en uvre, et exploite les deux a priori suivants : asymtrie de la signature du sche-linge dans le domaine (P+ , P ) ; le minimum de la puissance nominale dun sche linge (environ 2000 W).

F IGURE 3.12: Signatures de convecteurs et dun sche-linge dans le domaine (P+ , P ) 88

3.2.3.5

Contributions et discussions

Le chauffage par convecteurs lectriques est le rsultat du foisonnement dun nombre inconnu de CdC lmentaires de convecteurs. Les caractristiques des convecteurs (amplitude, priode de rgulation, volution du rapport cyclique) sont inconnues. An de dtecter la prsence de cet usage, partir dune CdC gnrale quelconque, et didentier le support temporel de cet usage, nous proposons de dtecter cet usage partir de la fonction de densit des vnements. Ce dtecteur sappuie sur la proprit fondamentale suivante : un convecteur a des rgulations rapides dnies par une dure de rgulation critique et une amplitude minimale des rgulations. La procdure de dtection propose prsente les avantages suivants : elle ne ncessite aucune connaissance sur linstallation tudie ; si le chauffage est en marche, il suft quun des convecteurs prsents ne soit pas en rgime de saturation pour que la dtection de lusage soit garantie ; la mthode de dtection propose est paramtre par rapport une connaissance a priori de lordre de grandeur des rgulations des convecteurs. Par consquent, tant que le type dappareil de chauffage prsente des rgulations et quon a un a priori sur la priode maximale et sur la priode minimale de rgulation, lalgorithme dvelopp pour des convecteurs peut tre gnralis dautres systmes de chauffage. par construction, le dtecteur dni est robuste aux sources potentielles de fausses alarmes suivantes : les appareils de cuisson, les rgulations du lave-linge ou du lave-vaisselle. Par construction le dtecteur de chauffage propos donne lieu une non-dtection systmatique si tous les convecteurs en fonctionnement sont soit en rgime de saturation soit sur des dures trs courtes par rapport la dure minimale de dtection choisie. Une fausse alarme systmatique apparat en prsence de rgulations du sche-linge fonctionnant en absence de chauffage. Une amlioration du dtecteur travers la dtection du sche-linge a galement t propose et sera utile lors de lestimation de lnergie quotidienne consomme.

3.3

Segmentation ECS / autre

Lanalyse des signaux a permis de mettre en vidence les caractristiques suivantes de la CdC de leau chaude sanitaire (pour une frquence dchantillonnage de lordre du Hertz) : Cet appareil a un fonctionnement en tout ou rien ; Cette proprit sera rsume par un modle dit de fonctionnement tout ou rien T R Asymtrie de lamplitude dun on et dun off du mme cycle de fonctionnement. Cette proprit sera rsume par le modle dasymtrie des amplitudes not AA . Au regard des donnes analyses, ce modle se traduit par une loi normale dont les caractristiques sont celles estimes empiriquement partir des donnes. Nous avons par ailleurs mis en vidence les proprits temporelles de cet usage en tudiant les dures ti j avec i, j {0, 1}, que nous rsumerons par le modle global des dures Durees .

3.3.1

Principe

Lobjectif est de dtecter les vnements de la CdC vriant les proprits prcdentes quelle que soit la CdC tudie. Cet objectif peut tre atteint en deux tapes : 89

la premire tape consiste dtecter des vnements damplitude signicative ; la seconde consiste slectionner uniquement les vnements vriant les caractristiques intrinsques lECS. Or le chauffage lectrique gnre des vnements de forte amplitude galement. Une dmarche squentielle telle que propose donnerait lieu plusieurs vnements dtects parmi lesquels il faudrait extraire ceux de lECS. An dviter une grande combinatoire et de rduire le cot calculatoire du dtecteur, nous proposons dappliquer la procdure de dtection la CdC ne contenant pas les rgulations rapides gnres par chauffage. Le principe du dtecteur propos est rsum sur la gure (3.13), o : 0 et h0 sont des paramtres ncessaires ltape de dtection des vnements proprement parler ; d2 (t ) est le dtecteur de lECS (vaut 1 quand un on est dtect, 1 quand un off est dtect et 0 ailleurs).

F IGURE 3.13: Schma gnral de dtection de lECS partir dune CdC gnrale (Te 1s) La dtection des vnements associs lusage ECS est fonde sur lutilisation dun test de Page-Hinkley. Seuls les vnements qui vrient les proprits spciques lECS sont retenus. Ce module est dtaill dans le paragraphe suivant. Illustration de lextraction des rgulations Les gures (3.14, 3.15, 3.16) prsentent trois exemple de CdCs gnrales, les signaux ltrs yau (t ) et les puissances appeles par lECS mesures dans chaque cas. On constate quen absence de chauffage lectrique ou dans le cas o trs peu de convecteurs sont en marche sur une dure limite, le ltrage met en vidence la CdC de lECS. Le cas de la CdC o plusieurs convecteurs sont en marche montre que la dcomposition du signal ltr est plus simple que celle du signal brut. Cependant, certaines sources de fausses alarmes persistent, par exemple quand des appareils lectromnagers sont prsents ou encore en prsence dune composante basse frquence gnre par le foisonnement de plusieurs convecteurs (zone entoure avec une ellipse noire). Do lutilit dintroduire les connaissances a priori sur les lois des dures et de lamplitude (asymtrie entre lenclechement et le dclenchement) du chauffe-eau an de slectionner les vnements pertinents. 90

F IGURE 3.14: Illustration du ltrage de la CdC gnrale en absence de chauffage lectrique

F IGURE 3.15: Illustration du ltrage de la CdC gnrale en prsence chauffage lectrique de faible consommation 91

F IGURE 3.16: Illustration du ltrage de la CdC gnrale en chauffage en marche toute la journe (forte consommation)

3.3.2

Dtection des vnements

Lobjectif est de dtecter les vnements (on, off ) gnrs par lECS. Le dtecteur propos consiste : dtecter des sauts de la moyenne (dtection des sauts positifs et des sauts ngatifs) partir du signal ltr yau (t ) ; ne retenir que les vnements vriant les proprits respectant les modles AA et Durees caractristiques de lECS. 3.3.2.1 Test de Page-Hinkley avec a priori

Diffrents algorithmes de dtection de ruptures de la moyenne existent dans la littrature [BN93] et exploitent ou non la connaissance a priori de la variation damplitude dtecter, dont le test de Page-Hinkley. Ce test a pour nalit de dtecter les instants des ruptures positives et ngatives et destimer la moyenne avant et aprs la rupture. Nous lavons adapt au cas dapplication de lECS. Soit Amin 2 lamplitude minimale du saut dtecter (de lordre de 1000 W en pratique), N la taille du signal observ et la moyenne dtecter. Le dtecteur consiste mener deux tests dhypothses en parallle an de dtecter un accroissement ou une dcroissance. On considre la variable intermdiaire dnie par la relation suivante : 92

[k] = [k] + [k] pour k [1, N ] o est un bruit blanc gaussien centr de variance 2 . Si une rupture a lieu linstant k0 , alors [k] = 0 si k k0 1 . [k] = 1 si k k0 La dtection dun saut ngatif de la moyenne est obtenue par la procdure suivante : W0 = 0 Amin Wn = [k] 0 + 2
1kn 2

(3.12)

Mn = max (Wk ) 0kn Une alarme a lieu ds que M W n n La dtection dun saut positif de la moyenne est obtenue par la procdure suivante : U0 = 0 Amin Un = [k] 0 + 2
1kn 2

(3.13)

mn = min (Uk ) 0kn Une alarme a lieu ds que U m n n Le seuil de dtection est estim de manire itrative. Il est initialis la valeur = 2h0 /Amin 2 . Les deux tests tant mens simultanment, la dcision prise correspond au test qui vrie le critre darrt en premier. Les termes de sommes cumules sont mis jour aprs chaque rupture dtecte. 3.3.2.2 Slection des vnements pertinents

Aux critres darrt dnis en (3.12) et (3.13), dautres critres traduisant les contraintes que doit vrier un on ou un off sont introduits an de slectionner les candidats la liste dvnements de lECS : t11 , t00 et t10 dsignent respectivement la dure entre deux on successifs, la dure entre deux off successifs et la dure entre un on et un off successifs. En pratique, soit l ltiquette de lvnement dtect, l vaut 0 si lvnement dtect est du type off et 1 sil sagit dun on. Mise part la phase dinitialisation, Ev (tic , Ac i ) est lvnement dtect (avec le test de PageHinkley) et Ev (t j , A j ) est le dernier vnement accept. Prenons le cas particulier o lvnement dtect est tel que l vaut 0. Si A j Ac i 0 alors le nouvel vnement (rupture de la moyenne) nest pas retenu. sinon mise jour des dures en fonction de lvnement dtect Si les dures suivent le modle Durees alors lvnement dtect est accept. sinon, aucune alarme. 93

A lissue de lapplication du test de Page-Hinkley, dont les critres darrt sont modis, on obtient une liste dvnements candidats lusage ECS. Le dtecteur obtenu, ddi lECS, sera appel dtecteur de Page-Hinkley avec contraintes du type ECS.

3.3.3

Dtecteur squentiel de lECS

An dextraire les vnements gnrs par lECS partir dune CdC globale donne, nous proposons une dmarche squentielle qui sappuie sur la mise en uvre des deux tapes dcrites dans le paragraphe prcdent. Plus prcisment, lagorithme mis en uvre est compos des tapes suivantes : 1. Segmenter la CdC 2. Appliquer le dtecteur dvnements pertinents (Page-Hinkley avec contraintes) sparment un ensemble de segments pr-dnis de la CdC, et dont lobtention est dtaille ci-aprs.

Segmenter la CdC Les rsultats de lapplication du dtecteur intial propos ont mis en vidence la grande sensiblit du dtecteur la prsence du chauffage (par lintermdiaire de la composante basse-frquence) et la prsence dun gestionnaire dnergie. An damliorer la robustesse du dtecteur dans de telles congurations, nous proposons de traiter sparment des zones dites critiques Zc de la CdC et des zones non-critiques Zau . Les zones critiques sont les zones forte consommation de chauffage. La segmentation de la CdC est effectue de la manire suivante : Dterminer les zones Zc et Zau par un oprateur de seuillage du signal yr (t ) (composante rgulations de la CdC tudie) sous-chantillonn la priode 10 mn. Dterminer les intervalles sur lesquels le dtecteur sera appliqu : intersection de la liste des zones Zc et Zau avec la liste des intervalles dnis par dfaut savoir [00 h, 06 h],[05 h, 10 h], [08 h, 20 h], [18 h, 22 h] et [20 h, 00 h[ 2 .

Appliquer le dtecteur sur chaque intervalle dintrt Soit Im la zone tudie et ym au (t ) le signal yau (t ) tronqu sur cet intervalle. Le dtecteur fond sur le test de Page-Hinkey avec contraintes est appliqu au signal ym au (t ) sur Im , ainsi quau signal (retourn temporellement) ym ( t ) . Ce choix est justi par les observaau tions suivantes, qui sont lies au foisonnement des usages : certaines non dtections peuvent tre vites grce ce test supplmentaire ; certaines fausses alarmes sont pnalises dans un cas et pas dans lautre. r (t ) et d g (t ) sur chaque intervalle dtude I . On obtient ainsi deux dtecteurs d2 m 2
2. Notons que les intervalles dnis par dfaut sont recouvrants. Ce choix permet de grer les cycles de fonctionnement ayant lieu sur deux intervalles successifs.

94

Fusion des vnements dtects Sur chaque intervalle dintrt, le dtecteur nal de lECS d2 (t ) est obtenu ainsi : mise un sur toute la priode o les deux dtecteurs lmentaires sont un ; mise un sur toute la priode o un seul des deux dtecteurs est un sans recouvrement avec lautre dtecteur ; mise zro sur toute la priode o un seul des deux dtecteurs est un, mais qui recouvre une autre zone o lautre dtecteur est un ; mise zro sur toute la priode o les deux dtecteurs valent zro. Remarque Nous avons choisi dintgrer ltape de slection des vnements dans la dnition du dtecteur, car lobjectif est destimer lnergie consomme par cet usage sur son domaine de dnition.

3.4

valuation des algorithmes mis en oeuvre

Nous prsentons les critres dvaluation des algorithmes dvelopps dans les deux sections prcdentes et les rsultats obtenus partir de signaux rels. La mthode de segmentation du chauffage partir de linterprtation du spectrogramme (dveloppe en 2006) na pas t value dans le cadre de la thse car les premiers rsultats obtenus (taux de non-dtection moyen de 10% pour environ 3 semaines de donnes) na pas t jug satisfaisant par lentreprise. Des amliorations mthodologiques restent encore effectuer sur cette mthode avant ltape dvaluation.

3.4.1

Performances de la segmentation chauffage / autres usages

Nous prsentons ici les performances de lalgorithme de segmentation chauffage / autres usages fonde fond sur un test dhypothses sur la densit des vnements. Cet algorithme a t test sur des donnes semi-synthtiques de la Maison Domotique ainsi que sur une centaine de cas de mlange collects chez le client A. 3.4.1.1 Taux derreur de segmentation

Les critres de performances utiliss sont le taux de non-dtection et le taux de fausse alarme. Le taux de non-dtection est la dure totale de fonctionnement de chauffage non dtect relativement la dure totale de fonctionnement du chauffage. Le taux de fausse alarme est la dure totale des zones attribues au chauffage alors que le chauffage nest pas en marche relativement la dure totale de fonctionnement de cet usage. Cas de CdC gnrales semi-synthtiques Les rsultats obtenus sur ces CdC sont reprsents sur les gures 3.17 et 3.18, o nous prsentons respectivement le taux de non-dtection et de fausse alarme en fonction de la dure quotidienne effective de fonctionnement du chauffage (range par ordre croissant). 95

F IGURE 3.17: Taux de non-dtection du chauffage (cas de la Maison Domotique)

F IGURE 3.18: Taux de fausse-alarme du chauffage (cas de la Maison Domotique)

96

On constate que le taux de non-dtection est quasi-nul, ce qui est prvisible par construction de la fonction dobservation considre. Notons galement quaucune corrlation entre le taux de non-dtection et la dure effective de fonctionnement des convecteurs nest identie. Nous prcisions que ce rsultat est particulier au cas o les convecteurs en marche ne fonctionnent pas simultanment en rgime satur pendant une dure signicative. Quant au taux de fausse-alarme, nous constatons quil est globalement infrieur 2%. Lanalyse du taux de fausse alarme (3.18) pour les journes testes met en vidence une corrlation entre ces deux grandeurs : le taux de fausse alarme dcrot en fonction de la dure de fonctionnement du chauffage. Ce rsultat est prvisible. En effet, la principale source de fausse alarme est le sche-linge. A dure de fonctionnement gale du sche-linge, le taux de fausse alarme dcrot si la dure de fonctionnement du chauffage crot. La dcroissance exponentielle est particulire aux cas tests, plus prcisment aux prols de consommateurs simuls notamment la frquence dutilisation du sche-linge. Cas de CdC gnrales relles Les rsultats obtenus sur les donnes du client A (taux de fausse alarme et taux de non-dtection) sont prsentes sur la gure (3.19). Toutes les valeurs sont infrieures 1% lexception du taux de non-dtection obtenu pour la journe n24. Aprs analyse des signaux, il sest avr quil y avait un problme dacquisition des mesures lors cette journe. Nous retrouvons les mmes ordres de grandeur pour les autres donnes.

F IGURE 3.19: Taux de fausse alarme et taux de non-dtection du dtecteur de chauffage

En rsum, les taux derreur de segmentation chauffage / autres usages sont globalement infrieurs 2%. Ces rsultats sont trs satisfaisants dautant plus que les rsultats de la segmentation servent lestimation de lnergie consomme (chapitre 4). 97

3.4.2

Performances de la segmentation du chauffe-eau / autres usages

Quatre exemples de CdC rsidentielles et les rsultats de la dtection de lusage ECS (dtecteur multipli par 3300 W). La gure (3.20) prsente la puissance moyenne appele par linstallation dun client rsidentiel absent. Le signal mesur est la superposition de deux usages : le rfrigrateur et le chauffe-eau. Le rsultat de dtection superpos la puissance moyenne appele par le chauffe-eau seul illustre les bonnes performances du dtecteur dans ce cas. Les gures (3.21) et (3.22) illustrent la CdC en prsence du chauffage lectrique. Dans les deux cas, les rsultats obtenus mettent en vidence deux fausses alarme lis la prsence dappareils de cuisson respectivement vers 8h et vers midi. Le dernier cas, illustr sur la gure (3.23), met en vidence la robustesse du dtecteur en prsence dune forte consommation du chauffage. En rsum, les rsultats de dtection obtenus dans ces cas sont trs satisfaisants malgr la prsence de fausses alarmes : tous les cycles de fonctionnement ont t dtects ; les dates de dbut et de n de chaque cycle sont dtermins avec une rsolution infrieure 1 mn. La gure (3.24) illustre un exemple de non dtection et un exemple de fausse alarme. Les deux cas de fausse-dtection sont lis au foisonnement des convecteurs qui gnre une composante basse-frquence dans le premier cas, et donne lieu une forte asymtrie entre lenclenchement et le dclenchement dtect dans le second cas. La dtection est parfois nettement moins performante. Lexemple prsent sur la gure (3.25) correspond un taux de non-dtection trs lev li au foisonnement important des usages. Lerreur de dtection du chauffe-eau sera dtaille dans le chapitre suivant (4.3) o lon prsente lerreur destimation de lnergie quotidienne consomme par le chauffe-eau, cette dernire tant proportionnelle la dure de fonctionnement de lusage.

Synthse
Ce chapitre prsente une mthodologie gnrale pour la segmentation de la courbe de charge gnrale. Elle est fonde sur une approche classe / non-classe , o non-classe est un raccourci pour dsigner les lments en dehors de la classe recherche. Cette approche est trs utilise dans le cadre dune problmatique similaire, celle de la segmentation voix / musique. Les mthodes et algorithmes dvelopps dans le cas de la segmentation chauffage / non-chauffage et chauffe-eau / non-chauffe-eau sont dtaills. Les rsultats de segmentation obtenus partir de signaux rels sont prsents. Cette premire valuation est satisfaisante et met en vidence lintrt de cette approche. En effet, les performances de la segmentation du chauffage sont trs satisfaisants (non-dtection et fausse alarme). Celles de la segmentation du chauffe-eau le sont moins. Lapproche adopte nous permet denvisager des amliorations de ce module sans dtriorer le premier ainsi que dintroduire dautres modules de segmentation. Une fois ces amliorations apportes, il faudrait dnir plus prcisment des critres dvaluation du systme de segmentation et mener ltude de performance une base de signaux plus signicative.

98

F IGURE 3.20: Dtection de lECS : CdC en absence du client

F IGURE 3.21: Dtection de lECS : CdC avec trs peu de chauffage

99

F IGURE 3.22: Dtection de lECS : CdC avec une consommation moyenne du chauffage

F IGURE 3.23: Dtection de lECS : CdC avec une forte consommation du chauffage

100

F IGURE 3.24: Illustration de non dtection et fausse alarme du dtecteur de lECS

F IGURE 3.25: Dtection de lECS : exemple de non-dtection importante

101

Chapitre 4 Estimation des caractristiques dusages partir de la courbe de charge


Introduction
Dans ce chapitre, nous prsentons diffrentes mthodes pour estimer les caractristiques des usages lectriques. Dans certains cas, lestimation des paramtres suppose que ltape de la dtection est pralablement effectue (exemple : estimation de lamplitude du signal du chauffeeau). Dans dautres cas, lestimation des paramtres seffectue dans le cadre de la reconstruction des signaux (exemple : estimation de lamplitude des compresseurs dun hypermarch).

4.1

Objectifs

Les paramtres des usages lectriques sont utiles pour le dveloppement dune offre de services nergtiques. Lanalyse dtaille de lnergie totale consomme par usage constitue une offre nergtique part entire. Connatre les puissances nominales est galement une information fondamentale dans le cadre de laudit nergtique des installations complexes dans le secteur tertiaire. Nous nous intressons ici lestimation de deux catgories de paramtres des usages dont la dnition est fournie ci-aprs. Les paramtres globaux Ce sont des paramtres macroscopiques dcrivant un usage donn tels que le nombre dappareils (Nk N) de la mme classe Ck , lnergie consomme par usage e R+ . Les paramtres intrinsques de lappareil Il sagit de grandeurs lies soit au modle lectrotechnique de lappareil (exemple : puissance nominale de fonctionnement) soit au modle de fonctionnement (exemple : caractristiques de la rgulation). Nous nous intressons tout particulirement lestimation de lamplitude moyenne a R+ dun usage de la classe Ck . 103

Dans la suite, nous exposons trois mthodes utilises pour rpondre ce problme destimation, qui font intervenir respectivement des techniques de ltrage non-linaire, un modle paramtrique dterministe et un modle stochastique du signal observ. Remarque Lestimation du nombre de composantes est inhrent toutes ces problmatiques. Nous navons pas investigu les mthodes spciques ce problme. Cependant, nous le traitons dans le cadre de lestimation dautres paramtres ou encore lors de la reconstruction des signaux du mlange.

4.2

Estimation de lnergie consomme par le chauffage

Nous prsentons ici une mthode destimation de lnergie quotidienne consomme par le chauffage lectrique partir de la CdC gnrale.

4.2.1

Dmarche

Nous avons vu en (3.2.3) que : la rgulation des convecteurs est plus rapide que celle des autres appareils ; la CdC gnrale est la somme dun signal yr (t ) des rgulations rapides et dun signal ne contenant pas de rgulations yau (t ) ; La composante rgulations rapides contient le signal associ aux rgulations du chaufCH fage yCH r (t ) et celui associ aux rgulations des autres usages yr (t ) (exemple : sche-linge). Nous proposons destimer lnergie consomme par le chauffage en la dcomposant en deux contributions : celle de yr (t ) estime par ltrage morphologique dcrit en (3.2.3.2) et un terme de correction que nous dtaillerons en (4.2.2).

4.2.2

Modle de lnergie consomme par le chauffage

Nous proposons un modle paramtrique de lnergie quotidienne consomme par le chauffage eCH dcrit par lquation (4.1) : eCH = er + eH + eB (4.1)

o : er est lnergie des rgulations rapides ; eH est lnergie de lenveloppe haute xH (t ) de la CdC paramtre par une dure TH , la dntion de ce paramtre et lestimation de lnergie sont dtaills en (4.2.3.1) ; eB est lnergie de lenveloppe basse xB (t ) de la CdC paramtre par une dure TB , la dntion de ce paramtre et lestimation de lnergie sont dtaills en (4.2.3.1) ; et sont des constantes qui dpendent du nombre de convecteurs en marche et du prol du consommateur. Les coefcients de pondration et sont dnis par les deux relations suivantes (4.2) : 104

= =

tf ttdf
td

(a Nco (t ) + b) d1 (t ) dt (a Nco (t ) + b ) d1 (t ) dt

(4.2)

o : [td , t f ] est le domaine dobservation de la CdC y(t ) ; d1 (t ) est le dtecteur de chauffage ; Nco (t ) est le nombre de convecteurs en marche simultanment (Nco (t ) [0, 15]) estim dans (4.2.3.2). a, a , b et b sont appels les constantes du prol-consommateur. Ainsi, le modle propos pour estimer lnergie consomme par le chauffage dpend des paramtres de six paramtres : les constantes du prol consommateur (estims partir de donnes dapprentissage en 4.2.3.3) et les dures Tr , TH et TB (xs en sappuyant sur lanalyse des signaux des usages) ncessaires lestimation de la contribution des rgulations rapides, de lenveloppe haute et de lenveloppe basse de la CdC lnergie totale consomme par les convecteurs. Une justication qualitative de lintroduction des coefcients de pondration et est fournie en (4.2.3.1). Remarque Le modle que nous avons propos est le rsultat dune approche entirement empirique, qui sappuyait sur lanalyse de signaux de convecteurs. En effet, le manque de donnes pendant la premire moiti de la thse rendait la dntion dun vrai modle de rgression de lnergie du chauffage connaissant la CdC globale difcilement envisageable. Le parti pris tait donc de dnir un modle et de lvaluer et lamliorer une fois les donnes taient disponibles.

4.2.3
4.2.3.1

Estimation du modle de lnergie du chauffage


Estimation des nergies er , eH et eB

Les nergies er , eH et eB sont values respectivement partir des signaux yr (t ) , xH (t ) et xB (t ) tronqus sur le domaine de prsence du chauffage not d1 (t ) obtenu par seuillage de la densit des vnements signicatifs des rgulations rapides. Les expressions des diffrentes nergies intermdiaire sont dcrites par le systme dquation (4.3) : tf e = r td yr (t ) d1 (t ) dt t eH = tdf xH (t ) d1 (t ) dt t eB = f xB (t ) d1 (t ) dt
td

(4.3)

Les signaux temporels yr (t ) , xH (t ) et xB (t ) sont extraits par ltrage de la CdC gnrale. Dans la sute, nous fournirons une dntion de chaque composante, les diffrents ltres mis en oeuvre ainsi que lordre de grandeur des paramtres des ltres. Lajustement de ces paramtres sera expos ultrieurement partir de signaux dapprentissage. 105

a) Estimation des rgulations rapides Le signal de rgulations rapides yr (t ) dpend le paramtre Tr , le ltre mis en oeuvre est dtaill en 3.2.3.2. La dure Tr est de lordre dune minute (choix fond sur les connaissances a priori sur les signaux de rgulation rapide). b) Estimation de lenveloppe haute Dnition Lenveloppe haute dsigne (idalement) le signal issu du foisonnement des usages autre que le chauffage lectrique et que les compresseurs. Les composantes lmentaires de ce signal sont caractrises par une rgulation lente ( lexception du sche-linge) de dure minimale caractristique TH de lordre de 10 mn. Filtrage morphologique mis en oeuvre Lanalyse de CdCs contenant peu dappareils montre que linterprtation de ce signal est quasiment immdiate partir des maxima locaux de la CdC sur un horizon temporel de dure TH . Ceci est illustr sur la gure (4.1) dans le cas dun mlange synthtique dun chauffe-eau et dun convecteur. Nous proposons dextraire ce signal par une fermeture morphologique hTH dont llment structurant est une fentre de dure TH : cest un ltre qui extrait le signal dni par les maxima locaux valus sur une fentre glissante de dureTH . Estimation de lenveloppe basse

F IGURE 4.1: Filtrage : extraction de lenveloppe haute de la CdC (TH = 700 s) 106

Dnition Lenveloppe basse dsigne (idalement) le signal issu du foisonnement des compresseurs et de la composante basse frquence gnre par le chauffage lectrique. Les composantes lmentaires de ce signal sont caractriss par une rgulation lente de dure minimale caractristique TB trs suprieure la priode de rgulation des convecteurs (10 mn 30 mn). Filtre morphologique mis en oeuvre Lanalyse de CdCs contenant peu dappareils montre que linterprtation de ce signal est quasiment immdiate partir des minima locaux de la CdC sur un horizon temporel de dure TB . Ceci est illustr sur la gure (4.2) dans le cas dun mlange synthtique dun convecteur et dun rfrigrateur. Nous proposons dextraire ce signal par une ouverture morphologique hTB dont llment structurant est une fentre de dure TH : cest un ltre qui extrait le signal dni par les minima locaux valus sur une fentre glissante de dureTB .

F IGURE 4.2: Filtrage : Illustration de lextraction de lenveloppe basse de la CdC (TB = 700 s)

d) Illustrations Sur la gure 4.3, nous constatons que lenveloppe haute est une constante prs gale la puissance de lECS sur lintervalle de temps [00h, 8h]. Une composante supplmentaire, lie au foisonnement des signaux de convecteurs, vient sajouter ce signal sur lintervalle [8h, 24h[. Par consquent, il est difcile dobtenir uniquement les usages autre que les convecteurs et les compresseurs dans lenveloppe haute. Lenveloppe basse illustre sur la gure 4.4 est le foisonnement dun signal basse-frquence gnr par la superposition des signaux de convecteurs et du signal des compresseurs. 107

F IGURE 4.3: Filtrage : Illustration de lextraction de lenveloppe haute de la CdC (TH = 700 s)

F IGURE 4.4: Filtrage : Illustration de lextraction de lenveloppe basse de la CdC (TB = 700 s)

108

Ces deux exemples mettent en vidence limpact de la CdC du chauffage sur lextraction des enveloppes haute et basse et par consquence lestimation de la contribution des usages autre que le chauffage lnergie totale consomme. Cet effet est pris en compte dans le modle dcrit en (4.1) en pondrant lnergie associe chaque enveloppe par un coefcient qui dpend du nombre de convecteurs au cours du temps et du prol du consommateur. 4.2.3.2 Estimation du nombre de convecteurs Nco (t )

La mthode destimation du nombre de convecteurs consiste en deux tapes. La premire vise segmenter la CdC en zones nombre de convecteurs actifs constant. La deuxime sattache estimer le nombre de convecteurs sur chaque zone. Segmentation en zones Nco constant La dtermination des zones recherches est obtenu par segmentation de la densit des vnements sr (t ) des rgulations rapides dela CdC. En effet, la mise en marche ou larrt dun convecteur modie la densit dvnements des rgulations rapides. La segmentation de sr (t ) est effectue par lalgorithme CUSUM [BN93]. Un exemple de rsultat est prsent sur la gure (4.5). Le seuil de dtection de rupture est ajust telle quune sur-segmentation du signal soi favorise et ce an damliorer les performances de lestimation locale du nombre dappareils (voir la gure 4.5). Estimation de Nco Etant donn les intervalles nombre de convecteurs (simultanments en marche) constant, Nco est estim partir de la rpartition (puissances cumules par ordre croissant) de la valeur absolue des accroissements yr (t ) illustre sur la gure (4.6). En effet, un convecteur en marche et ne fonctionnant pas en rgime satur gnre une variation de la composante rgulations rapides damplitude gale celle de fonctionnement de lappareil. Le rsultat obtenu est une approximation du nombre minimum de composantes, car deux convecteurs damplitudes gales gnrent la mme variation damplitude du signal yr (t ). Ainsi, le nombre de convecteur est estim par le nombre de ruptures de la fonction de rpartition de yr (t ), ces ruptures tant dtectes par lalgorithme CUSUM. Sur lexemple prsent sur la gure (4.6), cinq ruptures sont dtectes, le nombre de convecteurs estim est donc gal cinq, le nombre effectif de convecteur tant gal six. Performances Bien que le nombre de convecteurs nintervienne pas localement dans le modle empirique, nous avons valu les performances de son estimation locale. Les rsultats obtenus partir dune base de CdCs semi-synthtiques (scnario de consommation simuls et appliques des signaux rels) sont prsents sur le tableau (4.1).

109

F IGURE 4.5: Segmentation de la densit des vvenements en zones Nco constant (tc0 = 700 s)

Figure 4.6: Dtection de ruptures de la rpartition de la composante rgulations

110

TABLE 4.1: Performances de lestimation du nombre de convecteurs partir de la CdC gnrale

111

prol 1 prol 2 prol 3 prol 4 prol 5 prol 6

a 0.0049 0.0050 0.0045 0.0122 0.0063 0.0051

b -0.061 -0.0568 -0.0531 -0.1032 -0.0720 -0.0545

a 0.0345 0.0552 0.0526 0.0131 0.0256 0.0434

b 0.8149 0.7469 0.7511 0.8388 0.8388 0.7805

TABLE 4.2: Apprentissage des constantes du prol consommateur

Nous constatons que : si Nco est infrieure 3, alors il est correctement estim 1 prs ; si Nco est compris entre 3 et 8, est souvent sous-estim de 1 ; si Nco est compris entre 7 et 12, est souvent sur-estim de 1 ; si Nco est suprieur 11, est souvent sur-estim de 1. 4.2.3.3 Estimation des constantes du prol-consommateur

Ces paramtres sont estims partir dune base de CdCs gnrales semi-synthtiques obtenue par simulation de cinq prols type de consommateurs et de plusieurs scnarios de consommation. Pour chaque prol, nous disposons de 100 CdCs quotidiennes. Les paramtres recherchs sont estims ainsi (4.4) : ch ( ) |2 ) (a, a , b , b ) = = argmin( | ech e

(4.4)

o ech est et e ch sont respectivement lnergie effectivement consomme par le chauffage et lnergie estime de cet usage. Les rsultats obtenus sont rsums dans le tableau (4.2). Nous constatons que tous les coefcients sont positifs sauf le paramtre b. En effet, lenveloppe haute contient la contribution des usages autre que le chauffage, dont il faut soustraire lnergie consomme au modle de lnergie consomme par le chauffage, et une partie de la composante basse-frquence du chauffage.

4.2.4

Procdure destimation de lnergie du chauffage

Soit y(t ) la CdC quotidienne mesure en sortie du compteur dune installation donne et d1 (t ) le support temporel de prsence du chauffage obtenu par seuillage de la densit des vnements ( dtaill dans la section 3.2.3). Les tapes destimation de lnergie quotidienne consomme par le chauffage sont les suivantes : 1. Extraire les enveloppes haute xH (t ) et basse xB (t ) et le signal de rgulations rapides yr (t ) partir de y(t ). 2. Sur le domaine de prsence du chauffage, dterminer les zones nombre de convecteurs constants. 112

3. Estimer le nombre de convecteurs sur chaque zone dintrt identie en 2. 4. Estimer lnergie quotidienne consomme par le chauffage dnie par lquation 4.1.

4.2.5

Evaluation de lalgorithme destimation de lnergie consomme par chauffage

La base des signaux tests est constitue de 150 CdCs quotidiennes collectes chez deux clients rsidentiels (une centaine de CdCs du client A et une cinquantaine du client B) pendant les six premiers mois de 2008. Les rsultats destimation de lnergie consomme (client A et client B) sont prsents sur la gure (4.7), o lnergie quotidienne totale consomme par tous les usages est prsente par la courbe bleue, lnergie quotidienne rellement consomme par le chauffage est prsente par la courbe verte et lestime de lnergie consomme par cet usage est prsente par la courbe rouge. Prcisons que nous ne disposons pas de la CdC chauffage de rfrence totale car trois convecteurs ntaient pas instruments. Ces derniers correspondent des convecteurs dont la consommation quotidienne est faible et dont le support temporel est rduit (exemple : sche-serviette). La CdC de ces convecteurs peut tre obtenue en deux tapes : Soustraie au mlange observe la puissance mesure sur sept voies diffrentes (de lappareil de mesure) ; extraire la composante rgulation du signal obtenu 1 , ce dernier approchant la puissance appele par les trois convecteurs rsiduels. La comparaison de lnergie de rfrence du chauffage celle de tous les appareils met en vidence la part importante de cet usage dans la consommation quotidienne totale. Nous notons galement que lnergie estime est trs proche de(s) nergie(s) de rfrence pour les deux clients. Nous constatons que lnergie consomme par le chauffage est souvent sur-estime dans le cas du client B. Lanalyse des signaux de ce client a mis en vidence des rgulations rapides du chauffe-eau similaires celles des convecteurs. Ces rgulations rapides, qui sont rvlent un dfaut de fonctionnement de lappareil (non encore identi), expliquent la sur-estimation du chauffage. Pour valuer lalgorithme, nous considrons lerreur relative en points dnie par lquation (4.5) : err = e ch ech eg (4.5)

o eg est lnergie quotidienne totale consomme, ech et e ch tant respectivement lnergie relle et lnergie estime du chauffage. Les rsultats obtenus partir des signaux rels sont prsents sur la gure (4.8). Les erreurs destimation se situent globalement dans le domaine dacceptatbilit dni par EDF 15%. Nous retrouvons la tendance la sur-estimation de lnergie du chauffage chez le client B. Quant lerreur destimation observe chez le client A, elle prsente deux comportements diffrents. Plus prcisment, il y a globalement une tendance sous-estimer le chauffage sur la premire
1. Le ltre utilis est le mme exploit pour extraire yr (t ).

113

F IGURE 4.7: Estimation de lnergie consomme par le chauffage (en kWh)

114

F IGURE 4.8: Erreur relative (en points) destimation de lnergie consomme par le chauffage

115

cinquantaine de journes et plutt une tendance sur-estimer cet usage sur la deuxime moiti de la base de donnes. Ces deux comportements correspondent un changement du niveau de consommation du chauffage : la gure (4.7) montre en effet que la consommation quotidienne de cet usage baisse dun facteur 2 sur la deuxime moiti de la base de signaux-test, qui correspond la priode printanire et au dbut du mois de juin. Par consquence, les variations observes de lerreur destimation chez le client A nous amnement aux deux conclusions suivantes. Lalgorithme a tendance sous-estimer lnergie consomme par le chauffage, quand la consommation de ce dernier est trs leve. Cette sous-estimation peut sexpliquer par la saturation de convecteurs et /ou la part importance de la composante basse frquence du signal de chauffage gnr par un foisonnement des convecteurs qui sont quasiement tous en marche. Lalgorithme a tendance sur-estimer lnergie consomme par le chauffage pendant les priodes o la consommation de ce dernier baisse par rapport la consommation en hiver. Cela peut sexpliquer par la prsence du sche-linge, dont la consommation nest plus ngligeable par rapport celle rllement consomme par le chauffage, et par le choix des constantes du prol consommateur. En effe, il faudrait envisager dappliquer des constantes diffrentes en fonction de la saison. Ces deux conclusions peuvent alarmer le client. Mais il ne sera a priori pas ls car lerreur commise est quasiment symtrique entre les deux priodes. Cela se traduit par exemple par un histogramme global de lerreur relative destimation de la part du chauffage dans la consommation quotidienne illustr sur la gure (4.9) quasi-symtrique autour de zro.

F IGURE 4.9: Histogramme de lerreur relative sur lestimation de la part du chauffage dans lnergie consomme par jour 116

4.3
4.3.1

Estimation de lnergie consomme par le chauffe-eau


Principe

Lapproche adopte pour estimer la consommation quotidienne de lECS est rsume sur la gure (4.10).

F IGURE 4.10: Estimation de lnergie consomme par lECS

La puissance nominale est estime 2 partir du signal ltr yau (t ) sur un intervalle de temps correspondant une baisse dactivit et une consommation rduite du chauffage. Nous avons retenu lintervalle I02 = [00 h, 05 h]. Lnergie quotidienne de lusage tudi est alors donne par : e 2 = a 2 d2 (t ) dt o d2 (t ) et a 2 sont respectivement le dtecteur de lECS et lamplitude de fonctionnement estime de cet usage.

4.3.2

Rsultats et discussions

Lalgorithme destimation de lnergie quotidienne consomme par lECS est value sur une base de signaux constitue denviron 140 CdCs quotidiennes mesures chez le client sur une priode allant de janvier 2008 juillet 2008. Lnergie consomme par le chauffe-eau et la part de cette consommation par rapport lnergie totale consomme sont reprsentes sur la gure (4.11). Nous constatons que lnergie consomme prsente une faible variabilit. Mais la part de cet usage dans lnergie totale est trs variable. En effet, elle dpend fortement de la prsence ou non du chauffage dont la consommation est souvent trs leve. Lhistogramme de lerreur destimation (dnie par lquation (4.5)) est prsent sur la gure (4.12). Nous remarquons que la moyenne de lerreur destimation est quasi-nulle, ce qui nous rassure quant labsence dun biais destimation. Tout comme pour le chauffage, lerreur destimation de lnergie quotidienne consomme par le chauffe-eau respecte globalement lobjectif x par EDF [CG08].
2. mdiane des amplitudes des vnements damplitude suprieure lamplitude minimale de lECS

117

F IGURE 4.11: Energie consomme par le chauffe-eau

118

4.4
4.4.1

Identication des paramtres dun modle


Exemples de modles damplitude

Lanalyse de la puissance moyenne x2 (t ) appele par un chauffe-eau particulier met en vidence une dcroissance exponentielle de lamplitude du signal mesur durant un cycle de fonctionnement [t0 , t1 ] illustr sur la gure (2.13). Nous proposons alors le modle suivant pour chaque cycle de fonctionnement du chauffe-eau (4.6) : x2 (t ) = c exp t +d (4.6)

o c, d et sont respectivement la variation maximale de lamplitude du signal sur [t0 , t1 ], la puissance nominale de fonctionnement du chauffe-eau et une constante de temps caractristique de lappareil et des conditions de fonctionnement.

4.4.2

Estimation du modle de lECS

Lestimation des paramtres du modle est effectue partir des signaux mesurs pour lusage ECS seul. Etant donns les instants de dmarrage et de n de cycles du chauffe-eau (3.3), les paramtres du chauffe-eau sont estims par minimisation dun critre L2 dont une illustration est fournie sur la gure (4.13). Lestimation des paramtres du modle est un problme doptimisation non-linaire sans contraintes (rsolu par la fonction fminsearch.m de Matlab).

4.4.3

Rsultats

Les paramtres du modle sont identis partir de la CdC de lECS (Maison Domotique) sur une dure de 11 jours. Le nombre de cycles de fonctionnement vaut 51. Les rsultats obtenus sont prsents sur la gure (4.14). Nous constatons une faible dispersion des valeurs estimes pour chaque paramtre, lexception de la puissance nominale o certaines scartent signicativement de la moyenne des estimes. En effet, il sagit dune consquence dune dtection imprcise du dbut et de la n des cycles de fonctionnement. Le modle propos est galement valu partir de lanalyse de lhistogramme de lerreur de modlisation (cart entre le modle et le signal observ pour chaque cycle de fonctionnement) illustr sur la gure (4.15). Cet histogramme est de moyenne nulle et dcart type 18. Ainsi, nous vrions labsence de biais destimation et notons que lcart type du rsidu est du mme ordre de grandeur du bruit de mesure (variant entre 20 et 25 en fonction du site tudi). Remarque Ces paramtres sont utiles pour : amliorer lestimation de lnergie consomme par le chauffe-eau ; aider le client choisir le meilleur chauffe-eau (volume, puissance nominale) en fonction de ses besoins ; surveiller ltat de lappareil travers la constante de temps par exemple (un entartrage donnerait a priori lieu une dcroissance moins rapide du signal). 119

F IGURE 4.12: Erreur destimation de lnergie consomme par le chauffe-eau

F IGURE 4.13: Estimation du modle de lECS :illustration du critre (d =2380 W)

120

4.5
4.5.1

Estimation des paramtres dans un cadre probabiliste


Estimation par MV des amplitudes des compresseurs

Soit (tv , av (t )) la srie des vnements de la CdC des compresseurs dun hypermarch. Les histogrammes des amplitudes des vnements dtects sont prsents sur la gure (4.16) obtenus partir de la puissance active et de la puissance ractive.

F IGURE 4.16: Estimation de lamplitude moyenne des compresseurs partir de la CdC gnrale dun hypermarch

Lamplitude des vnements est considre comme la ralisation dune variable alatoire Av 2 . En efgaussienne de moyenne d (cest la puissance nominale de lappareil) et de variance v fet, mise part la prsence de pics de dmarrage de compresseurs, lamplitude du signal varie trs peu durant un cycle de fonctionnement. Les pics des signaux sont ltrs par un ltre morphologique (ouverture puis fermeture). Nous dtaillons la dtection des vnements et le ltrage dans le chapitre suivant (5.2.3). Lestimation de d au sens du maximum de vraisemblance est la moyenne des valeurs mesures av (t ). Les rsultats obtenus sont dtaills en (5.2.3). En effet, lestimation de ce paramtre fait partie dun algorithme de reconstruction des signaux de compresseurs dun hypermarch.

4.5.2

Estimation MAP des caractristiques du chauffage lectrique

Dans le cas des convecteurs lectriques, nous souhaitons connatre les amplitudes, les priodes de rgulation ainsi que lvolution du rapport cyclique au cours du temps. Nous disposons de connaissances a priori sur ces inconnues acquises grce lanalyse des signaux. Ces paramtres sont estims par infrence baysienne dtaille dans la section (5.1). La mthode exploite un modle probabiliste des signaux de convecteurs. 121

Synthse
Lestimation des caractristiques (nergie, amplitude, etc) de certains usages est fondamentale pour la conception des services nergtiques. Diffrentes mthodes dterministes / probabilistes faisant intervenir ou non un modle contribuent la rsolution de ce problme. Ces mthodes ncessitent souvent une tape de dtection des vnements ou la reconnaissance des signaux de la CdC. Dans ce chapitre, nous avons principalement prsent une mthode de cartographie de lnergie quotidienne. Plus prcisment, deux algorithmes ddis lestimation de lnergie consomme par le chauffage et celle consomme par le chauffe-eau sont prsents. Les permiers rsultats obtenus partir de signaux rels et semi-synthtiques sont prometteurs. Dans les deux cas, bien que les mthodes soient automatiques, elles ncessitent lajustement de plusieurs paramtres. Ce problme a t abord de deux manires : certains paramtres sont xs en sappuyant sur des connaissances a priori sur les caractristiques des signaux, dautres sont ajusts en exploitant une base de signaux (dapprentissage) o les congurations des usages sont connues (exemple : constantes du prol du consommateur dans le modle de lnergie consomme par chauffage). Maintenant que nous disposons dune base de signaux de plus en plus riche, il reste tudier en profondeur le choix des diffrents paramtres dans le cadre dune tude de performances des algorithmes plus approfondie.

122

F IGURE 4.14: Estimation du modle de lECS partir des donnes relles

F IGURE 4.15: Histogramme du rsidu didentication du modle

123

Chapitre 5 Sparation des sources de la courbe de charge gnrale


Introduction
Lanalyse des signaux a mis en vidence limpact du foisonnement des usages et de leur diversit sur la complexit de lanalyse de la CdC gnrale. Cependant, la caractrisation complte de tous les signaux dune CdC globale peut tre envisage dans certains cas, par exemple : Le systme tudi est constitu dun seul usage ; Le systme tudi est compos de deux usages que lon peut dcrire par des dictionnaires de formes temporelles parcimonieux entre eux, par exemple un mlange de la CdC du chauffage lectrique et de la CdC du froid alimentaire. En pratique, il peut sagir : soit dun sous-comptage ; soit dune CdC gnrale, o lon a quasiment un seul usage en marche, par exemple : une CdC dun client particulier, quand le client est absent ; ou encore celui dune CdC gnrale dun hypermarch entre minuit et 5 heures, o les deux usages prpondrants sont les compresseurs (signaux intermittents) et lclairage (CdC quasi-constante sur la dure de fonctionnement). Cette classe de signaux sera appele CdC gnrale quasi-mono-usage. Les caractristiques des signaux lmentaires de cette classe de signaux rend leur reconstruction envisageable. Lestimation des composantes lmentaires de la CdC 1 sinscrit dans le cadre du problme gnrique de sparation de sources non-stationnaires de nombre de composantes inconnu, partir dune seule observation. Ce problme gnrique a fait lobjet de nombreuses tudes depuis les annes 2000, principalement au sein de la communaut de traitement de signaux sonores. Les mthodes proposes dans la littrature sont principalement des mthodes base de dictionnaires. Elles sappuient par exemple sur la parcimonie des sources dans un domaine transform judicieusement choisi [BGB01, BB03, BMa06]. Dans le cas de la CdC lectrique quasi-mono-usage, une telle dmarche nest pas envisageable au regard des proprits des signaux lementaires : une dmarche ddie sinspirant des travaux antrieurs est ncessaire. Ce choix est justi par les deux particularits suivantes de ce signal :
1. Puissance active ou puissance ractive

125

Des signaux associs au mme usage (chauffage par exemple) peuvent se superposer localement ou sur lensemble du domaine dobservation. Ces signaux partagent la mme morphologie. Nous proposons une mthode de reconstruction des signaux qui intgre les connaissances a priori sur les signaux lmentaires. Un modle stochastique du mlange est propos et se fonde sur la description des signaux partir dun dictionnaire de formes temporelles pr-tablies. Un chantillonneur du type MCMC est ensuite utilis pour estimer la solution au sens du maximum a posteriori. Cette dmarche est dtaille dans le cas particulier de la CdC du chauffage o les sources du mlange sont des signaux localement stationnaires et quasi-priodiques. Mais, elle pourra tre tendue dautres classes de CdC, tant que les signaux lmentaires peuvent tre dcrits partir dun dictionnaire de formes et pour lesquels des connaissances a priori sur les lois temporelles des vnements ou des dures de cycles de fonctionnement sont disponibles. Remarque Le choix du chauffage est li aux proprits des signaux et aussi la part importante de la consommation de cet usage. Estimer ses composantes lmentaires permettrait de dvelopper des services nergtiques tel que le dlestage par exemple.

5.1
5.1.1

Approche probabiliste de dcomposition de la CdC du chauffage


Modle stochastique

La CdC du chauffage est un mlange dun nombre inconnu de crneaux quasi-priodiques xi (t ) :


Nb

ych (t ) = xi (t ) + ch (t )
i=1

(5.1)

o ch (t ) est un bruit gaussien centr et Nb est le nombre (inconnu) des convecteurs. Un exemple de signaux lmentaires est prsent sur la gure (5.1). Nous avons mis en vidence lors de lanalyse des donnes que ces signaux se caractrisent par : le caractre quasi-priodique de la puissance moyenne dun convecteur ; la symtrie entre lamplitude dun on et celle dun off successifs ; lvolution au cours du temps du rapport cyclique. Un modle paramtrique de chaque signal de convecteur peut tre dni par : des inconnues qui sont dterministes, savoir la priode de rgulation T0i et lamplitude Ai ; des inconnues qui sont des variables alatoires : date de dbut t0i ; le nombre de cycles de fonctionnement Nci ; les valeurs du rapport cyclique correspondant respectivement reprsentes par T0i = [T0i ,1 , T0i ,2 , ..., T0i ,Nci ]. Soit td , t f le support temporel du signal tudi, les domaines de dnition des diffrents paramtres de chaque convecteur sont dnis comme suit : 126

F IGURE 5.1: Signaux de puissance de convecteurs fonctionnant simultanment (Te = 2 s)

(1)i [1, Nb ] , td t0i t f (2) 0 Nci Nim (3) k [1, Nci ] , 0 T0i (k) 1

(5.2)

o Nim est le nombre de cycles maximum du ime convecteur sur lintervalle td , t f . Soit i = t0i , Nci , T0i le vecteur des inconnues alatoires dcrivant un convecteur donn. Lespace dtat (espace des paramtres) est de grande dimension. Disposer de lois a priori sur ces paramtres permettrait de faciliter la recherche de ces paramtres. 5.1.1.1 Lois a priori

Date de dbut En absence dinformation sur la date de dmarrage dun convecteur donn, cette inconnue est dcrite par une loi uniforme dnie sur le domaine dtude du signal : i [1, Nb ] , t0i U[td ,t f ] Priode de rgulation Quant la priode du signal dun convecteur donn, on peut la modliser ainsi : T0i = T0 + T0 o T0 vaut 40 s ou 80 s, o T0 est un bruit gaussien centr dont la variance, gale 3, est calcule partir de lanalyse des signaux (chapitre 2, gure 2.5). 127

Dures de on (rapport cyclique) Lanalyse des variations du rapport cyclique de diffrents convecteurs a mis en vidence les variations lentes de cette grandeur. Un modle fond sur une transformation logistique sera alors utilis pour dcrire cette grandeur. Plus prcisment, nous avons choisi de modliser les dures de la phase on des crneaux dun convecteur par lintemdiaire dune loi logistique, dcrite par la relation suivante (5.3) : T0i (k) =
exp(Uk ) 1exp(Uk )

1 Uk = 2 (Uk1 + Uk+1 ) + k o k est un bruit additif blanc gaussien centr.

(5.3)

En supposant que que le diffrents paramtres sont indpendants, la loi a priori sur les paramtres f () est le produit des lois a priori des diffrents paramtres. 5.1.1.2 Vraisemblance des donnes

Le problme de dcomposition de la CdC peut ainsi tre ramen un problme de minimisation dnergie sur lespace des paramtres. Il sagit alors destimer les signaux lmentaires de telle sorte que lajustement des dates denclenchement, de lamplitude et des rapports cycliques soit optimal. On propose alors de considrer un critre dnergie constitu dun terme dattache aux donnes, dcrit par lquation (5.4) J () = ych (t ) ym (t )
2

(5.4)

o ym (t ) = Nb i=1 xi (t , T0i , Ai , i ) et est le vecteur qui reprsente les inconnues du modle. La vraisemblance des donnes f (ych /) est une loi normale (tant donnes les proprits du bruit de modlisation. 5.1.1.3 Loi a posteriori

La loi a posteriori des paramtres note f () est donne par la relation suivante (5.5): f () f (ych /) f () (5.5)

Lespace dtat est de dimension nie mais de grande cardinalit. Une approche possible pour estimer les paramtres consiste utiliser un chantillonneur stochastique pour explorer lespace dtat et un algorithme de recuit simul. Lalgorithme doptimisation mis en uvre est dcrit dans la section suivante.

5.1.2

Estimation des paramtres

Hormis la grande taille de lespace des paramtres recherchs, notons que le nombre de variables estimer est inconnue et peut voluer au cours du temps suite la mise en marche ou larrt dun convecteur par exemple. Les mthodes RJ-MCMC[KS] (mthodes de Monte Carlo par Chanes de Markov Sauts-Rversibles) offrent la possibilit de traiter cette classe de problmes. Une introduction ces approches est prsente en annexe (E). Nous psentons ici les dveloppments ddis la courbe de charge uniquement savoir les transitions dnies pour 128

explorer lespace dtat et la procdure nale (fonde sur lalgorithme du recuit simul) pour lestimation des paramtrs au sens du maximum a posteriori. Dans le cas dapplication tudi, nous considrons que le nombre total de convecteurs prsents dans linstallation, mais pas ncessairement actifs, est connu. Les amplitudes des signaux associs sont connues. 5.1.2.1 Exploration de lespace dtat de la CdC

Lexploration de lespace des paramtres est assure par un chantillonneur stochastique, ici lchantillonneur de Metropolis-Hastings. Transformations lmentaires Les transformations lmentaires considres sont les suivantes : Translation dun signal de convecteur : Il sagit de modier uniquement la date de dbut. Cette perturbation est ralise selon une loi uniforme ou selon un modle autorgressif dordre 1. Modication dune valeur du vecteur rapport cyclique : Cette perturbation consiste modier une seule valeur du vecteur T0i (k) tire selon une loi uniforme parmi les valeurs courantes. La modication consiste remplacer la valeur courante en fonction des deux valeurs voisines en tenant compte de la relation (5.3). Ajout/Suppression dun crneau en dbut de squence : Un crneau ajout a une dure on gale celle du premier crneau de la squence de crneaux en cours (du convecteur tudi). Une mise jour de la date de dbut est effectue. Dans le cas dune suppression de crneau, le nombre de cycles de la squence est mis jour. Ajout/Suppression dun crneau en n de squence : Un crneau ajout a une dure on gale celle du dernier crneau de la squence de crneaux en cours (du convecteur tudi). En cas dajout ou de suppression, le nombre de cycles de la squence est mis jour. Modication de la date de dbut et ajustement du rapport cyclique : Les valeurs des dures de on des crneaux de la squence courante sont modies selon une transformation logistique. Cration des signaux de convecteurs initiaux : Soit td , t f lintervalle dintrt. La conguration initiale des convecteurs est gnre de la manire suivante : 1. Initialiser le nombre de convecteurs Nb initial. Deux mthodes sont proposes a) ce paramtre est estim en exploitant la fonction de rpartition des accroissements du signal observ ; 129

b) Nb est gnr alatoirement selon une loi de probabilit. On peut choisir par exemple U ([0, Nbmax ]) o Nbmax est le nombre maximum autoris de convecteurs, ou encore un processus poissonien. 2. Initialiser lamplitude de chacun des Nb convecteurs. Plusieurs procds sont envisageables, dont : a) lamplitude est gnre selon une loi uniforme, dont le domaine est pr-dni travers ltude de la fonction de rpartition des accroissements du signal observ. b) lamplitude est gnre selon une loi uniforme, dont le domaine est fonction des amplitudes minimale et maximale autorises. 3. Gnrer les priodes de rgulation des Nb convecteurs, o les deux priodes possibles (40 s et 80 s) sont quiprobables. 4. Pour chaque convecteur : a) initialiser la date de dbut : t0i U ( td , t f ) b) initialiser le nombre de cycles : Nci = (t f t0i )/T0i c) initialiser le vecteur rapport cyclique la valeur 0.5. 5.1.2.2 Chanage de signaux de convecteurs

Etant donn que la dure de fonctionnement dun convecteur est souvent leve, nous avons choisi de concevoir un algorithme squentiel pour dcomposer la CdC du chauffage. Plus prcisment, la CdC observe est dcoupe en plusieurs fentres de dures gales une constante TCH . En pratique, TCH 5 mn 10 mn, et correspond la dure minimale de fonctionnement dun convecteur que lon souhaite dtecter et caractriser. La CdC observe est traite squentiellement sur les diffrentes fentres successives. Traiter le signal observ sur chaque domaine sparment nest pas judicieux tant donn : que dune part un signal de convecteur peut se prolonger sur plusieurs fentres successives ; et que dautre part, un signal de convecteur prsente une structure particulire (quasi-priodique) qui pourrait simplier lexploration de lespace dtat. Do lintroduction dune procdure de chanage des signaux de convecteurs entre fentres successives. Soient Wk = td ,k , t f ,k et Wk+1 = td ,k+1 , t f ,k+1 deux fentres successives danalyse du signal observ ych (t ). On se place dans le cas o lalgorithme de reconstruction des signaux de convecteurs appliqu sur la fentre Wk a converg vers une solution non-strictement nulle. Lobjectif du chanage est de dnir les signaux de convecteurs initiaux sur la fentre Wk+1 compte tenu de la solution obtenue sur la fentre Wk dnie par lquation suivante :
Nb

i ) o t td ,k , t f ,k i, 0i , A y m (t ) = x i (t , T
i=1

On considre les convecteurs x i (t ) tour tour. Pour chaque signal lmentaire, trois cas de gure se prsentent illustrs sur la gure (5.2). 130

Figure 5.2: Congurations possible dun convecteur sur deux fentres successives

Premier cas Fin du dernier cycle du convecteur dans la fentre Wk+1 et dernier on se terminant dans la fentre Wk kopt kopt k+1 initialisation de la date de dbut : t0 i = t0i + Nci T0i ;
1 0i k+1 initialisation du nombre de cycles : Nci = 1,k+T ; 0i initialisation des dures de on : le premier on a la mme valeur que le dernier on de la fentre prcdente, les autres on sont gnrs soit selon un modle autorgressif dordre 1 soit selon une transformation logistique des dures de on de la fentre prcdente. Deuxime cas

t k+1

Fin du dernier cycle du convecteur dans la fentre Wk+1 et dernier on se terminant dans la fentre Wk+1 initialisalisation de la date de dbut dans la fentre courante et du nombre de cycles : identique au premier cas ; initialisation des dures de on : identique au cas prcdent sauf pour le cycle se situant sur les deux fentres. Troisime cas : continuit de fonctionnement avec une probabilit donne Fin du dernier cycle du convecteur dans la fentre Wk Le convecteur continue fonctionner dans la fentre Wk+1 avec une probabilit r prdnie. Si la continuit de fonctionnement est assure, linitialisation des diffrents paramtres est celle dcrite dans le paragrpahe prcdent. 131

5.1.3

Procdure de dcomposition du chauffage

La procdure de dcomposition de la puissance appele par le chauffage ych (t ) se rsume par lalgorithme nal dcrit ci-aprs : Algorithm 5.1 Algorithme stochastique de dcomposition du chauffage 1. Estimer le nombre de convecteurs de linstallation ainsi que les amplitudes correspondantes. 2. Identier les zones de prsence du chauffage, en utilisant par exemple la mthode de dtection dcrite en (3.2.3). 3. Dcouper chaque zone de prsence du chauffage en fentres danalyse de dure caractristique TCH . 4. Sur chaque fentre danalyse, appliquer jusqu convergence lalgorithme du recuit simul pour dcomposer le signal observ. Les perturbations des congurations et les contraintes de chanage de signaux sont appliques aux convecteurs tour tour.

Remarque : paramtres de la mise en uvre du recuit simul Nous avons choisi de faire dcrotre la temprature selon un schma de dcroissance exponentielle. chaque itration n, la temprature est dnie ainsi :
2 Tn = N 2 , 2 =0 exp c

n NIT ERM

o N est le nombre dchantillons du signal observ, NIT ERM est le nombre maximum ditra2 est la tions, c est un paramtre qui permet de rgler la dcroissance de la temprature et 0 variance de lerreur initiale (critre quadratique). La dnition de la temprature tient compte : de lvolution du critre au fur et mesure des itrations, donc de lnergie du systme travers lerreur ; et de la dimension des donnes traites, de sorte que lon tienne compte de lerreur moyenne par chantillon.

5.1.4

Exemples de rsultats

Nous allons prsenter les premiers rsultats obtenus par cette mthode, an dillustrer les performances de lagorithme propos dans le cas de mlanges simples en prsence ou non de rgime satur. Des tests complmentaires sur des mlanges plus complexes et sur des dures de fonctionnement plus consquentes an dvaluer lintrt de cette mthode feront lobjet de travaux futurs. Sauf prcision contraire, la dure caractristique dune fentre danalyse est TCH = 10 mn. 132

5.1.4.1

Convecteurs en rgime de rgulation

La gure (5.3) prsente le rsultat de la reconstruction dun mlange de deux convecteurs de priodes gales 40 s et 80 s. Les amplitudes estimes sont respectivement 670 W et 1190 W. On constate que les vnements du mlanges sont correctement identis, bien que la conguration initiale est trs loigne de la solution recherche.

F IGURE 5.3: Dcomposition dun mlange de deux convecteurs - sans saturation

5.1.4.2

Convecteurs en rgime de rgulation et/ou de saturation

An dtudier la capacit de lalgorithme prendre en compte la saturation des convecteurs, nous lavons dabord test sur diffrents signaux dune dure de lordre de 30 mn prsentant la fois une phase de rgulation et une phase de saturation. Un exemple de rsultat est prsent sur la gure (5.4). Il sagit dun signal o le rapport cyclique volue progressivement jusqu atteindre le rgime de saturation. On constate que le signal de convecteur est reconstruit avec une bonne prcision et que la phase de saturation est correctement identie. Le rsultat de reconstruction des composantes dun mlange dun convecteur en rgime de rgulation et dun convecteur prsentant une phase intermdiaire de saturation ainsi que les signaux de test sont prsents sur la gure (5.5). Globalement les paramtres du mlange sont correctement estims. Remarquons que ce rsultat est obtenu en prenant en compte le chanage des signaux sur les deux fentres dune dure de 10 mn. 133

F IGURE 5.4: Dcomposition dun convecteur en prsence dune plage de saturation

Synthse et discussion
Un modle stochastique de la CdC du chauffage en vue de sa dcompostion a t prsent. Ce modle exploite les a priori sur cette classe de signaux, plus prcisment le caractre cyclique des signaux et lvolution lente du rapport cyclique au cours du temps. Les paramtres du modle voluent dans un espace de dimension leve. Le problme destimation des signaux lmentaires est ramen la rsolution dun problme doptimisation combinatoire. Une stratgie squentielle mettant en uvre un algorithme doptimisation stochastique sur des fentres adjacentes a t mise en uvre. Les premiers tests raliss pour dmontrer la faisabilit de la mthode sur des cas particuliers pour tudier la robustesse de lalgorithme au phnomne de saturation des convecteurs ainsi que sur des mlanges simples sont satisfaisants. Soulignons que la mthode de dcomposition de courbe de charge du chauffage ne ncessite pas forcment une tape de dtection des zones de mise en marche de cet usage. En effet, le modle intgre ce cas travers la valeur minimale nulle du rapport cyclique. Cependant lutilisation dun dtecteur permet dviter lexploration des zones o tous les convecteurs sont teints. Les lments fournis dans cette section constituent le rsultat dune tude de faisabilit de cette classe de mthode dans le cas de la CdC du chauffage. Cette tude devra tre complte par des tests de validation sur une large base de signaux dune part, et par une tude dtaille des transitions an damliorer les proprits de convergence de lalgorithme doptimisation. On peut galement envisager denrichir le modle en introduisant les modles lmentaires dautres usages, en particulier le froid alimentaire. 134

F IGURE 5.5: Dcomposition dun mlange de deux convecteurs en prsence dune zone de saturation

135

5.2

Approche du type dcodage - application au froid alimentaire

La CdC du froid alimentaire est le foisonnement des puissances appeles par lensemble des compresseurs disponibles. Nous avons remarqu lors de lanalyse des CdC gnrales, lexistence dintervalles de temps o le froid alimentaire est lusage prpondrant. Dans le secteur rsidentiel, on peut considrer les journes dabsence du client. Dans le cas dun hypermarch, la priode nocturne (ou pendant les jours ferms) semble tre la plus approprie pour caractriser moindre cot et le plus nement possible les signaux des compresseurs. Compte tenu des informations a priori sur les signaux analyss (forme, amplitude, scnario de fonctionnement des compresseurs, rgulation dun compresseur), une mthode de dcomposition de la CdC du froid alimentaire est envisage. Nous allons voir quune mthode ddie par secteur est ncessaire, compte tenu des diffrences de fonctionnement dans chaque cas. Mais la mthodologie gnrale est commune aux deux cas dapplication.

5.2.1

Principe

Les spcicits de lusage froid alimentaire, dans le secteur rsidentiel et dans le cas particulier dun hypermarch, sont les suivantes : Modle de fonctionnement dun compresseur : tout ou rien Modle de fonctionnement dun ensemble de compresseurs dune installation donne : le squencement des enclenchements et des dclenchements des diffrents compresseurs obit une rgle pr-tablie. Dans le secteur rsidentiel : Si un on et suivi par un off , et que les amplitudes des vnements vrient le modle A alors ces deux vnements constituent un cycle de fonctionnement du mme compresseur. Dans le cas dun hypermarch : le scnario de gestion du parc de compresseurs est dni de telle sorte que lon minimise les sollicitations successives du mme compresseur. Le cas dapplication auquel nous nous sommes intress obit une rgle de fonctionnement du type FIFO (le premier compresseur enclench est le premier dclencher). Forme du signal : les signaux observs prsentent souvent des pics au dmarrage du compresseur, la dure de cette phase est de lordre dune seconde. On constate quil y a un a priori fort sur le squencement des vnements dun seul compresseur ou encore sur le squencement des enclenchements et des dclenchements de lensemble des compresseurs prsents dans linstallation tudie. Nous proposons dexploiter cet a priori pour dcoder la srie des vnements de la CdC tudie an de reconstruire les signaux des compresseurs. La dmarche propose est dcrite sur la gure (5.6). Elle consiste ramener le problme dextraction des signaux lmentaires de la CdC un problme de classication et dappariement des vnements partir du signal de mlange y(t ). La dmarche consiste en deux phases : Une phase dapprentissage (hors-ligne) Cette phase permet dapprendre les modles A et S dnissant respectivement la variation damplitude entre un on et le off correspondant et le squencement des vnement (rgles 136

F IGURE 5.6: Schma gnral de la mthode dextraction des signaux de compresseurs

entre vnements dun compresseur et de plusieurs compresseurs). Les signaux dentre sont des exemples de signaux de NFr compresseurs, acquis pendant J jours. Dcomposition du mlange (en ligne) Etant donnes les amplitudes des signaux de compresseurs et les rgles qui rgissent le squencement des vnements, lobjectif est de dcomposer un signal de mlange y(t ). La premire tape consiste extraire la srie des vnements v (t , A) signicatifs partir du signal observ. Cette tape est identique quelle que soit le cas dapplication tudi, et consiste en deux tapes : un ltrage des pics : ltrage morphologique (ouverture et fermeture) dont la dure caractristique est T f m = 3s. dtermination de la srie des vnements signicatifs : Soit y (t ) = y(t + tv0 ) y(t ), o tv0 est une fentre temporelle de calcul des accroissements du mlange (en pratique tv0 = Te ). les vnements signicatifs (damplitude minimale en valeur absolue A3min ) sont obtenus ainsi : v (t , A) = (ti , Ai ), tels que y (ti ) = Ai et |Ai | A3min Une fois cette srie des vnements obtenue, il reste apparier chaque enclenchement au dclenchement correspondant (ralis par loprateur A ), classier lensemble des vnements par appareils (ralis par loprateur C ) et de reconstruire les signaux de chaque compresseur (ralis par loprateur R ). Lordre de ces oprations est conditionn par la nature des signaux lmentaires, plus prcisment par le modle rgissant lordre des vnements S . 137

Nous montrerons que deux approches sont envisageables pour mettre en uvre cette mthodologie : une approche conjointe o lappariement et la reconnaissance des vnements sont combins, et une approche squentielle o lon appliquera les oprateurs dcrits sparment selon un ordre prcis.

5.2.2

Dcomposition de la CdC du froid alimentaire dans le secteur rsidentiel

An dextraire les signaux de compresseurs, nous proposons une procdure itrative pour extraire les couples (ti , Ai ) vriant certaines proprits (provenant dinformations a priori), les dures des cycles de fonctionnement tant la grandeur utilise par la suite pour sparer les diffrents compresseurs. 5.2.2.1 Informations a priori

La puissance moyenne appele par le froid alimentaire chez un client rsidentiel est le foisonnement des puissances appeles par les diffrents compresseurs. Lanalyse des donnes du client considr montrent que : les compresseurs nont pas ncessairement la mme amplitude ; pour un compresseur donn, lamplitude en rgime tabli est quasiment constante ; un compresseur fonctionne en tout ou rien , ainsi un on est ncessairement suivi par un off ; les vnements de la CdC obissent globalement une rgle du type LIFO (Last In First Out). Ainsi, un vnement du type on suivi par un vnement du type off sont ncessairement gnrs par le mme compresseur. Nous les appellerons on-off isols ; les signaux se diffrencient par la dure des cycles de fonctionnement. 5.2.2.2 Prtraitements des signaux et extraction des vnements pertinents

La gure (5.7) illustre ltape de ltrage des pics des compresseurs. La dtection des vnements pertinents est obtenue par seuillage puis ltrage morphologique des accroissements du signal tudi. 5.2.2.3 Algorithme de dcomposition de la CdC du froid alimentaire

Nous proposons une mthode qui consiste en deux tapes. Estimation des cycles de fonctionnement des compresseurs Un algorithme itratif fond sur la loi de squencement des vnements permet dextraire et disoler les cycles de fonctionnement des compresseurs. Larchitecture de lalgorithme mis en uvre est prsente sur le schma bloc (5.2). A chaque itration, la srie des vnements signicatifs est estime puis les couples de onoff isols sont extraits. Etant donne la liste des vnements extraits, une estimation de la puissance moyenne de la srie courante des signaux est value. Le signal estim est soustrait 138

F IGURE 5.7: Extraction des vnements pertinents des compresseurs partir de la CdC du froid alimentaire (Te = 2 s)

139

Algorithm 5.2 Algorithme itratif dextraction des compresseurs

la CdC courante. Ces tapes sont appliques itrativement tant que lensemble des vnements signicatifs nest pas vide.

Les gures (5.8), (5.9) et (5.10) prsentent uniquement un zoom sur le signal estim et le rsidu obtenu pour les 3 itrations de lalgorithme an de mieux mettre en vidence la qualit du rsultat obtenu.

Remarquons que les signaux extraits (cycles de fonctionnement) chaque itration nont pas ncessairement la mme amplitude et prsentent des dures de fonctionnement variables. Il ne sagit pas de signaux issus du mme compresseur. Une tape de classication des signaux est alors ncessaire. 140

F IGURE 5.8: Zoom sur le signal estim et sur le rsidu- Premire itration

F IGURE 5.9: Zoom sur le signal estim et sur le rsidu- Deuxime itration

141

F IGURE 5.10: Zoom sur le signal estim et sur le rsidu - Troisime itration
Classication des signaux

Les signaux sont classs selon la dure du cycle de fonctionnement. La gure (5.11) illustre les histogrammes de ces paramtres obtenus respectivement pour les signaux de la premire et de la deuxime itration regroups puis pour lunique cycle extrait la troisime itration. Nous constatons quil y a trois classes de signaux (au regard du critre choisi). Le compresseur dont la dure on-off est denviron 8 h est celui dune pompe chaleur. Celui dont la dure caractristique est de lordre de 45 mn est a priori le conglateur. Enn, les signaux dont la dure on-off varie entre 15 mn et 20 mn sont gnrs par le compresseur du rfrigrateur. Remarques Lanalyse des rsultats (extraction des signaux et classication) a t effectue de manire aveugle. Des informations collectes auprs du client (sur linstallation et la frquence dutilisation des appareils) ont permis de valider cette approche. La mthode dveloppe est automatique. Une extension la CdC du froid alimentaire dun hypermarch est envisageable, sous rserve de bien prendre en compte les a priori spciques ce secteur.

5.2.3

Dcomposition de la CdC du froid alimentaire dun hypermarch

Lobjectif de la caractrisation du froid alimentaire est ici la reconstruction du scnario. Ce scnario permet destimer le taux horaire de fonctionnement de chaque compresseur H : cest le ratio entre la dure de fonctionnement effectif dun appareil Duni (ici un compresseur) et la dure totale Dtot de fonctionnement de lusage correspondant lappareil tudi (ici le froid alimentaire) dcrit par lquation (5.6). 142

F IGURE 5.11: Dures des cycles de fonctionnement des signaux extraits

H =

Duni Dtot

(5.6)

Lanalyse de cette grandeur contribue lidentication des sources potentielles doptimisation de la gestion des appareils. Une rpartition trs htrogne entre appareils est signicative dune mauvaise gestion. En effet, certains compresseurs sont trs sollicits, ce qui augmente le risque de dfaillance de ces appareils. Nous nous intressons galement lestimation des caractristiques dimensionnantes des compresseurs telles que les amplitudes moyennes des signaux en rgime tabli. Ces paramtres permettent destimer la puissance nominale de lappareil. Remarquons que lestimation du nombre de compresseurs, des scnarios dusage et des amplitudes moyennes permettent destimer les CdCs lmentaires des diffrents compresseurs. 5.2.3.1 Informations a priori

Les connaissances a priori fournies par un spcialiste de laudit de ces installations sont les suivantes : Les compresseurs tudis nominale suprieure 1000 W et la mme puissance nominale. Mais, linstallation contient galement dautres compresseurs de puissance nominale plus faible. Le squencement des enclenchements et dclenchements des compresseurs obit une rgle du type LIFO. 143

Le froid alimentaire est lusage prpondrant sur la plage horaire [00 h, 5 h] et [21 h, 00 h[, les principaux autres usages tant lclairage (mais de faible consommation la nuit) et la ventilation. Remarque Le chauffage et la climatisation ntaient pas en marche pendant la dure des essais (3 jours).

5.2.3.2

Estimation des vnements des compresseurs partir de la CdC gnrale

Pour atteindre cet objectif, nous utilisons lalgorithme de dtection des vnements dvelopp pour le secteur rsidentiel ( la dnition du seuil de dtection (1000 W) prs). Cet algorithme est appliqu la puissance active et la puissance ractive an de minimiser les erreurs de dtection. Les vnements retenus doivent vrier la condition suivante : un vnement nest retenu que sil est dtect simultanment (dans une fentre de tolrance dune dure dune seconde) sur la puissance active et sur la puissance ractive. Lamplitude moyenne de fonctionnement (active ou ractive) est approche par la moyenne de la variation du signal tudi autour des vnements dtects. La fentre de calcul de la variation damplitude a une largeur de 30 s centre autour de lvnement considr. Un exemple de rsultat obtenu partir de lanalyse de la CdC gnrale quotidienne tronque sur la plage horaire [00 h, 5 h] est dcrit sur la gure (5.12). On obtient une estimation des amplitudes et de lincertitude (ici cart type de lerreur). Les rsultats obtenus ont t jugs satisfaisants par lauditeur du site par rapport aux informations dont il dispose sur le parc tudi et des parcs similaires audits par ailleurs. Cette estimation est dautant plus intressante pour lauditeur du site quelle ne ncessite quune journe (voire une demi-journe) de donnes uniquement, ce qui est compatible avec les dures daudition du site et la dure dacquisition tolre par le client.

F IGURE 5.12: Estimation de lamplitude moyenne des compresseurs partir de la CdC gnrale dun hypermarch

144

5.2.3.3

Reconstruction des scnarios de gestion des compresseurs

Rappelons que le nombre de compresseurs est inconnu. Nous proposons un algorithme squentiel fond sur la logique combinatoire et qui permet dtiqueter les vnements et destimer le nombre de compresseurs conjointement. La gure (5.13) prsente un exemple de rsultat obtenu de manire aveugle sur la CdC gnrale tronque sur le domaine dtude. Le nombre de compresseurs estim est gal 3. Le nombre effectif des composants tant inconnu, nous proposons de comparer lestimation obtenue partir de la CdC gnrale avec celle issue de lapplication du mme algorithme la CdC du froid alimentaire seul observe sur une journe complte. Un zoom sur le scnario de rfrence sur le domaine dtude de la CdC gnrale est prsent sur la gure (5.14). Nous constatons lexistence dun quatrime compresseur qui senclenche vers 2 h. Cette observation met en vidence les limites de lalgorithme du dcodage des vnements lis la grande combinatoire : si le nombre de compresseurs est inconnu, la rgle LIFO du squencement des vnements nest pas toujours sufsante pour rsoudre le problme combinatoire considr. Aprs cette exprimentation sur les donnes relles, nous introduisons une contrainte supplmentaire (fournie par lauditeur du site) : la solution recherche est celle qui maximise le nombre de composants tout en respectant la rgle LIFO de gestion des appareils. Le nombre de compresseurs estim avec lalgorithme amlior appliqu la CdC gnrale est gal 4. Un autre critre dvaluation des performances de lalgorithme consiste comparer les taux horaires de fonctionnement valus partir les scnarios de rfrence (reconstruits partir re f de la CdC du froid alimentaire seul) H et ceux valus partir des scnarios estims partir est . Prcisons que la dure totale D de la CdC gnrale H tot est calcule partir des signaux de rfrence et que les grandeurs compares sont celles values sur le domaine temporel dtude considr ([00 h, 5 h]) . Les rsultats rsums sur le tableau (5.1) montrent : une bonne adquation entre les valeurs estimes partir la CdC gnrale et les valeurs de rfrence ; un taux de perte (dure de fonctionnement de compresseurs non dtecte) trs faible (2%).
Compresseur n1
re f H (total : 100%) est H (total : 98%)

Compresseur n2 27 26

Compresseur n3 27 27

Compresseur n4 17 19

27 28

TABLE 5.1: Rsultats destimation du taux horaire de fonctionnement Ces rsultats sont trs satisfaisants, mais une conclusion gnrale sur les performances de lalgorithme ncessite une phase dvaluation sur une base de signaux signicative.

145

F IGURE 5.13: Reconstruction de scnario de fonctionnement dun nombre inconnu de compresseurs partir de la CdC gnrale dun hypermarch

F IGURE 5.14: Reconstruction de scnario de fonctionnement dun nombre inconnu de compresseurs partir de la CdC du froid alimentaire seul

146

Conclusions sur les mthodes de dcodage des vnements

Lestimation des signaux lmentaires de la CdC du froid alimentaire est traite sous langle du dcodage de la srie dvnements de la CdC. Des informations contextuelles sur la priode o cet usage est prpondrant (priode dabsence du client par exemple dans le secteur rsidentiel, et la nuit dans le cas des hypermarchs) nous permettent de traiter ce problme destimation des sources partir dune CdC quasi-mono-usage. Dans les deux cas traits, le problme de reconstruction des signaux est dcompos en plusieurs tapes savoir la dtection des vnements, la classication des vnements par appareil et lestimation de leur amplitude moyenne. Ces informations permettent de reconstruire les signaux lmentaires. Les algorithmes sont fonds sur des informations a priori sur le mode de fonctionnement (squencement des mises en marche et darrts des appareils) ainsi que sur les amplitudes des signaux. Les premiers rsultats obtenus conrment lintrt de cette approche pour la caractrisation du froid alimentaire partir de la CdC gnrale. Une valuation sur une base signicative de signaux reste raliser.

Synthse

Lobjectif de ce chapitre est dexplorer les possibilits et mthodes de dcomposition de la CdC dune installation donne. An de saffranchir de la grande variabilit des signaux dune CdC quelconque, nous proposons de se restreindre des cas particuliers, savoir les CdC quasimono-usage (un usage prpondrant). Dans ce cadre, une mthode probabiliste est propose pour dcomposer la CdC du chauffage dont les premiers rsultats sont encourageants. En effet, lalgorithme dvelopp permet de prendre en compte des vnements simultans de diffrents appareils ainsi que la saturation des convecteurs. Deux algorithmes fonds sur lextraction des vnements de la CdC et la prise en compte des informations a priori sur le squencement du fonctionnement des compresseurs permettent de dcomposer : la CdC rsidentielle des compresseurs seuls (en absence du client par exemple) ; et la CdC gnrale dun hypermarch pendant la priode de nuit. Dans les deux cas, les premiers rsultats sont satisfaisants. Mais une valuation partir dune base de signaux plus reprsentatives reste faire. 147

Conclusion gnrale
Dans ce manuscrit, nous considrons le problme de caractrisation aveugle de la courbe de charge (CdC) gnrale de manire entirement non-intrusive. Trois sous-problmatiques sont sous-jacentes la caractrisation, savoir la dtection, la classication et lestimation (estimation de paramtres ou extraction de signaux) (chapitre 1) . Cette problmatique sinscrit dans le cadre gnrique de lextraction automatique du contenu informationnel des sources dun mlange mono-valu des n de prise de dcision (supervise ou non-supervise). La CdC est un signal non-stationnaire qui constitue une observation indirecte des objects recherchs (nergie quotidienne par usage, domaine de fonctionnement, nombre de composantes, tat de sant des machines, etc.). La caractrisation de cette classe de signaux de mlange est traite par exemple dans le cas de signaux sonores, o diffrentes approches sont proposes pour sparer les sources partir dune observation unique [BGB01, BB03, GL]. Lanalyse de ces travaux (chapitre E) met en vidence limportance de la connaissance complmentaire apporte ou encore le choix dune reprsentation adapte aux sources pour rendre le problme soluble. Un autre problme analogue est celui de lextraction automatique dobjets partir dune image [Ort95], qui se situe dans le cadre gnrique des problmes inverses. Les solutions proposes montrent lintrt de la simulation baysienne pour cette classe de problmes. Lanalyse de notre besoin et de ces approches nous ont conduit adopter une dmarche qui se dcline en deux phases. Nous verrons que ltape dvaluation des mthodes est intgre la deuxime phase. a) Extraction de connaissances a priori partir des signaux lmentaires Une analyse dtaille de signaux (chapitre 2) issus de diffrentes campagnes de mesure a permis dextraire des proprits des usages (la morphologie, le contenu frquentiel, les lois dvolution de paramtres, etc.). Cette phase a galement permis didentier des reprsentations adaptes la reconnaissance de certains usages, notamment le spectrogramme et la densit des vnements pour le chauffage lectrique. b) Dnition dune mthodologie gnrale pour la caractrisation de la CdC La mthodolgie gnrale de la caractrisation de la CdC sappuie sur la classication des estimes recherches en cinq classes : les caractristiques physiques des usages, lnergie consomme par usage, le support temporel de chaque usage, la srie des vnements par usage et enn les signaux temporels. Quant au choix de(s) approches thoriques, orient par les spcicits du problme, nous avons galement opt pour une dcomposition du problme industriel en trois cas dapplications. Ce choix permet de slectionner lapproche thorique la plus approprie chaque classes de signaux et de rpondre au besoin industriel. Dans la suite, nous dcrivons les 149

mthodes dveloppes et performances obtenus pour chaque sous-problme en fonction des objectifs annoncs. Caractrisation dune CdC gnrale quelconque Nous nous intressons tout particulirement aux clients ayant du chauffage lectrique par convecteurs. La diversit des CdCs et la complexit apport par le foisonnement important des signaux en prsence du chauffage nous ont amen restreindre les objectifs de la caractrisation la segmentation de la CdC et lestimation des paramtres des usages (caractristiques physiques, nergie consomme par usage). La segmentation automatique est traite dans le chapitre 3. Une approche classe / non-classe est prsente et dcline dans le cas particulier du secteur rsidentiel. Nous avons dvelopp deux mthodes de segmentation du chauffage. Elles sont respectivement fondes sur linterprtation du spectrogramme et sur ltude de la densit des vnements. Un dtecteur rsultant dune adaptation du test de Page-Hinkley (en ajoutant des informations a priori) permet de dtecter les cycles de fonctionnement du chauffe-eau. Ltude de performances partir de donnes relles met en vidence la robustesse de la segmentation chauffage / autres usages. La dtection du chauffe-eau reste amliorer. Le problme destimation de lnergie consomme, de lamplitude et du nombre de composants est considr dans le chapitre 4. Les rsultats obtenus avec les algorithmes de cartographie de lnergie totale consomme partir des CdCs relles sont satisfaisants et rpondent globalement aux attentes de lentreprise. Nanmoins certaines amliorations sont ncessaires, notamment pour traiter le cas o les convecteurs fonctionnent en rgime satur pendant une dure signicative (quelques heures). Dcomposition dune CdC quasi-mono-usage Isoler ce cas dapplication particulier nous permet denvisager des mthodes de reconstruction des sources du mlange dans des conditions relles. Ce qui est difcilement envisageable dans le premier cas dapplication. Deux mthodes de reconstruction de signaux sont prsentes dans le chapitre 5. La premire sappuie sur un algorithme de dcodage des vnements de lusage tudi et utilise un modle damplitude des signaux. Une application la CdC du froid alimentaire (rsidentiel et tertiaire) met en vidence lintrt de cette mthode et la robustesse des algorithmes dvelopps. La deuxime est une mthode gnrative, o les paramtres du modle sont estims par un algorithme du recuit simul. Une application au chauffage lectrique constitue une illustration de la faisabilit de la mthode, quil faudra complter par des tests sur des signaux rels. En rsum Les contributions de cette thse portent sur deux niveaux. Le premier niveau concerne les mthodes et modles proposs par adapatation et amlioration des approches existantes. Le second niveau concerne laspect applicatif des solutions proposes, au sens les solutions que lentreprise envisage dindustrialiser terme. Les contributions mthodologiques Les principales contributions mthodologiques sont les suivantes : Extraction de connaissances a priori sur les usages lectriques et dnition de domaines transforms ddis aux usages lctriques ; 150

Nouvelle mthode dinterprtation dune reprsentation temps-frquence fonde sur lutilisation conjointe dun dtecteur de non-stationnarits dans le plan temps-frquence et dune mthode dextraction des motifs frquents ; Une nouvelle approche de sparation de sources mono-capteur (sans apprentissage base dexemples et dans le domaine dobservation des signaux) fonde sur deux modles stochastiques de la CdC et des vnements de la CdC. Les contributions applicatives Dun point de vue applicatif, certains algorithmes dvelopps dans le cadre de la thse contribuent rpondre au besoin industriel court et moyen termes. Il sagit principalement de : la segmentation de la CdC rsidentielle quotidienne ; la cartographie de lnergie quotidienne par usages dans le secteur rsidentiel ; la reconstruction des scnarios de fonctionnement des compresseurs dans les hypermarchs ; lestimation des caractristiques dusages (nombre de convecteurs, nombre de compresseurs, taux horaire de fonctionnement des compresseurs dun hypermarch). Ces rsultats constituent des composantes dune offre nergtique telle quune analyse dtaille de la consommation dun client particulier ou encore un appui laudit de sites tertiaires en vue de loptimisation de la gestion des appareils ou de la dtection danomalies. Les algorithmes destimation de lnergie quotidienne feront lobjet dune valuation grande chelle en 2010.

151

Perspectives
Ce chapitre dcrit les perspectives mthodologiques, algorithmiques et dvaluation dans la suite des mthodes proposes dans le cadre de cette thse. Nous prsentons brivement deux tudes inities en pespectives de la thse : la premire sintresse lapport de la modlisation par processus stochastiques marqus pour la dcomposition de la CdC, la deuxime sintresse la caractrisation des usages lectriques tel quenvisage dans notre thse mais partir de signaux lectriques diffrents (intensit et tension de courant chantillonnes quelques kHz).

Amlioration de la modlisation
Dans le cadre des mthodes du type ltrage, nous proposons damliorer le modle de la consommation quotidienne du chauffage en adoptant une dmarche du type rgression de modle. Rappelons que la dnition du modle dcrit dans ce mmoire est fonde sur des constatations qualitatives par manque de donnes au moment o le modle a t conu. Nous proposons didentier la fonction reliant la CdC du chauffage, les signaux de rgulation rapide et dautres paramtres de la CdC gnrale en utilisant les donnes dapprentissage o la CdC chauffage de rfrence est parfaitement connue. Rappelons que le modle propos dans le cadre de la thse est empirique et avait initialement t propos sans connatre les signaux du mlange.

Caractrisation des usages dans le domaine temps-frquence


Nous avons prsent une mthode de segmentation de la CdC dans le domaine temps-frquence en vue de la reconnaissance des usages. Le choix de la reprsentation est orient par les proprits des signaux caractriser. Il serait intressant dtudier une gnralisation de cette approche dinterprtation des usages partir dune ou de plusieurs reprsentations temps-frquence. Nous avons investigu une mthode de dtection et destimation des usages fonde sur la mthode des paquets dondelettes. Les premiers rsultats montrent que cette approche est prometteuse. En effet, comme les usages tudis se diffrencient par leurs constantes temporelles (la dure de cycle de fonctionnement), une interprtation des signaux fonde des reprsentations tempschelle est a priori pertinente. Le choix des paquets dondelette offrent plus de possiblits en termes de dtection et de classication du contenu de la CdC. Cette approche sinsprise dune tude portant sur la segmentation et la classication des signaux EMG [Che06]. 153

Evaluation des mthodes de caractrisation de la CdC


La problmatique dvaluation des mthodes na pas t traite part entire dans le cadre de la thse. Cependant, des critres dvaluation sont proposs pour chaque mthode. Ces critres ont t utiliss au mieux compte tenu de la qualit des donnes disponibles. De manire gnrale, il reste valuer les mthodes sur une base de donnes plus signicative. Des donnes issues dune campagne de mesure grande chelle (une cinquantaine de clients) seront disponibles au second semestre 2010 an dvaluer les algorithmes destimation de lnergie consomme par le chauffage et celle consomme par lECS. Ces donnes permettront galement dvaluer les performances des deux dtecteurs mis en uvre pour les deux usages tudis. Il reste galement valuer les algorithmes destimation des signaux temporels des compresseurs partir de CdC quasi-mono-usage. Les autres algorithmes ncessitent quelques amliorations et extensions avant denvisager une telle dmarche dvaluation globale.

Vers une mthode de reconstruction des signaux dune CdC quelconque


Cette section prsente une mthode que nous proposons en perspective de cette tude pour dcomposer une CdC quelconque. Il sagit dune tude de faisabily. Nous esquissons la dmarche gnrale, la formalisation du problme et une illustration des premiers rsultats obtenus. Ici, nous considrons le problme de la sparation aveugle des signaux du mlange observ (CdC) sous langle de la classication des vnements lectriques de la CdC globale par classe dappareils. Lanalyse des signaux a mis en vidence des proprits morphologiques et temporelles communes entre certains appareils nappartenant pas ncessairement au mme usage. Nous dnissons alors de nouvelles classes de signaux du mlange en fonction de ces proprits. La reconstruction de ces classes de signaux est dcompose en une tape de classication et une tape dappariement des vnements observs. Etant donne la dimension de lespace des paramtres recherchs et le caractre combinatoire du problme, nous formalisons le problme initial de sparation de sources dans le cadre de la simulation baysienne. La mthode propose est fonde sur une modlisation stochastique de la srie des vnements observs. La solution au sens du maximum a posteriori est obtenue en utilisant un chantillonneur du type MCMC, plus prcisment lchantillonneur de Metropolis-Hastings. Nous commenons ce chapitre par une prsentation du problme de sparation des composantes de la CdC sous langle de la classication et de lappariement conjoints des vnements de classes de signaux que nous avons introduits.

1. Position du problme
1.1. Dnition des classes dvnements Soit y(t ) la puissance moyenne mesure une frquence dchantillonnage Te chez un client rsidentiel. Le problme de sparation aveugle des signaux du mlange consiste estimer les sources xi (t ) du mlange. Lanalyse des signaux a permis didentier certains paramtres discriminants entre appareils tels que la symtrie ou non entre un enclenchement et le dclenche154

ment correspondant, les lois des dures temporelles ainsi que lamplitude moyenne des signaux. An de prendre en compte ces connaissances, la reprsentation naturelle de la CdC est la srie des vnements lectriques. Rappelons quun vnement lectrique traduit le passage dun tat stable un autre tat stable et se traduit par une variation de lamplitude entre ces deux tats (voir lquation (1.1)). Ainsi lobservation y(t ) est reprsente par la srie (ti , Ai )i note zg qui est le foisonnement de 5 classes. Les classes de signaux (vnements) considres sont les suivantes. Classe C1 : cette classe correspond aux signaux symtriques rgulation trs rapide (exemple : fours, bouilloire, signal de la rsistance de chauffage de leau dun lave-linge), o : symtrique signie quun vnement du type on et lvnement du type off correspondant ont quasiment la mme amplitude en valeur absolue. Une modlisation de cette caractrisation par une loi de probabilit sera prsente ultrieurement. rgulation trs rapide signie dans notre cas dapplication que la constante de temps caractristique de la rgulation de lappareil Trg est de lordre dune minute. Le domaine de dnition prcis de ce paramtre, dans notre cas dapplication, est prsent dans la section suivante. Classe C2 : cette classe correspond aux signaux symtriques rgulation moyenne (exemple : fours, bouilloire, signal de la rsistance de chauffage de leau dun lave-linge) o : rgulation moyenne signie dans notre cas dapplication que la constante de temps caractristique de la rgulation de lappareil Trg est de lordre de quelques minutes. Le domaine de dnition prcis de ce paramtre dans notre cas dapplication est prsent dans la section suivante. Classe C3 : cette classe correspond aux signaux asymtriques rgulation lente et de forte amplitude (exemple : ECS) o : asymtrique signie quun vnement du type on et lvnement du type off correspondant ont des amplitudes signicativement diffrentes en valeur absolue, relativement un seuil prdni. Une modlisation de cette caractrisation par une loi de probabilit sera prsente ultrieurement. rgulation lentes signie dans notre cas dapplication que la constante de temps caractristique de la rgulation de lappareil Trg est au moins gale une dizaine de minutes. Le domaine de dnition prcis de ce paramtre dans notre cas dapplication est prsent dans la section suivante. forte amplitude signie que lamplitude moyenne de chaque vnement est suprieure (en valeur absolue) un seuil prdni A3min x 1000 W dans le cas de la CdC. Classe C4 : cette classe correspond aux signaux asymtriques rgulation lente de faible amplitude (exemple : compresseurs du froid alimentaire, pompe chaleur), o : faible amplitude signie que lamplitude moyenne de chaque vnement est infrieure (en valeur absolue) un seuil prdni A4min x 500 W dans le cas de la CdC. Classe C5 : cette classe regroupe les vnements de la CdC nappartenant aucune des classes prcdentes. Les sries dvnements (paires dvnements) correspondant ces cinq classes sont respectivement notes zk o k {1, 2, 3, 4, 5}. 155

fa Classe C1 Classe C2 Classe C3 Classe C4


.| fa (.) = 21b exp( |b ) N (a2 , a2 ) N (a3 , a3 ) N (a4 , a4 )

f11 N (0, s11 ) N (11 , s11 ) U (D11 3 ) U (D11 4 )

f00 N (0, s11 ) U (D00 2 ) U (D00 3 ) U (D00 4 )

f10 U (D00 1 ) U (D10 2 ) U (D10 3 ) U (D10 4 )

TABLE 5.2: Lois a priori des paramtres des classes dvnements de la CdC

Notons dores et dj que ce choix nest pas compltement g : la description des appareils de chaque classe, les caractristiques et le nombre de classes seront complts en fonction de lanalyse des signaux dautres usages que ceux considrs dans cette thse. 1.2. Informations a priori Les paramtres dcrivant les diffrentes classes sont : la variation damplitude entre deux vnements successifs de nature diffrente (on-off ) note (k) (k) (A10 ) pour la classe k . Ces variations sont modlises par les lois de probabilit fa pour chaque classe tudie. Cette loi est appele loi des amplitudes. la dure entre deux on successifs, la dure entre deux off successifs et la dure entre un on et (k) un off successifs : ces dures sont respectivement modlises par les lois de probabilits f11 , (k) (k) (k) f00 et f10 . Ces lois de probabilits seront rsumes par un notation commune fd f o d , f {1, 2, 3} en fonction du type de chacun des deux vnements considrs. Ainsi, deux vnements (Ai , ti ) et (A j , t j ) successifs de la classe Ck vrient les deux relations suivantes 5.7 : | Ai A j | fa,k | ti t j | fd f
(k)

(5.7)

Le choix des lois a priori de chaque classe est fond sur lanalyse des signaux ou des connaissances sur le fonctionnement des usages. A titre dillustration, nous prsentons sur la gure (5.15) les histogrammes de la variation damplitude observe entre deux vnements successifs pour un convecteur et un ballon deau chaude sanitaire. Lhistogramme obtenu est centr pour le convecteur et a une moyenne nulle traduisant ainsi la symtrie on-off des vnements ; alors que celui obtenu pour lECS est dcentr, ce qui traduit lasymtrie des vnements on-off pour cet usage. Nous considrons une lois double exponentielle pour le chauffage et une loi normale dcentre (de moyenne 2 = 150 pour lECS). Ci-aprs les lois a priori des paramtres des classes dvnements considres. 1.3. Lois a priori des variations damplitude dun couple dvnements on-off successifs Les lois considres sont rsumes dans le tableau (5.2). 156

1.4. Deux approches envisages Lobjectif consiste extraire les quatre sries dvnements utiles, ce qui revient attribuer chaque vnement une tiquette (label) parmi les cinq valeurs possibles et les apparier. Ce problme peut tre vu sous langle dun test dhypothses multiples. Une mthode a t envisage dans ce cadre et a abouti la mise en uvre dun algorithme squentiel de classication des vnements. Le problme pos est un problme doptimisation combinatoire, que nous proposons daborder en utilisant une mthode du type MCMC. Ce choix permet dintgrer les a priori sur les signaux et dexplorer plus efcacement lespace des solutions possibles.

2. Formalisation dans le cadre de la simulation baysienne


A chaque signal observ y(t ), on associe la srie des vnements (Ai , t j ) qui est la runion des sries dvnements des classes considres. Les vnements de chaque classe Ck sont modliss de la manire suivante : | Ai A j | Fk | ti t j | Gk

(5.8)

o Fk et Gk sont respectivement la loi damplitude et la loi des dures associes la classe considre.

F IGURE 5.15: Histogramme des variations damplitude on-off dun convecteur et de lECS 157

Soit k la probabilit de la classe Ck . Les sries dvnements recherches sont celles qui expliquent au mieux, au sens du maximum a posteriori, la srie observe. Il sagit donc destimer les tiquettes (labels) k des vnements observs en maximisant la loi a posteriori dnie par lquation suivante : f (z) =

Gk (ti t j )Fk (ti t j ) k (z)

paires (i, j)

o : z est la srie des vnements (Am , tm , km ) ; (z) est la loi a priori (cest le produit des lois a priori sur les diffrents paramtres du modle).

3. Algorithme
Lalgorithme mis en uvre pour simuler la loi a posteriori est similaire lalgorithme du recuit simul prsent pour la dcomposition de la CdC du chauffage dcrit dans le chapitre (??). Rappelons quune paire dvnements est un couple dvnements de mme nature ou non. Nous utilisons cette terminologie lors de la description des perturbations (transitions) envisages. 3.1. Dnition des transitions Permuter deux paires dvnements : il sagit dintervertir les labels de deux paires dvnements tirs alatoirement selon une loi uniforme. Supprimer une paire dvnement dune classe ; Ajouter une paire dvnements tire alatoirement parmi ceux de la classe C5 ; Modier le label dun vnement sur deux dune classe donne ; Supprimer tous les vnements de la srie dune classe donne (autre que C5 ) ; Ajouter une srie dvnements tire alatoirement de C5 une classe donne. 3.2. Initialisation des sries Chaque classe est initialise par une srie dont la taille est fonction de la probabilit dapparition de la classe (k .N o N est le cardinal de lensemble des vnements). Si Nk est le nombre initial de paires de la classe Ck , on tire alatoirement Nk instants tik dans la liste des on . Les vnements du type off sont alors gnrs alatoirement connaissant les dates de tik selon la loi de probabilit f10 .

4. Validation sur des cas simplis


Lalgorithme propos a t implment. Il a t valid sur deux cas-test simplis. Le premier cas-test est un mlange de deux convecteurs damplitude moyenne diffrente et de mme priode de rgulation. Le second cas test est un mlange de deux signaux : la CdC du froid alimentaire et celle du ballon deau chaude. Les vnements sparer sont prsents sur la gure (5.16). 158

F IGURE 5.16: Cas test - mlange du froid alimentaire et de lECS La srie des vnements du signal observ y(t ) chantillonn 1 s est obtenue par seuillage de la srie des diffrences nies du signal. Le seuil appliqu (en valeur absolue) est de 100 W. Lapplication de lalgorithme permet didentier parfaitement les vnements dans les deux cas tests. Il sagit bien de deux tests pour valider la dmarche. Mais, il ne sagit que de premiers rsultats de preuve de faisabilit obtenus en n de thse. Des amliorations de la mthode, portant plus prcisment sur le choix des noyaux de transition et sur la gestion des cas dvnements manquants ou simultans, sont ncessaires avant denvisager des tests sur des mlanges rels. Remarque La mthode gnrative fonde sur une modlisation paramtrique a t dveloppe dans le cadre prcis de la CdC quasi-mono-usage (chauffage par exemple). Sa gnralisation une CdC quelconque nest pas vidente cause de la grande diversit des signaux dune part, et de la combinatoire du problme. Une extension de cette approche dans le cadre de la thorie des processus ponctuels marqus a t propose par Julien Bect et al dans [GBLa09] et se poursuit dans le cadre dune thse dmarre en mars 2009 au dpartement Signaux et Systmes lectroniques de Suplec.

Approche fonde sur un enrichissement des donnes dentre


Nous avons considr le problme de la caractrisation dans des conditions relles avec linfrastructure existante. Dautres approches peuvent tre envisages. Par analogie avec les approches 159

NIALM [Cox06, Lee03], il serait judicieux dinvestiguer des mthodes de traitement du signal partir de signaux chantillonns une frquence plus leve. Lanalyse des algorithmes de la famille NIALM montre quil est envusageable de saffranchir de la phase dapprentissage en adoptant une dmarche de traitement du signal telle que effectue dans cette thse. Une autre approche potentielle consisterait tirer prot des systmes dinformation disponibles, qui sont de plus en plus prsents dans les maisons. Cette approche ainsi quune tude de lapport des systmes de mesure dits multi-prises ou prises intelligentes sont en cours dinvestigation au sein dEDF en collaboration avec plusieurs partenaires industriels et acadmiques.

160

Publications
Articles de confrence avec comit de relecture
M. El Guedri, C. Lajaunie, G. Fleury et G. DUrso, Modle stochastique pour la sparation des composantes de la courbe de charge lectrique, XXIIme colloque GRETSI, Dijon, France 2009. M. El Guedri, G. DUrso, C. Lajaunie, G. Fleury et S. Parfouru, Time-Frequency characterization for electric load Monitoring, EUSIPCO (EUropean Signal and Image Processing COnference), Glasgow, Ecosse 2009. M. El Guedri, J. Bect, C. Lajaunie, G. Fleury, R. Sraoui, A. Garcia et A. Girard, RJMCMC Point-Process Sampler for Single Sensor Source Separation : an Application to Electric Load Monitoring, EUSIPCO (EUropean Signal and Image Processing COnference), Glasgow, Ecosse 2009.

Brevet
B. Charbonnier, G. DUrso, M. El Guedri, Method and system for detecting and estimating the electric power consumption of a subscribers facilities, European patent nEP20080157409, Octobre 2008.

ANNEXES

iii

Annexe A Description du compteur bleu lectronique

En 2005, le nombre de compteurs de relev de consommation lectrique dans le secteur rsidentiel slve 35 millions, toutes catgories comprises. En 2007, 21 millions de compteurs sont lectromcaniques et un million de compteurs lectroniques sont installs par an. La gure (A.1)prsente une image dun CBE en prcisant ses principales composantes. Le compteur bleu lectronique (CBE) est un objet communicant : diffrentes informations sont disponibles dans le compteur, certaines tant transmises via une sortie ddie appele sortie tl-information (tl-info).

F IGURE A.1: Sortie Tl-info du CBE

En effet, les compteurs bleus lectroniques (CBE) disposent de deux fonctions de communication : dune part un accs adress aux donnes de comptage par un bus de TELERELEVE au standard EURIDIS et dautre part une sortie tlinformation (Tlinfo) spcique EDF mettant en continu des donnes disposition dun quipement rcepteur.

Sortie tl-information (client particulier)


Une transaction par le bus TELERELEVE se fait en trois ou quatre secondes linitiative dun quipement de relve distance qui a un accs partag N compteurs quil doit interroger lun v

vi

ANNEXE A. DESCRIPTION DU COMPTEUR BLEU LECTRONIQUE

aprs lautre. Par consquent, la frquence de ces transactions est limite par le nombre N de compteurs relever. La sortie TELEINFO met vers un quipement rcepteur ct client en continu sil nest pas interrompu par une TELERELEVE- et envoie un train de donnes nouvelles environ toutes les secondes (la frquence exacte est lie loption tarifaire du client). Cette notion dinterruption en cas de TELERELEVE est intressante car elle peut servir de synchronisation pour une action de vrication de cohrence entre les donnes de tlrelve et les donnes de tlinfo. La Tlinformation du client est ralise par une liaison srie numrique module qui diffuse en permanence des information contenues dans les mmoires du compteur. Cette liaison peut tre utilise pour connecter des systmes tels que : un afcheur dport, un terminal ou encore un gestionnaire dnergie. Principe Les informations sont transmises cycliquement en srie sur la ligne. Chaque donne transmise est prcde dune tiquette permettant de lidentier. Lensemble des donnes transmises dpend de la programmation du compteur. Les groupes dinformations inutiles, compte tenu du mode de fonctionnement programm, ne sont pas mis. Grandeurs dlivres par la sortie tl-info Les grandeurs fournies par la sortie tl-info peuvent tre classes en deux catgories : information sur le client : tarif, puissance souscrite, etc. La consommation du client : puissance appele, Index, Intensit instantane, etc. Ces grandeurs sont mises jour chaque seconde, ce qui permet de suivre leur volution au cours du temps. La rsolution des principales grandeurs qui nous intressent est rsume dans le tableau (A.1). Grandeur lectrique Puissance active Puissance apparente Intensit de courant Rsolution 10 W 10 VA 0.5A

TABLE A.1: Pas de quantication des mesures lectriques en sortie du CBE

Remarque La seule grandeur disponible en sortie du CBE est la puissance apparente.

Annexe B Dnitions de quelques grandeurs lectriques


Lobjectif de cette annexe est de dnir les grandeurs lectriques dintrt ainsi que de prsenter les proprits physiques de certains composants (diples). Nous nous limiterons au cas du courant alternatif en rgime monophas. Soit D un diple soumis la tension instantane u (t ) et travers par lintensit de courant instantane i (t ). On distingue deux types de diples : les diples linaires et les diples nonlinaires, en fonction de la relation reliant lintensit de courant instantane la tension telle que lillustre la gure (B.1) o : i1 (t ) = i ( , t ) i2 (t ) = i (, t ) avec = [ , 2 , 3 , ..]t La puissance instantane du diple est dnie par lquation (B.1) : P (t ) = u (t ) i (t ) (B.1)

F IGURE B.1: Diple linaire et diple non-linaire

Cas dun diple linaire : Puissances en rgime sinusodal de courant et de tension Le diple D est caractris par son impdance complexe Z = R + jX = Z (cos + j sin ), o R et X sont respectivement la rsistance et la ractance du diple, est le dphasage du courant par vii

viii

ANNEXE B. DFINITIONS DE QUELQUES GRANDEURS LECTRIQUES

rapport la tension. En supposant que la tension est un signal purement sinusodal de priode 1 = 50 Hz), on dnit les trois puissances suivantes : T0 (frquence f0 = T 0 La puissance active est, par dnition, la valeur moyenne de la puissance instantane sur une priode. Elle correspond la puissance lectrique consomme par la composante rsistive du diple. Nous avons alors : 1 t +T0 /2 v ( ) i ( ) d = UI cos P (t ) = T0 t T0 /2 o U et I sont les valeurs efcaces de tension et de courant. La puissance ractive correspond la part associe la ractance du diple, et est dnie ainsi : 1 t +T0 /2 T0 Q (t ) = i ( ) d = UI sin v T0 t T0 /2 4 La puissance apparente est le produit des valeurs efcaces de courant et de tension : S = UI et vrie la relation S2 = P2 + Q2 . Rappel : Thorme de Boucherot La puissance active (ractive) dissipe dans un groupement de diples (fonctionnant en rgime sinusodal) est gale la somme des puissances actives (ractives) dissipes dans chacun des diples, quelle que soit leur association. Consquence A tout instant, la puissance active dune installation lectrique (par exemple une maison) est gale la somme des puissances actives appeles par N appareils lectriques :
N

P (t ) =

m=1

Pm (t )

(B.2)

Cas dun diple non-linaire : Puissances en rgime sinusodal de tension et en rgime non-sinusodal de courant La distribution de llectricit se fait en rgime sinusodal, si lon nglige la pollution du rseau. Mais, la plupart des appareils lectriques utiliss par les particuliers et les industriels appellent un courant priodique mais pas ncessairement sinusodal, cause de la prsence de plus en plus de convertisseurs de llectronique de puissance dans ces appareils. Par consquent, lintensit de courant appele par cette catgorie dappareils contient des courants harmoniques en plus de la composante oscillant la frquence fondamentale (dcomposition en srie de Fourier). Tradionnellement, les sources dharmoniques sont essentiellement attribues au secteur industriel. Or des campagnes de mesure menes en France ont montr que le pic de pollution du rseau est atteint le dimanche soir, moment o les tlviseurs sont massivement allums. Le tableau (B.1) prsente les principaux gnrateurs dharmoniques chez les industriels et chez les particuliers.

ix
Secteur rsidentiel Lampes basse consommation Variateurs de vitesse (moteurs) Tubes uorescents Tlviseurs, ordinateurs

Secteur industriel

Fours arc (mtallurgie)

Soudeuses

TABLE B.1: Exemples de gnrateurs dharmoniques

La dnition de puissance en prsence de courants harmoniques telle que cette puissance ait un sens physique est un d qui nest pas compltement rsolu. Par analogie avec la dnition de la puissance active (ractive) en rgime sinusodal pour un diple linaire, la puissance active et la puissance ractive associes lharmonique de rang k sont dnies comme suit (B.3) : 1 t +T0 /2 2 1 t +T0 /2 Pk (t ) = T0 t T0 /2 v (k ) i ( ) d = T0 t T0 /2 V cos k T0 i ( ) d T0 1 t +T0 /2 1 t +T0 /2 (B.3) v k i ( ) d = V sin k 2 Q ( t ) = k T 4 T T0 i ( ) d t T / 2 0 0 t T0 /2 0 pour k = 1, 2, 3, ...

Annexe C Sythse des travaux antrieurs sur la caractrisation des usages lectriques
Approches statistiques pour la dcomposition non-intrusive de la CdC
Modles de sources markoviennes caches (HMMs)
Nous avons vu que Georges Hart a ramen le problme de la dcomposition de la CdC lectrique (puissance active et ractive en rgime permanent) au dcodage de la srie des vnements dnie par lquation (1.3). Cette phase de dcodage a t ralise en se basant sur une modlisation des appareils lectriques par des machines deux tats (on, o f f ). Cette mthode est fonde sur les deux hypothses suivantes : H1 H2 Des usages distincts ont des signatures distinctes dans lespace de reprsentation (P, Q). Un vnement se traduit par une transition dun niveau de consommation quasiment constant un autre niveau de consommation quasiment constant.

Le dcodage des vnements a fait lobjet de diffrents algorithmes, principalement fond sur la modlisation des usages par des machines dtat. Cette ide a t reprise dans le cadre des travaux de la thse de Marc Bons [Bon96] et a abouti une nouvelle modlisation de la CdC lectrique dans le secteur rsidentiel. Cette mthode consiste modliser la puissance mesure en sortie du compteur dlectricit par des chanes de Markov caches [Rab89]. Cette mthode est base sur le constat suivant : les CdCs des particuliers prsentent une grande diversit lie la diversit des installations lectriques et aux diffrents modes de consommation (qui dpendent principalement des habitudes des clients et des tarifs choisis). Ces lments ainsi que dautres facteurs tels que la temprature et des vnements particuliers (dpart en vacances, vague de froid trs importante, etc.) confrent un caractre erratique aux donnes analyses, qui suggre une modlisation stochastique. On peut donc considrer quil existe des priodes de consommation homognes et dautres alatoires. Ainsi, nous disposons dune grandeur observe qui est la puissance totale appele, les classes des diffrentes courbes de charge lmentaires tant des variables caches. Ce contexte sugxi

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xii DES USAGES LECTRIQUES gre lutilisation dun modle statistique du type chanes de Markov caches (Hidden Markov Models : HMM).

Gnralits sur les HMM Les modles sources markoviennes caches (HMM) constituent un outil de modlisation stochastique qui permet dutiliser des distributions de probabilit et dincorporer des information structurelles. Ces techniques ont connu un essor trs important depuis les annes 80 grce leur application dans le domaine de la reconnaissance de la parole. Un modle de chane de Markov cache est dni par une squence nie dtats, o chaque tat est associ une distribution de probabilit. Les transitions entre les diffrents tats sont gouvernes par des probabilits de transition. Quand le systme est dans un tat, une observation est gnre selon une probabilit dobservation. Les tats ne sont pas observables, do le terme cachs. Plus prcisment, un modle de chanes de Markov caches est un processus doublement stochastique. Les deux processus sont : le processus des tats cachs not (q (t ))t : Cest un processus markovien. On suppose qu linstant t , le systme est dans ltat q (t ) {S1 , ..., SN }. Par exemple, dans le cas dun appareil lectrique, les tats sont les tats de marche et arrt si on modlise un seul appareil deux tats, et sont les congurations possibles si on modlise toute linstallation lectrique. Les changements dtat sont dnis par des probabilits de transition : ai j = P(q(t + 1) = j/q(t ) = i). La matrice des probabilits de transition est note A. le processus de gnration des observations Ot (t ) On dnit galement lalphabet des observations : {1 , ..., M }, qui correspond aux niveaux (amplitudes) de consommation dans notre application. Les probabilits associes aux observations sont dnies par : b j (k) = P(Ot = k | q(t ) = S j ) qui est la probabilit dobserver le symbole k linstant t sachant que ltat courant est S j . Le modle est donc dni par la donne de la matrice dobservation, la matrice des probabilits de transition et le vecteur des probabilits initiales. Les trois problmes fondamentaux des HMMs sont : lapprentissage pour ajuster les paramtres du modle ; lvaluation de la vraisemblance des observations tant donn un modle spci ; et le dcodage qui consiste dterminer la squence dtat la plus vraisemblable (critre choisi). La mthode propose dans la thse de Bons repose sur la modlisation des appareils lectriques (par des machines dtats) ainsi que linteraction entre appareils, pour prendre en compte des cas dvnements simultans ou manquants. Cette modlisation globale permet de conforter le dcodage par la prise en compte de la grande majorit des interactions entre appareils. Cette approche a pour but daugmenter la abilit du dcodage des vnements, en comparaison avec les rsultats des travaux de Hart. Ici, le dcodage a pour but dattribuer la meilleure attribution (au sens de maximum de vraisemblance) aux appareils compte tenu du modle global. Le problme de dcomposition de la CdC est ainsi ramen lestimation de la squence dtats la plus vraisemblable, o un tat de linstallation globale est constitu de microtats associs aux diffrents appareils. Cette phase est ralise par un algorithme de Viterbi [Vit67].

xiii Modlisation de linstallation lectrique Le modle global de linstallation lectrique est lagrgation des modles de chacun des appareils. Les tats possibles du modle agrg sont appels macro-tats, o un macro-tat est le n uplet dont chaque lment est ltat dun des diffrents appareils modliss. Chaque appareil est modlis par une machine deux ou plusieurs tats en fonction du nombre de composantes de lappareil. Par exemple, un convecteur lectrique est modlis par une machine deux tats (marche/arrt), alors que la modlisation dun lave-linge fait intervenir au moins trois composantes : une rsistance (chauffage de leau), un moteur (tambour) et une pompe (vidange de leau). Chaque composante du lave-linge est modlise par une machine deux tats, les diffrentes composantes tant ensuite interconnectes entre elles en tenant compte du fonctionnement de lappareil, ce qui peut amener multiplier les tats. Modlisation des dures Ltude des vnements de la CdC effectue dans ltape de dcodage est fonde sur la succession des vnements (au cours du temps) et sur leurs puissances. Une telle mthode peut tre value en termes de pourcentage dvnements correctement identis. Ce critre est loin dtre satisfaisant tant donn dune part que lon sintresse lnergie consomme par lusage et dautre part la grande dispersion entre usages au sens de leur densit dvnements. Par exemple, un ballon dECS gnre une dizaine dvnements par jour, alors quun convecteur gnre quasiment autant dvnements pour seulement une dure de fonctionnement de lordre de cinq minutes. Des erreurs gales de reconnaissance des vnements ne donnent pas lieu des erreurs similaires en nergie consomme. An damliorer la phase de dcodage, M. Bons propose dans sa thse dintroduire des connaissances a priori sur les dures de fonctionnement par analogie avec lutilisation des lois de dure en reconnaissance de la parole [Fer80, Vas95]. Deux grandeurs sont alors observes : la CdC globale (squence des vnements) et les dures values. En rsum La modlisation des appareils lectriques par des machines deux tats est une mthode originale qui a permis de rsoudre les problmes lis la superposition dvnements et les cas dappareils de mme puissance. Elle permet de prendre en compte des appareils ayant plusieurs composantes (charges) ; ce qui na pas t trait dans les travaux de Hart. De plus, cette mthode fonde sur une phase dapprentissage et une phase de dcodage, et prenant en compte les lois des dures de certains appareils, permet de prendre en compte les spcicits de comportement de la clientle des particuliers. A lissu de ce travail, le chauffe-eau, les convecteurs et le rfrigrateur sont souvent correctement estims. Des appareils tels que le lave-linge sont souvent sous-estims bien que correctement dtects. Le lave-vaisselle, le sche-linge et les appareils de cuisson nont pas t pris en compte dans cette tude.

Application dun algorithme gntique la dcomposition de la puissance active


Des travaux de recherche lUniversit de Paderborn [BV03, BV04] ont pour objectif de mettre en place un systme de reconnaissance des usages lectriques et destimation des nergies consommes : de manire non-intrusive ;

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xiv DES USAGES LECTRIQUES en exploitant lunique mesure disponible la sortie du compteur dlectricit (puissance active totale chantillonne 1 s et sous-chantillonne 16 s) ; et sans information a priori. Exploiter uniquement des mesures disponibles en sortie du compteur permettrait alors de rduire le cot du systme nal. Plus prcisment, les donnes dentre exploites sont : la puissance active chantillonne une priode comprise entre 1 s et 16 s. Les usages cibls par la mthode sont uniquement les usages frquents ou rcurrents lchelle dune journe, tels que le chauffage, le froid alimentaire et leau chaude sanitaire. La mthode dveloppe est fonde sur la modlisation de chaque usage par une machine dtats. Elle exploite plusieurs paramtres discriminants entre usages : leur amplitude, le nombre doccurrences par unit de temps (densit des vnements) ainsi que la dure dun cycle de fonctionnement. La dmarche de sparation des usages est toujours celle propose par Hart dans les annes 80 : dtecter les vnements, les tiqueter et reconstituer les courbes de charge des usages. Mais cette approche utilise uniquement la puissance active, et ne peut donc bncier des apports du domaine de reprsentation (P, Q). Ce manque dinformation sur les proprits physiques des appareils est compens par les proprits des signaux temporels notamment de la forme du signal, de la densit des vnements et des dures des cycles de fonctionnement. Lalgorithme propos vise dtecter les plages temporelles de fonctionnement des usages, et estimer leurs nergies lchelle de la journe. Il est compos de quatre tapes : Dtecter les vnements, ceux ayant une faible amplitude tant ngligs ; Classer les vnements par la mthode de clustering ou : les vnements ayant une structure similaire (amplitude, dure entre vnements successifs. . . ) sont regroups dans un mme cluster. Les combinaisons des diffrents clusters sont des candidats possibles aux diffrents appareils. Gnrer lensemble des candidats potentiels (machines tats) partir des combinaisons possibles des clusters Cette tape est ralise par un algorithme gntique, pour coder et dterminer les diffrents candidats. Lidentication des appareils est obtenue en optimisant les squences des machines dtats candidates. La mthode utilise pour cette phase doptimisation est un algorithme gntique. La reconnaissance des usages lectriques est effectue en sappuyant sur le rsultat de lalgorithme prcdent et sur une base de donnes de rfrence, contenant des mesures de la puissance active des usages. En rsum Cette mthode est assez rcente (2003-2004). Elle tente de rduire le cot et lintrusion de linstallateur dun systme NILM actuel, en exploitant les donnes disponibles, savoir la puissance active seule. Cette simplication de la partie hardware se traduit par une grande complexit de lalgorithme de reconnaissance des usages, comme le prvoyait Georges Hart. Mais, cel est-il sufsant pour abandonner lanalyse de la puissance active en vue de la reconnaissance des usages, si on souhaite intgrer les rsultats une offre de services nergtiques grande chelle ? Soulignons que cette mthode est, notre connaissance, lunique mthode qui a tent de dcomposer la puissance active chantillonne Te = 1 s de manire non-intrusive et sans intervention

xv sur le site, mme si une phase dapprentissage supervis partir de donnes pralablement collectes de diffrents sites est ncessaire. Cependant, une approche similaire nest pas envisageable dans le cadre de nos travaux pour deux raisons : la complexit des algorithmes est incompatible avec une offre nergtique grande chelle, et le fait quelle nest robuste que pour des cas de mlanges simples au sens o il y a trs peu de convecteurs lectriques voire pas du tout. Lanalyse de la mthode montre que tenir compte de cette composante rendrait lalgorithme encore plus complexe et ncessiterait des informations supplmentaires. Il est important de prciser que cette tude sinscrit dans le cadre dune forte volont dobtenir un produit qui sera commercialis et intgr dans les maisons intelligentes (smart-homes) en exploitant les moyens de communication, en particulier Internet.

Modlisation stochastique de la CdC base de dictionnaire de formes


Le problme traiter consiste dcomposer la consommation annuelle dun site donn (cas dapplication : hypermarch ou htel) en ses principales composantes savoir le chauffage, la climatisation, lclairage (et les fours dans le cas des hypermarchs). La CdC considre est la puissance moyenne chantillonne Te = 10 mn ainsi que la temprature extrieure et observe sur une anne. Ces donnes sont traditionnellement analyses dans un espace de reprsentation appel : le graphe dintensit. Il sagit dune reprsentation (temps, temps), o la CdC est reprsente sous forme dune image qui se compose dune juxtaposition de CdCs (quotidiennes ou hebdomadaires). Pour des CdC quotidiennes par exemple, laxe des abscisses comporte des heures 0 24 h et celui des ordonnes des jours 0 365. Dans le secteur tertiaire, la CdC dcomposer est caractrise par une certaine rgularit lie la reproductibilit des usages. Par ailleurs, certains usages (chauffage/climatisation) ont une forte corrlation avec les conditions mtorologiques. Ces connaissances mtiers constituent des a priori pour la rsolution du problme.

La dmarche propose
La dmarche propose dans [Laj02] est fonde sur le constat suivant : les usages tudis ont des signatures (ici formes gomtriques) diffrentes sur le graphe dintensit (heure, jours, semaine), Christian Lajaunie propose alors un modle probabiliste de la CdC base dun dictionnaire de formes gomtriques. Ce modle est dcrit par lquation C.1, P(i, j, k) = wu u (i, j, k; u )
u

(C.1)

o i, j et k dsignent respectivement la tranche horaire ({1, 2, ..., 144}) de la journe, lindice du jour de la semaine ({1, 2, ..., 7}) et le numro de la semaine ({1, 2, ..., 53}) ;

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xvi DES USAGES LECTRIQUES wu est lamplitude de lusage u ; u le modle de lusage dni par les paramtres u . Lespace dtat tant de grande dimension, un algorithme doptimisation classique nest pas envisageable. Lalgorithme mis en uvre est issu du domaine de la simulation baysienne [DG01], il sagit dun algorithme de recuit simul o un chantillonneur stochastique (Metropolis-Hastings [Has70]) permet dexplorer au mieux lespace dtat et en consquence de sapprocher au mieux du minimum global.

Modlisation stochastique des usages lectriques des hypermarchs sur le graphe dintensit
Les principaux usages dun hypermarch sont : la base (reprsente le talon de consommation permanent), la climatisation, le chauffage, lclairage des aires de vente et les fours. Lanalyse de la signature de ces composantes sur le graphe dintensit partir des donnes dapprentissage a permis de dnir un dictionnaire de formes gomtriques caractristiques des usages cibls. Trois exemples de modles dnis sont prsents sur la gure (C.1). La base correspond une consommation permanente toute lanne et modlise par un paralllpipde rectangle (C.1) paramtre par la hauteur. Le modle du chauffage dpend de huit paramtres qui permettent de dcrire le prol en fonction de lheure de la journe (C.1). Ces paramtres sont prsents ci-aprs : T0 est lheure de mise en uvre ;

F IGURE C.1: Modles des composantes de la CdC dun hypermarch [Laj02]

xvii T1 est lheure de la n de la phase de dcroissance ; T2 est lheure de coupure ; P3 est la fraction de la puissance initiale retrouve aprs stabilisation S4 et S5 indiquent les semaines de n et de dbut de la saison de chauffe ; P6 : puissance minimale la mise en uvre et P7 : incrment de la consommation par degr de temprature perdu La puissance moyenne de cet usage scrit : P (h, , s) = F (h) ( ) G (s) ( ) = P6 + P7 chau f f

1 chauff

o chau f f la temprature extrieure partir de laquelle le chauffage senclenche, G(s) une variable indicatrice de saison , un coefcient damplitude qui dpend de la temprature et (h, , s)designent respectivement lheure, le jour et la semaine du point observ. Quant la composante climatisation, elle est paramtre par les six variables suivantes : T0 est lheure de mise en uvre ; T1 est lheure de dbut de la phase constante ; T2 est lheure de dbut de la phase de dcroissance ; T3 est lheure de coupure P4 et P5 sont respectivement la puissance dattaque et la puissance par degr supplmentaire.

W (h, ) = F (h) ( ) ( ) = {P4 + P5 ( clim )} 1 clim avec clim la temprature extrieure partir de laquelle la climatisation senclenche.

Algorithme doptimisation
Les paramtres du modle sont estims en minimisant itrativement lerreur quadratique ou lerreur absolue entre le modle et le signal observ. Lalgorithe doptimisation mis en uvre est le recuit simul. A chaque itration, une transition (perturbation dun ou de plusieurs paramtres) est propose. Lerreur est value, puis compare lerreur prcdente. Dans le cas dune diminution du critre, la modication est accepte. Dans le cas dune augmentation de lerreur, la transition est accepte avec une probabilit appele probabilit dacceptation-rejet. Cette probabilit doit permettre de favoriser plus dacceptation au dbut de lalgorithme an de mieux explorer lespace dtat.

Rsultats et commentaires
Les rsultats obtenus par cette mthode sont satisfaisants. Lalgorithme est intgr un logiciel ddi loffre de services nergtiques dans le secteur tertiaire.

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xviii DES USAGES LECTRIQUES La mthode dans [Laj02] exploite la signature des usages dans un domaine transform, le graphe dintensit. Lide dintroduire un dictionnaire de formes gomtriques pour les usages est innovante. Elle prsente lavantage doffrir la possiblit de dcrire paramtriquement les objets recherchs, et de pouvoir intgrer de nouvelles composantes. La solution obtenue est celle qui explique au mieux (au sens du critre dni) les observations. Cette mthode est transfrable la CdC rsidentielle (1 s) sous rserve quil existe un espace de reprsentation de signaux o une modlisation des usages est possible. Une dclinaison de cette mthode pour la dcomposition de la puissance moyenne du chauffage rsidentiel est dcrite dans le chapitre ??. Cependant, elle nest pas compatible avec une offre nergtique danalyse dtaille de la consomation par usage dans le secteur rsidentiel cause du cot de calcul. Mais, elle peut tre utile pour dautres services tels que loptimisation de la gestion du chauffage lectrique.

Mthodes de reconnaissance de forme


Des travaux sur la dcomposition de la courbe de charge par usage luniversit de Concordia ont abouti une mthode de reconnaissance de formes pour la dtection des usages et lestimation des nergies consommes [Far99, MZ00]. Les usages cibls sont lECS, le chauffage et le froid alimentaire. Lapproche propose consiste estimer les usages partir de la puissance active globale (priode dchantillonnage Te = 16 s) et ncessite une phase dapprentissage pendant quelques jours (une semaine) partir dune base de signaux issus du site tudi. Cette contrainte confre cette mthode un caractre faiblement intrusif. Lestimation des consommations lmentaires est obtenue en deux tapes : Extraction des caractristiques des usages partir des donnes obtenues pendant la phase de collecte de mesures sur site (mesures de lintensit de courant totale et de tous les usages envisags 1 ). Analyse de la puissance active globale : dtection des usages et estimation des nergies consommes par les appareils cibls. Lalgorithme mis en uvre est fond sur un ensemble de rgles dassociation et utilise des informations complmentaires, notamment lamplitude des signaux. Le systme nal sappelle RPRA (Rule-based Pattern Recognition Algorithm). Ces travaux sont les premiers ( notre connaissance) qui se sont intresss la dcomposition dune observation unique (la puissance active). Lun des apports mthodologiques de ces travaux est la recherche de critres discriminants partir des signaux dusages. Malheureusement, leur extraction ncessite une intervention chez le client. La mthode dveloppe en 2004 luniversit de Padderborn (C) sinscrit dans la suite de cette approche.
1.

Les puissances sont ensuite calcules en supposant que la tension est constante.

xix

Les mthodes du type NIALM


Plusieurs mthodes non-intrusives danalyse et de dcomposition de la courbe de charge lectrique ont t proposes durant les deux dernires dcennies. Les travaux les plus aboutis dans le cadre de lidentication et de lestimation des usages, on t mens au MIT. Rappelons que les tudes sur la courbe de charge aux Etats-Unis ont t inities par Georges Hart au dbut des annes 80. Elles ont abouti un systme de dtection et destimation des usages lectriques dans le secteur rsidentiel [Har89, Har92]. Les mthodes mises en uvre sont classes en trois familles en fonction de la grandeur lectrique tudie, plus prcisment en fonction du rgime de fonctionnement des signaux exploits. La premire sintresse lanalyse des variations des puissances active et ractive en rgime permanent (Te = 1 s). La seconde exploite les signaux de courant et de tension en rgime transitoire (Te 100 s). La troisime famille dalgorithmes est hybride : la dtection des vnements est souvent effectue partir des signaux en rgime permanent, la reconnaissance des usages exploite les signaux en rgime transtoire.

Identication des usages en rgime permanent


Une mthode non-intrusive de dcomposition de la consommation globale par usage ncessite de dnir les paramtres discriminants entre usages. La mthode de dtection et destimation des usages en rgime permanent se fonde sur les deux observations suivantes : Les usages lectriques peuvent tre rpartis en plusieurs classes, compte tenu de leurs caractristiques physiques, en particulier de leur caractre rsistif, inductif ou capacitif que lon peut tudier en utilisant conjointement la puissance active et la puissance ractive : Ce constat implique quon peut caractriser et reconnatre les signaux lmentaires dans lespace (P, Q) : variations de la puissance active et variations de la puissance ractive. les appareils lectriques se distinguent galement par le niveau de la consommation (puissance nominale par exemple) : Cette observation nous amne dtecter les enclenchements et les arrts des usages en analysant les variations de la puissance active. La mthode [Har89, Har92], initialement propose par G. Hart est fonde sur les variations de la puissance active et les variations de la puissance ractive (frquence dchantillonnage fe = 1 Hz). Un vnement se traduit alors par le passage dun tat permanent 2 un autre tat permanent.

Donnes dentre En pratique, les courants et les tensions des trois phases de linstallation sont mesurs. Les vnements sont dtects la fois sur les variations de la puissance active et celles de la puissance ractive.
2. Un tat permanent est dni ds que la puissance appele se stabilise (puissance appele quasiment constante) sur un horizon temporel prdni.

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xx DES USAGES LECTRIQUES Principe de la dtection et identication des usages en rgime permanent La dcomposition de la courbe de charge par usage est effectue en cinq tapes [DK92, LLC+ 03] regroupes dans trois modules. Dtection des vnements Il sagit de dtecter les variations de la puissance active et de la puissance ractive calcules par un pr-processeur partir des mesures de courant et de tension. Cette dtection est ralise avec un dtecteur de rupture de la moyenne (et de la variance). Classication La classication a pour objectif dattribuer chaque vnement dtect une classe parmi les usages cibls. Elle sappuie sur la reprsentation des vnements dans le domaine (P, Q). Les vnements dtects sont reprsents dans cet espace, on obtient alors des clusters. Une illustration (schma dexplication seulement) est prsente sur la gure C.2. Le classieur ralise les tches suivantes : 1. les clusters de mme amplitude et de signes opposs sont regroups, et correspondent la signature dun appareil fonctionnant en tout ou rien (mode on/off). Remarquons quune classe dusages est constitue dun ou de plusieurs clusters. 2. les vnements nappartenant aucun cluster sont soit associs lun des clusters existants, selon un critre de distance ou de maximum de vraisemblance, soit regroups dans une famille de signatures inconnues. 3. chaque cluster est associ un usage lectrique, connaissant sa puissance nominale, et ventuellement dautres information a priori. Ces informations sur les amplitudes des usages sont collectes lors dune phase dapprentissage. La srie temporelle (ou un dtecteur par usage) de chaque usage est alors reconstitue. La ralisation de cette phase de classication des vnements ncessite de modliser les classes associes aux usages et de dnir le classieur. Dans le cadre de ltude en rgime permanent, il est envisageable de modliser chaque usage par un processus gaussien de moyenne et de matrice de covariance connues (phase dapprentissage). Le problme de classication des vnements est quivalent un test dhypothse multiple. Deux classieurs ont t appliqus. Le premier est bas sur la minimisation de la distance entre lobservation et le centre de chaque cluster. Le second prend en compte la distribution statistique de chaque classe (chaque classe tant modlise par un processus gaussien). Un critre de maximum de vraisemblance est utilis pour la reconnaissance des classes de la srie dvnements. Pour plus de dtails sur ces deux tapes, on peut se reporter au document de synthse [MEG07]. Cette mthode est implmente dans un produit appel Steady-State NILM. Estimation des nergies consommes Ce module estime lnergie consomme par chaque usage, connaissant son amplitude et la srie des vnements qui lui est associe. Larchitecture du systme NILM (Non-Intrusive Load Monitoring) le plus rcent dans le cas du rgime permanent est prsente sur la gure (C.3).

xxi Avantages et limites de lidentication des usages domestiques en rgime permanent La mthode destimation des usages lectriques, base sur le rgime permanent, a t intgre dans certains produits (Non-Intrusive Appliances Load Monitoring : NIALM, Single-Point Electrical End-uses Disaggregation : SPEED) commercialiss par la socit ENETICS [ene]. Cependant, les systmes dvelopps nont pas t commercialiss grande chelle (dans le secteur rsidentiel), car ils ncessitent lintervention dun personnel quali pour installer le systme de mesure et collecter les donnes ncessaires la phase dapprentissage. De plus le systme propos est assez coteux (SPEED : 1200 euros). En rsum, la mthode de dcomposition de la courbe de charge propose prsente lavantage dtre simple mettre en uvre, et de permettre une estimation de la consommation globale par usage, sans instrumenter tous les appareils en exploitant les signatures lectriques des appareils dans le domaine (P, Q). La modlisation par processus gaussiens des diffrentes classes dans cet espace de reprsentation est simple, mais elle ncessite de dterminer pralablement les paramtres de chaque classe. Elle permet didentier des charges ayant des puissances diffrentes et/ou des caractristiques physiques (rsistif, inductif) diffrentes. Cette approche prsente des limites dans le secteur tertiaire, le secteur industriel et de plus en plus le secteur rsidentiel pour les raisons suivantes : La prsence dun bruit gnr par les appareils lectroniques rend la dnition des conditions de steady-state difcile, et par consquent la srie des changements dtats donc la srie des vnements associs aux diffrents usages ; Il y a de plus en plus de cas de on et/ou off superposs ( cause de laugmentation du nombre dappareils) ; La prsence dusages lectriques ayant une puissance variable au cours du temps. De plus, elle ne tient pas compte des usages donnant lieu des clusters confondus totalement ou partiellement dans le domaine dtude. En effet, lapproche prcdente est base sur les hypothses suivantes : H1 : Des usages distincts ont des signatures distinctes dans lespace dtude. Ici, le terme usage dsigne un seul appareil lectrique. Ce nest pas forcment le cas dans le secteur tertiaire (commercial) o il y a beaucoup plus dusages que dans une maison. Lespace dtude est alors perturb par la prsence de plusieurs signatures, et devient de moins en moins discriminant au fur et mesure que le nombre dusages augmente. En fait, dans le tertiaire on trouve plusieurs usages (par exemple les moteurs) dont les clusters se superposent dans le plan (P, Q). H2 : Un vnement se traduit par le passage dun niveau de consommation quasiment constant un autre ( steady-state ). Cette hypothse implique quil faut attendre la n du rgime transitoire, et que lappareil atteigne le rgime permanent, pour effectuer la mesure qui correspond cet tat. Dans le secteur industriel ou commercial, trouver une priode dchantillonnage convenable pour disposer de la puissance des usages en rgime permanent semble difcile. Une priode trop longue donne lieu des non-dtections, car des activations dusages ne seront pas perues par le dtecteur. Une priode trop faible peut fournir des mesures pendant le transitoire, ce qui donne lieu des fausses alarmes. Certaines composantes du HVAC telles que des rfrigrateurs ou des ventilateurs peuvent ncessiter une dure qui varie de quelques secondes

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xxii DES USAGES LECTRIQUES quelques minutes avant datteindre le rgime permanent (vitesse nale de fonctionnement). Certaines machines vitesse variable (Variable Speed Drives) peuvent ne jamais atteindre un tat permanent, ce qui empche de dterminer des tats permanents et de disposer des mesures de puissance associes. H3 : Les Steady-State NILM effectuent la dcomposition de CdC journalire off-line. Cette approche ne peut tre sufsante dans le secteur industriel ou commercial, o lon souhaite non seulement dcomposer la courbe de charge globale par usage, mais o lenjeu de surveillance des machines et leur diagnostic est essentiel. An de pallier les limites du Steady-State NILM , une nouvelle approche a t propose. Elle consiste augmenter la frquence dchantillonnage, et utiliser la signature des appareils en rgime transitoire pour les identier. En rsum, cette mthode destimation des usages lectriques partir du couple (puissance active, puissance ractive) chantillonne 1 Hz : ncessite une phase dapprentissage sur le site concern pour avoir les puissances des usages ; nest pas adapte aux secteurs tertiaire et industriel, o lon a une plus grande diversit dappareils, et prsente des limites dans le secteur rsidentiel ds que le nombre dappareils (et par consquent le nombre dvnements) devient assez lev. An de rsoudre ces problmes et dtendre le domaine dapplication de la mthode au secteur commercial, une nouvelle approche a t propose. Elle exploite la signature lectrique de chaque appareil en rgime transitoire, en plus des signatures en rgime permanent [Lee93].

Identication des usages en rgime transitoire


Nous avons vu dans le paragraphe prcdent que lestimation des usages en rgime permanent prsente des limites au niveau de la dtection (cas dvnements trs proches dans le temps) et de la classication (cas dusages ayant des signatures identiques dans le plan (P, Q)). Pour franchir ces limites, une analyse plus ne de la signature des appareils simpose, et ce en augmentant la frquence dchantillonnage par exemple. En effet, le transitoire dun appareil lectrique est troitement li au modle lectrotechnique de lappareil et son utilisation. Par exemple, le transitoire associ un moteur induction et celui associ une lampe sont distincts, parce quaugmenter la vitesse du rotor est fondamentalement diffrent du chauffage du lament de la lampe (gure C.4). La puissance appele par la lampe prsente un pic lenclenchement (puissance leve ncessaire pour chauffer le lament), et qui se stabilise trs rapidement (au bout de 0.2 s). Alors, que dans le cas du moteur, le rgime transitoire est plus long (environ 1 s) pour assurer une augmentation progressive de la vitesse du rotor. La mthode de reconnaissance des appareils est une mthode didentication qui exploite les motifs des transitoires des diffrents appareils. Cette mthode est robuste, sous rserve que le bruit de mesure ne soit pas trs important. Elle consiste en deux tapes : dtecter les vnements sur les signaux transitoires et tiqueter ces vnements en leur associant un type dappareil donn. Le systme dvelopp est dnomm Transient-Non-Intrusive Load Monitoring .

xxiii Dtection des vnements en rgime transitoire (Transient Detector) La dtection des vnements est effectue en deux tapes. La premire est ralise par un prprocesseur. Cest une tape de prtraitement, qui permet de calculer les sries temporelles sur lesquelles on peut dtecter les vnements. La deuxime phase consiste dtecter les enclenchements et les arrts des usages. Premire tape : calcul des puissances active et ractive (aux diffrentes harmoniques) Le systme SS-NILM dtecte les vnements partir des sries temporelles constitues des variations de la puissance active et des variations de la puissance ractive chantillonnes une frquence de lordre dun hertz. La dtection des vnements en rgime transitoire fait intervenir les enveloppes spectrales, qui sont proportionnelles aux puissances harmoniques dnies par lquation (B.3). Plus prcisment, il sagit des coefcients de la srie de Fourier de lintensit de courant. En pratique, ces coefcients sont calculs partir des sries temporelles discrtes de courant et de tension, chantillonnes une frquence fe = 8 kHz. Ces coefcients renseignent sur lvolution au cours du temps du dphasage entre le courant et la tension. De plus, ils renseignent galement sur le contenu frquentiel au cours du temps du signal de courant. Lanalyse des puissances harmoniques permet de discriminer certains usages, qui ne peuvent tre spars partir de la puissance active et de la puissance ractive, comme lillustre lexpemple dune lampe incandescence fonctionnant simultanment avec un ordinateur (gure C.5). Cet exemple est extrait de [LLC+ 03]. Deuxime tape : dtection des vnements Un vnement se traduit souvent par une variation de lamplitude du signal observ (enveloppe spectrale), et dans certains cas seule la variance du signal mesur varie. Un test dhypothse binaire bas sur le ratio de vraisemblance gnralis permet de dtecter les sries de (on, o f f ) qui se traduisent uniquement par une rupture de la moyenne. Un dtecteur bas sur un test dhypothse composite de rupture de la moyenne et de la variance a t propos [Lee93, LMLS93, Lee03] pour dtecter les vnements lis une rupture de la moyenne et/ou de la variance du signal analys. Ce dtecteur est dtaill dans [MEG07]. Deux amliorations ont t proposes pour accrotre les performances du dtecteur en prsence de bruit, savoir utiliser un ltre mdian pour ltrer les oscillations et les pics dappels de courant [NL96] ou appliquer le dtecteur diffrentes chelles temporelles [Don02]. Classication / Identication des vnements en rgime transitoire Les mthodes existantes de reconnaissance des signatures des appareils lectriques en rgime transitoire sont fondes sur les deux conditions ncessaires suivantes : lunicit de la signature lectrique dun appareil (en particulier du motif observ en rgime transitoire) et la reproductibilit de cette signature. La mthode de classication exploite une bibliothque de signaux collects sur site. Les principaux classieurs proposs [Sha00, Lee93] sont bass sur la segmentation du signal transitoire observ en zones caractristiques dites sections illustres sur la gure C.6. Lidentication dun motif est ralise en minimisant un critre de moindres carres qui permet de prendre en compte un facteur de proportionnalit (et/ou doffset) ou un dphasage entre le motif identier et son homologue dans la base de rfrence. Cette procdure est applique toutes les zones caractristiques du signal observ.

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xxiv DES USAGES LECTRIQUES Avantages et limites de lidentication des usages en rgime transitoire Lanalyse des signaux lectriques en rgime transitoire offre plus de possibilits de discrimination des usages par rapport la mthode fonde sur ltude des signaux en rgime permanent, et permet de tenir compte du modle physique des appareils. Mais certains appareils ont des signatures trs proches en rgime transitoire, au regard du classieur mis en uvre, et des amplitudes diffrentes en rgime permanent. Notons par ailleurs que le classieur propos nexploite ni des descripteurs des signaux transitoires ni des modles de ces signaux. Il se limite une comparaison exhaustive du motif par rapport la base de rfrence.

Identication des usages lectriques :utilisation conjointe des signatures en rgime permanent et en rgime transitoire
Une mthode hybride tirant prot des deux mthodes prcdentes a fait lobjet des travaux rcents [Lee03] au LEES. Le principe de la mthode est rsum sur la gure (C.7). Notons la prsence des deux classieurs correspondant aux deux rgimes (transitoire et permanent), ainsi quune procdure darbitrage entre les deux modules de classication pour rsoudre les cas de contradiction entre les dcisions obtenues par les deux mthodes.

Caractrisation des usages lectriqes partir de donnes autre que la CdC


Les mthodes qui seront prsentes ci-aprs visent estimer des paramtres de la CdC et des composantes lmentaires partir de diffrentes donnes dentre de nature physique ou climatique par exemple, et ventuellement de donnes de consommation dlectricit. Ces mthodes sont rparties en trois classes en fonction des techniques utilises : les mthodes dites engineering approaches , les mthodes statistiques et les mthodes hybrides.

Approche empirique fonde sur les donnes contextuelles


Il sagit dune approche qui combine des connaissances a priori ou des hypothses sur la frquence dutilisation des appareils lectriques et sur les consignes de temprature pour certains usages, couples avec un modle thermodynamique du btiment (du local) tudi. Les principaux systmes (autres que ceux dvelopps EDF) utilisant cette approche (jusqu 1999) sont : HOT2000 : ce systme dvelopp au CTEC-CANMET [CTE95] est principalement utilis dans le secteur rsidentiel pour lestimation de la consommation du chauffage lectrique et de leau-chaude sanitaire. DOE2.1E : ce systme a t dvelopp luniversit de Californie (Lawrence Berkley Laboratory) en 1991 [GL91]. Il sagit dun simulateur trs adapt la simulation de la consommation globale dun btiment ou dune agrgation de plusieurs logements ou de sites industriels.

xxv Cette approche est intrusive, dans la mesure o elle ncessite un audit du btiment ; ce qui constitue un inconvnient majeur pour une offre de services grande chelle dans le secteur rsidentiel.

Les approches statistiques


Il sagit des approches qui sappuient sur la description de chaque usage par un modle paramtr par des donnes conomiques et climatiques, des caractristiques physiques de lusage, des information sur les occupants et sur le type de logement. Un historique des consommations est obtenu soit partir de donnes issues dintervention sur site (cas du secteur tertiaire) soit partir des bases de donnes renseignant sur la consommation globale du client. Les trois principales mthodes mises en uvre sont lanalyse conditionnelle de la demande, la rgression multi-varie et la classication. Remarque Les approches bases sur une modlisation statistique des grandeurs lectriques ne feront pas partie de cette section. Analyse conditionnelle de la demande (Conditional Demand Analysis : CDA) [ASK84, LN04] Cette mthode consiste construire un modle conomtrique du logement du client particulier (donnes dmographiques et conomiques). Elle est principalement utilise pour lagrgation des consommations ou le prolage des consommateurs, et non pour lestimation de la consommation par usage. Ce modle a notamment t utilis pour la dcomposition de la courbe de charge dans le secteur rsidentiel, principalement au Canada (Modle destimation de la consommation dlectricit, tude sur le comportement nergtique des mnages qubcois). Remarquons quaucune mesure de nature lectrique nest exploite pour estimer les paramtres recherchs. Rgression multivarie (Multivariate Regression Analysis) Un modle de rgression en fonction de la temprature, de lensoleillement et dautres facteurs climatiques est dni. Les paramtres du modle sont estims par minimisation dun critre quadratique. Cette mthode est simple, mais les rsultats destimation de la consommation par usage sont souvent mdiocres. Cette approche est implmente dans le logiciel PRISM [Fel86] dvelopp luniversit de Princeton. Classication (Objective Classication Analysis) Cette mthode [Had93] combine lanalyse en composantes principales (ACP) et une mthode de clustering pour identier les jours o la consommation est corrle au climat, puis pour les classier par jour type dpendant du climat. Elle a t initialement dveloppe pour la prdiction des consommations, en particulier pour les systmes HVAC (Heating Ventilation AirCondtionning) (pour les industriels et les commerces).

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xxvi DES USAGES LECTRIQUES Des mthodes similaires exploitant des techniques de classication par arbre, des rseaux de neurones ont t dveloppes au sein dEDF pour rpondre des besoins tels que la prvision des consommations ou le prolage des consommateurs.

Les approches hybrides


Ce sont des mthodes qui combinent des techniques utilises dans les deux approches prcdentes an damliorer lestimation des usages. Les principaux modles utiliss pour la dcomposition de la courbe de charge, autres que ceux proposs par EDF, sont les suivants (C.8) : le modle SAE [Tra92] (Statistically Adjusted Engineering Model) ; le modle RECAP [Xen](Residential Energy Consumption Analysis Program) ; le modle REEPS [Koo95](Residential End-Use Planning Systems) ; et le modle EDA [Akb95](End-Use Disaggregation Algorithm). Une approche hybride exploitant des connaissances a priori sur le modle physique et le mode de fonctionnement de lusage cibl a galement t dveloppe au sein dEDF-R&D [Boz00]. Plus prcisment, il sagit dune mthode destimation des consommations lectriques et de la puissance nominale dune installation deau chaude sanitaire (ECS), asservie au tarif heure creuse (HC), partir de la courbe de charge en sortie du CBE. La mthode mise en uvre utilise essentiellement les caractristiques lectriques et des hypothses sur le mode de fonctionnement de linstallation cible : lheure denclenchement thorique (xe par le tarif HP/HC 3 ) ; lenclenchement de lECS est le plus important au cours de la nuit. Les rsultats de cette tude sont : Estimation de la puissance nominale : erreur denvrion 6%. Estimation de lnergie consomme par lECS : erreur de 15%. Au cours de cette tude, une classication des courbes de charge partir du courboscope [Heb, Kop03], outil statistique dvelopp EDF-R&D, a galement t ralise. La classication, utilisant un algorithme de type cartes auto-organisatrices de Kohonen, a permis : dobtenir une rpartition en 3 classes principales ; et dextraire des information susceptibles dtre utilises pour amliorer les algorithmes destimation des consommations dusages. Dautres services ont t proposs, et exploitent les fonctions de communication du CBE. Un service particulier consiste identier les cycles denclenchements et de dclenchements (on, o f f ) dun ensemble de convecteurs. Cette fonction est ralise en prenant en compte diffrents paramtres relatifs au btiment (dperditions thermiques, inertie thermique du local, etc) et des constantes de temps caractristiques des convecteurs.

Modle RECAP
La socit XENERGY a mis au point au dbut des annes 1990 le programme destimation RECAPtm destin estimer la consommation des appareils et quipements dune habitation pendant une priode donne. Les donnes dentre de la mthode sont les suivantes : un questionnaire denqute dtaill qui fournit les caractristiques de lhabitation et du mnage ainsi que la liste et le mode dutilisation des appareils lectriques (usages) ;
3. Heures Pleines/Heures Creuses

xxvii des informations lies la facturation (relevs estims du compteur, lments de facturation du client, etc.) ; les conditions mtorologiques (temprature extrieure, etc) ; et dautres informations sur les prix de vente des appareils lectriques sur le march. La mthode consiste estimer les consommations unitaires grce une modlisation statistique en fonction des caractristiques du client. Dcoupage de la courbe de charge de chaque client Cest lestimation par client des charges de climatisation (chauffage et rafrachissement) non sensibles la temprature en exploitant le modle suivant Cip = 1 NJip + 2CHip + 2CLip + ip pour un client i o Cip est la consommation dnergie pour la priode p ; NJip est le nombre de jours sur la priode p ; CHip est le nombre de degr-jours de chauffage pour la priode p ; CLip est le nombre de degr-jours de rafrachissement pour la priode p ; 1 , 2 et 3 sont des coefcients du modle et ip est le bruit rsiduel. Estimation dun modle dutilisation par appareil et par habitation sur la base de donnes techniques et des modles statistiques ; Phase de rconciliation des diffrents lments ; Il sagit de rconcilier les modles dutilisation, les estimations tires de la facturation et les factures proprement dites. Cette rconciliation est ralise par un algorithme qui cherche maximiser ou minimiser une fonction conomique sous la contrainte du recalage de la consommation totale estime avec la consommation totale observe pour chaque client. Le rsultat est une estimation en BTU pour une priode donne pour lappareil (ou lusage) l du client i, les BTU estims peuvent tre convertis en kWh.

Synthse et analyse des mthodes prsentes


Les mthodes prsentes exploitent des donnes dentre de nature non-lectrique et ventuellement la consommation en lectricit dun usage particulier ou de linstallation globale. Les trois approches sont rsumes sur la gure (C.8). Soulignons que les nalits sont principalement la prdiction de la consommation ou lestimation des usages lectriques chez un client particulier ou tertiaire. Les mthodes destimation des usages ncessitent des connaissances a priori sur le client, ses usages ou encore laudit du site ou linstrumentation de certains usages. Les mthodes de prdiction sont semi-intrusives et utilisent principalement des informations contextuelles, alors que les mthodes destimation des usages sont intrusives et peu robustes. Ces mthodes ont lavantage de prendre en compte des donnes qui constituent en effet des variables explicatives de la consommation totale dun client donn ainsi que son comportement "nergtique". Bien quelles peuvent permettre de caractriser la CdC au sens de dtection danomalies ou de prdiction de la CdC dun site donn, elles ne peuvent tre envisages pour une dcomposition sufsamment prcise de la courbe de charge quotidienne dun client particulier.

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xxviii DES USAGES LECTRIQUES

F IGURE C.8: Estimation des usages : premire famille de mthodes

xxix

F IGURE C.2: Schma de principe illustrant des exemples de signatures lectriques dans le domaine (P, Q)

F IGURE C.3: Architecture du software du systme NILM (rgime permanent) de la socit ENETICS

ANNEXE C. SYTHSE DES TRAVAUX ANTRIEURS SUR LA CARACTRISATION xxx DES USAGES LECTRIQUES

F IGURE C.4: Puissance active dune lampe et dun moteur (120 Hz) (Extrait de [Lee93])

F IGURE C.5: Sparation dusages base sur les puissances harmoniques de rang 3 (Extrait de [LLC+ 03])

xxxi

F IGURE C.6: sections dun moteur induction (Extrait de [LMLS93])

F IGURE C.7: Mthode hybride de dcomposition de la CdC lectrique

Annexe D Thermostatically Controlled Appliances

Chauffe-eau

Il existe diffrents systmes deau chaude sanitaire : accumulation, solaire et thermodynamique. On sintresse en particulier aux chauffe-eau accumulation. Le systme cibl est consitut dun rservoir quip dune rsistance lectrique pour le chauffage de leau. Un thermostat permet de rgler la tmprature de leau lintrieur du rservoir et assure une scurit contre la sur-chauffe. La dure de chauffage de leau dpend en particulier du tarif du cient (tarif de base ou tarif Heures Creuses / Heures Pleines). Un schma de principe dun chauffe-eau est prsent sur la gure (D.1) :

Figure D.1: Chauffe-eau accumulation xxxiii

xxxiv

ANNEXE D. THERMOSTATICALLY CONTROLLED APPLIANCES

Froid alimentaire

Figure D.2: Schma de principe dun systme compression

Annexe E Approches pour la dcomposition des signaux composites


Cette annexe prsente les approches probabilistes et les approches de sparation de sources pour la dcomposition dun mlange unique plusieurs sources.

Approches probabilistes pour la dcomposition de mlanges mono-valus


Nous avons vu que rsoudre un problme inverse mal pos au sens de Hadamard [Had76] ncessite de complter notre connaissance du problme et des inconnues. Rappelons quun problme inverse est dit bien pos au sens de Hadarmard si les trois proprits suivantes sont vries : existence dune solution, unicit et continuit de la solution. Les connaissances complmentaires sont ensuite utilises soit dans un cadre dterministe soit dans un cadre probabiliste. En effet, deux points de vue sont possibles [Ia01] : Les informations complmentaires permettent de restreindre lespace de recherche des solutions et de contraindre la solution. Cest le point de vue des approches classiques dites approches rgularisantes. Les information acquises sur les inconnues du problme sont utilises pour rendre le problme bien pos dans un espace plus large, qui est un espace des distributions de probabilit. Cest le point de vue des approches probabilistes, dont les approches baysiennes. Dans ce chapitre, nous commenons par prsenter le formalisme probabiliste pour les problmes inverses. Nous prsenterons ensuite les principaux estimateurs dans un cadre baysien ou non.

Formalisme probabiliste pour les problmes inverses


Lapproche probabiliste pour linversion est fonde sur les principes suivants [KS] : Toutes les variables du problme sont modlises par des variables alatoires. Lala permet de dcrire le degr dinformation / de connaissance que nous avons sur les ralisations de ces variables. xxxv

xxxvi ANNEXE E. APPROCHES POUR LA DCOMPOSITION DES SIGNAUX COMPOSITES La connaissance que nous avons des variables est dcrite par lintermdiaire de distributions de probabilit. Cela signie que lespace des inconnues doit tre spci de manire exhaustive ds le dbut. La solution du problme inverse est la distribution a posteriori du paramtre recherch dans le cas de linfrence baysienne. Infrence statistique Linfrence peut se rsumer par la question : Comment tirer les meilleures conclusions de linformation incomplte disponible [DG01]. Cette approche sapplique autant au problme destimation quau problme de choix de modle. La premire tape consiste dnir lespace dtat, qui est lespace des inconnues du problme, appel parfois espace des preuves quand il sagit de lespace des rsultats possibles et espace des hypothses H sil dcrit les hypothses que lon souhaite vrier. Soit y Rm (m = 1 dans le cas de la CdC) le signal mesur souvent entach dun bruit. Ce signal est une mesure indirecte de x Rn (o lon confond composantes du mlange et paramtres). Cette quantit est accessible par lintermdiaire dun modle, qui scrit classiquement dans le cadre des problmes inverses y = f (x, e) o : f : Rn Rk Rm est le modle reliant les observations aux inconnues ; e Rk est un vecteur qui contient le bruit (mesure, modlisation) et les paramtres mal connus 1 . On se limitera au cas de bruit additif. Dans le cadre dune approche probabiliste, le modle de formation des donnes est dcrit par lquation (??). Par consquent, les distributions de probabilit des variables alatoires X , Y et E sont relies. Y = f (X ) + E (E.1)

Une tape essentielle dans une dmarche dinfrence est la description de lincertitude sur le bruit e par une densit de probabilit du bruit e bruit (e). On peut ensuite dduire la distribution directe des donnes ou vraisemblance des donnes ainsi : (y | x) = bruit (y f (x) | x) (E.2)

Cette fonction peut sexprimer sous forme dun modle paramtrique. Les modles les plus courants sont le modle gaussien (MG), les modles de mlanges de gaussiennes (MMG), les modles de chanes de Markov Caches (MMC) [Rab89] et les processus ponctuels marqus (PPM) [Lie00]. Etant donne cette seule distribution, une solution du problme inverse est celle du maximum de vraisemblance (MV) , o y prend la valeur observe yobs et x est la variable. x MV = argmax (y = yobs | x)
xH

(E.3)

1. pour lesquels on dispose de trs peu ou pas du tout dinformation

xxxvii Approche baysienne Souvent, nous disposons dinformations supplmentaires sur X issues de diffrentes sources (contexte, donnes dapprentissage, expertise, ...). Dans un cadre baysien, on suppose que cette information peut tre code par une densit de probabilit x pr (x) appele densit a priori. Cette densit traduit la connaissance a priori sur linconnue du problme. Loi marginale On considre que la probabilit conjointe de X et Y est dnie aprs avoir tudi les donnes observes et les a priori sur les paramtres. La densit marginale de linconnue X doit vrier la relation suivante :
Rm

(x, y) dy = pr (x)

(E.4)

Fonction de vraisemblance Si x est une ralisation de X , la probabilit conditionnelle de Y tant donne cette information dnie par la relation (E.5) est appele fonction de vraisemblance. (y | x) = Distribution a posteriori Soit yobs une observation (ralisation) de la variable alatoire Y . La loi conditionnelle dnie par la formule (E.6) est la distribution a posteriori de X . (x | yobs ) = (x, yobs ) (yobs ) (E.6) (x, y) pr (x) (E.5)

Cette distribution dcrit la connaissance que nous avons sur X aprs une ralisation de Y . Thorme de Bayes (Problmes inverses) Dans un cadre baysien, le problme inverse est dni ainsi : tant donn Y = yobs , trouver la distribution a posteriori (x | yobs ) de la variable X , ce qui se rsume par le thorme de Bayes dclin dans le cadre des problmes inverses. Thorme [KS] Supposons que la variable alatoire X a une densit de probabilit pr (x) et que les donnes se rsument par yobs , ralisation dune variable alatoire observable Y tel que (yobs ) > 0. La distribution a posteriori de X tant donn yobs est dnie ainsi : post (x) = (x | yobs ) = pr (x) (yobs | x) (yobs ) (E.7)

xxxviii ANNEXE E. APPROCHES POUR LA DCOMPOSITION DES SIGNAUX COMPOSITES Infrence baysienne pour les problmes inverses : dmarche Dans un cadre baysien, un problme inverse peut tre abord en trois tapes. 1. Dnition des densits a priori : Il sagit de formaliser toute connaissance a priori sur X par une densit a priori pr qui traduit judicieusement linformation disponible. 2. Dnition de la fonction de vraisemblance : Trouver la fonction (y | x) qui dcrit au mieux la relation entre les inconnues et les observations. 3. Estimation de la distribution a posteriori : Dduire de 1) et 2) la densit a posteriori post (x) des paramtres. Ici lenjeu est souvent la mthode dchantillonnage utilise pour approcher la densit de probabilit et en dduire un estimateur ponctuel (par exemple le maximum a posteriori). Remarques Notons que le maximum de vraisemblance est un cas particulier du maximum a posteriori sous lhypothse duniformit de la densit a priori. Quelques dnitions des estimateurs baysiens sont fournies en annexe (??)..

Echantillonnage stochastique
Nous avons vu que rsoudre un problme inverse mal pos dans un cadre baysien conduit soit un problme doptimisation (maximum a posteriori) ou encore un problme dintgration (moyenne a posteriori par exemple) sur des espaces de grande dimension. Il faut alors disposer doutils performant pour explorer lespace des paramtres (espace dtat) et pour saffranchir des difcults calculatoires. Lchantillonnage stochastique (gnration pseudo-alatoire de ralisations dune loi de probabilit) cons titue un cadre appropri pour contourner ces problmes. Lorsque les quantits gnrer sont de faible dimension, il existe des mthodes directes pour simuler diffrentes lois de probabilits. La plus classique consiste en un changement de variable partir dune loi dont lchantillonnage est matris, telle que la loi uniforme. Dans les cas plus complexes, une des techniques courante est lchantillonnage par chane de Markov. Mthodes de Monte Carlo par Chanes de Markov Intgration par mthode de Monte Carlo Avant de prsenter le principe de lchantillonnage par les mthodes de Monte Carlo par Chanes de Markov, nous rappelons ici le principe de lintgration par la mthode de Monte Carlo. Soit une mesure de probabilit sur Rn et g une fonction mesurable, intgrable sur Rn dnie par rapport la mesure de rfrence . Lobjectif est de calculer lintgrale de g. Une approche dterministe consiste discrtiser le support de la fonction et approcher lintgrale recherche comme suit :

xxxix g(x) (dx)


Rn

N j=1

w j g(x j )

o x1 , x2 , ..., xN sont les points choisis sur le support de la fonction et w1 , w2 , ..., wN sont les poids associs. La mthode de Monte Carlo consiste gnrer les points support de manire alatoire selon une certaine loi de probabilit. Les poids associs sont ensuite dtermins par la mesure . Soit X une variable alatoire dont la distribution est . Supposons que lon dispose dun gnrateur alatoire permettant dobtenir N ralisations {x1 , x2 , ..., xN } de X distribus selon la loi . Lintgrale recherche peut alors tre approche de la manire suivante : g(x) (dx) = E (X )
Rn

1 N

N j=1

g(x j )

(E.8)

Principe des mthodes MCMC Les mthodes de Monte Carlo par Chanes de Markov constituent un outil pour gnrer des chantillons distribus suivant une loi cible. Lchantillonnage par chane de Markov consiste gnrer une suite X (0) , X (1) , ...X (i) , ... qui converge en loi vers la loi cible . Cette chane est gnre de la manire suivante : X (0) est gnre partir dune loi arbitraire ; les autres composantes sont obtenues de proche en proche partir de transformations alatoires judicieusement dnies. Chaque transformation est dnie par une densit conditionnelle K (x, x ) appele noyau de transition. Le noyau de transition doit permettre dexplorer lespace dtat (ou encore la distribution cible). Pour cela certaines conditions (dont la justication est fournie en annexe) sont requises. En effet, la convergence en loi vers la loi cible dpend de la construction du noyau de transition, cest--dire de la loi qui permet de gnrer X (k+1) connaissant X (k) . Nous avons le rsultat suivant, qui est un nonc simpli du thorme (3.21) de [Rob96]: Soit (X (k) ) une chane de Markov homogne apriodique et irrductible, dont le noyau de transition admet la loi de densit pour loi invariante, alors (X (k) ) converge en loi vers . Lhomognit signie que le noyau de transition nvolue pas au cours des itrations. Linvariance signie que si est la loi de (X (k) ), alors la loi de (X (k+1) ) est galement . Ces conditions se trouvent souvent respectes par des choix intuitifs et simples. En pratique, diffrentes procdures permettent de construire le noyau de transition qui a les bonnes proprits souhaites. Lune des procdures standards est lalgorithme de Metropolis Hastings. Construction dun noyau de transition : algorithme de type Metropolis-Hastings De linvariance de la chane dnie par le noyau de transition K , dcoule la relation (E.9) appele quation de balance :

xl ANNEXE E. APPROCHES POUR LA DCOMPOSITION DES SIGNAUX COMPOSITES

(x) K (x, x ) = (x ) K (x , x)

(E.9)

Lalgorithme de Metropolis-Hastings consiste construire un noyau de transition vriant lquation de balance, et dont le principe est de proposer une perturbation de la chane puis lacceptation ou le refus de la proposition. La mise en uvre de cet algorithme est dcrite par les tapes suivantes : 1. Initialisation : k = 1, choisir un tat initial Rn . 2. Gnrer x Rn selon la densit intrumentale q(xk , x ) et calculer le taux dacceptation (x ) q(x , xk ) (xk , x ) = min (1, (x ) q(x , x ) ).
k k

3. Gnrer u [0, 1] selon une loi uniforme. 4. Si (xk , x ) u alors xk+1 = x . Sinon, xk+1 = xk . Remarques (x ) Si le noyau de transition est symtrique, alors (xk , x ) = min (1, (xk ) ). La marche alatoire est un cas particulier pour lequel la proprit de symtrie est vrie. Dautres algorithmes du type Metropolis-Hastings existent. Geyer et Moller ont propos un algorithme (GM) avec un noyau de type naissance et mort an dexplorer des sous ensembles de lespace dtat (naviguer dans diffrentes dimensions de lespace dtat). Un autre algorithme, celui de Metropolis-Hastings-Green, autorise plusieurs perturbations assurant ainsi une meilleure mlangeance de la chane.

Optimisation
La recherche de la solution au sens du maximum a posteriori conduit un problme doptimisation, o le critre optimiser prsente souvent des minima locaux. Par ailleurs, dans les applications industrielles concernes, lespace dtat est un espace de dimension nie et grande. Le recuit simul [KG83] est un algorithme doptimisation stochastique qui permet dchapper au pige de minima locaux. La structure de base est de simuler non plus une chane de Markov (X (k) ) homogne convergeant vers la loi cible , mais une chane non-homogne par la dcroissance lente dun paramtre de temprature au cours des itrations. Soit f la densit de la loi maximiser. On introduit : fT (x) = 1 ( f (x))T Z (T )

o T est un paramtre de temprature et Z (T ) une constante de normalisation. Soit KT (x, x ) un noyau de transition permettant dchantillonner fT . Les deux principales proprits du recuit simul sont les suivantes : Echantillonnage inhomogne : il sagit de gnrer une suite alatoire (X (k) )kN suivant le noyau de transition KT (k) (x, x ) o (T (k))kN est une suite dterministe dcroissante et tendant vers zro. Lorsque la temprature initiale est sufsamment haute et si la dcroissance est sufsamment lente, alors la loi de (X (k) ) est proche de f T (k) lorsque k est sufsamment grand.

xli Lien entre la densit chantillonne et le MAP : temprature leve, cette densit devient uniforme, trs basse temprature, elle se concentre autour du maximum a posteriori. Le recuit simul permet dexplorer plusieurs minima locaux en acceptant parfois des perturbations qui augmentent lnergie du modle.

Mthodes de sparation de sources mono-capteur pour la dcomposition de mlanges mono-valus


Gnralits
La sparation de sources consiste estimer un ensemble de signaux dont on observe un ou plusieurs mlanges. Lexemple traditionnellement prsent dans la littrature est celui du cocktail party : plusieurs personnes parlent en mme temps et les signaux sont capts par des micros. La dmarche de la sparation de sources peut tre rsume de la manire suivante (E.1) : dnir une mesure de contraste (mesure de diversit) ; puis sparer les sources selon un critre doptimalit choisi. La mthode la plus connue est lanalyse en composantes indpendantes (ACI) [Com90, HP00] fonde sur lindpendance statistique entre les sources. Cette mthode a fait ses preuves pour de nombreuses applications en traitement du signal et des images. Nous nous limitons dans ce chapitre au cas de mlange linaire instantan avec une seule observation (mesure), cadre dans lequel sinscrit la problmatique de sparation des composantes constitutives de la CdC partir de la puissance active. Ce cas particulier est un problme difcile rsoudre que nous rencontrons dans diffrents domaines, dont trois exemples [PGB, Che06, Peu08] sont rsums dans le tableau (E.1). Plusieurs travaux mens depuis les annes 2000 ont permis de dnir une mthodologie pour sparer les signaux dans le cas particulier dune seule observation, qui est devenu un axe de recherche part entire. Prcisons dores et dj que ce cas a principalement t trait pour les signaux sonores (parole, musique).

Paradigme de sparation de sources mono-capteur


Dans le cas dun modle de mlange linaire instantan, le problme scrit comme suit : y(t ) = i ai xi (t ) + b(t ). Les premiers travaux sur le cas mono-capteur sont apparus dans le cadre de lapproche CASA (Computational Auditory Scene Analysis) 2 . Depuis les annes 2000, plusieurs chercheurs se penchent sur ce problme principalement dans le cadre du traitement de la parole. Le cadre gnral de lanalyse en composantes indpendantes ne permet pas de rsoudre le cas mono-capteur, car la matrice de mlange dans ce cas est compltement dgnre. Une sparation aveugle devient inenvisageable. Une phase prliminaire dapprentissage / dentranement sur des signaux spars est incontournable an dapporter des informations complmentaires.
2. Cette approche vise reproduire ou approcher notre manire de percevoir les sons sous forme dalgorithmes. Lanalogie rside dans le fait que loreille est capable de distinguer diffrents instruments de musique dans le cas dun enregistrement unique polyphonique ou composite.

xlii ANNEXE E. APPROCHES POUR LA DCOMPOSITION DES SIGNAUX COMPOSITES

F IGURE E.1: Schma de sparation de sources

TABLE E.1: Exemples de problmes de sparation de sources partir dun seul capteur

xliii Comme prcis prcdemment, la thorie baysienne semble tre un cadre propice pour rsoudre ce type de problme. Nous montrerons que toutes les approches proposes dans la littrature sinscrivent dans ce cadre gnrique, qui permet dintgrer toutes les connaissances apprises au pralable. Le paradigme de sparation de sources partir dun seul capteur se rsume ainsi en deux tapes : lapprentissage (hors-ligne) : cette phase est ralise sparment sur les diffrentes sources. Elle peut porter sur des modles de sources ou encore sur leurs caractristiques intrinsques. Dun point de vue problme inverse, cette tape correspond la phase de collecte dinformation a priori et de formalisation de ces connaissances a priori. lestimation des sources (en ligne) : les sources sont estimes en minimisant un critre dont la dnition et la minimisation dpendent de la mthode de sparation proprement parler. La phase dapprentissage sert souvent choisir le domaine transform dans lequel le signal composite sera analys ainsi que la mthode destimation des sources. Deux cas de gure se prsentent. Il existe un modle des sources dans le domaine transform : dans ce cas la sparation des sources est effectue dans le domaine transform en utilisant des mthodes base de modles statistiques. Les sources possdent des proprits permettant de les discriminer directement dans ce domaine telles que la parcimonie et la diversit morphologique. Les mthodes de dcomposition adaptative de signaux sont alors utilises. Dans les deux cas, une fonction de contraste est dnie. La reconstruction des sources dpend de la nature de la transforme utilise, plus prcisment de son caractre inversible ou non. La gure (E.2) rsume ces deux options. Les approches proposes peuvent tre classies en fonction de deux critres : le choix du domaine transform et lutilisation ou non dun modle du signal composite dans ce domaine. Dans la suite, nous dtaillerons uniquement deux classes de mthodes : les mthodes base de modles de mlange de lois et celles fondes sur la parcimonie ou la diversit morphologique. Ces mthodes ont fait leur preuves sur des donnes relles tels que les signaux de parole ou encore des images.

Mthodes base de modles statistiques dans un domaine transform


Gnralits Le modle dcrit par lquation (E.10) prsente le problme dans le domaine direct dobservation des donnes. An de pallier le manque dinformation sur les sources, certains chercheurs ont propos de traiter le problme de sparation de sources mono-capteur dans un domaine transform (par exemple la Tranforme de Fourier Court Terme) et daborder le problme dans un cadre baysien. y(t ) = xi (t ) + b(t ).
i

(E.10)

Plus prcisment, les signaux xi (t ) sont des ralisations de diffrents processus stochastiques. Ces ralisations sont soumises une transforme F qui peut tre redondante ou non, mais souvent linaire. Un modle statistique est alors dni dans le domaine transform en sappuyant sur une base de signaux dentranement (apprentissage) qui guide le choix de la transformation

xliv ANNEXE E. APPROCHES POUR LA DCOMPOSITION DES SIGNAUX COMPOSITES et du modle appropri. Lestimation des sources ralise en ligne consiste souvent minimiser lesprance dune mesure de distorsion entre la source cible non-observe et son estimation. Les mthodes sinscrivant dans cette dmarche (E) constituent les mthodes de sparation de sources monocapteur base de modles statistiques a priori. Le choix de la transforme dpend des caractristiques intrinsques des signaux sources. Le choix du modle sen dduit naturellement. Exemples de transformes La transforme permet de coder la source dans un domaine judicieusement choisi qui dnira le choix du modle des sources. Rappelons quune proportion importante des chercheurs ayant travaill sur ce sujet se sont intresss au cas des signaux audio. Les transformes utilises sont souvent des reprsentations temps-frquence / temps-chelle adaptes cette classe de signaux. Exemples de modles Nous citons par exemple les modles de mlange de gaussiennes (GMM) [BB03], et plus gnralement des modles de chanes de Markov caches (HMM) loi conditionnelle gaussienne. Ces modles sont couramment utiliss pour les signaux sonores. En effet, les GMM permettent de prendre en compte la diversit des motifs spectraux dun son. Lutilisation des HMM est classique en reconnaissance de la parole. Une extension des GMM a galement t propose par Laurent Benaroya [BB03] : il sagit dun modle de mlange de gaussiennes facteurs damplitude (MMGA). Les auteurs [MD04, Hor] proposent un modle de mlange de chi-deux dans le cadre de lextraction de motifs partir dune reprsentation temps-frquence. Dans la suite, nous illustrons les mthodes bases sur des modles statistiques a priori dans le cas des signaux sonores. Nous nous limiterons ltape destimation des sources proprement parler. Modles statistiques a priori pour la sparation de sources partir dun seul capteur Comme mentionn prcdemment, le problme de sparation de sources mono-capteur est souvent rencontr dans le cas des signaux sonores. Prenons lexpemple de sparation de deux sources partir dun seul enregistrement. Il peut sagir par exemple de la voix chante. Soit x le signal de mlange, x1 la voix chante, x2 la musique et un bruit gaussien centr de variance 2. x = x1 + x2 + (E.11)

Cas de sources stationnaires gaussiennes (Filtrage de Wiener) Supposons que les proces2 ( f ) et 2 ( f ) les densits spectrales de puissus sources sont stationnaires gaussiens. Soient 1 2 sance (DSP) des deux sources. Ici la transforme F est la transforme de Fourier. Lestimation des sources au sens du maximum a posteriori est donne par (E.12) :

xlv

Figure E.2: Sparation des sources partir dun seul capteur dans un domaine transform

F IGURE E.3: Schma gnral de sparation base sur des modles statistitiques a priori

xlvi ANNEXE E. APPROCHES POUR LA DCOMPOSITION DES SIGNAUX COMPOSITES

Fx1 ( f ) = Fx ( f ) = 2

2 1 2 2 2 1 +2 + 2 2 2 + 2 + 2 1 2

Fx ( f ) Fx ( f )

(E.12)

La solution obtenue est celle du trage du Wiener. Ce ltrage purement frquentiel nest pas appropri aux signaux rels souvent non-stationnaires tels que les signaux sonores. Extension au modle de mlange de gaussiennes (GMM) Le ltrage de Wiener ne permet pas de traiter le cas de signaux non-stationnaires. Il faudrait alors choisir une transforme approprie et un modle statistique permettant de prendre en compte lvolution au cours du temps des proprits spectrales du signal. Notons toutefois que la dmarche reste la mme que prcdemment. Prenons le cas de deux sources sonores. Il peut sagir dune voix chante superpose la musique ou la voix dun homme et la voix dune femme, ou encore deux instruments de musique. Ces signaux sont non-stationnaires, plus prcisment stationnaires par morceaux au sens o Laurent Benaroya le propose dans [BB03]. Il est alors judicieux de sintresser plutt une reprsentation temps-frquence, par exemple la Transforme de Fourier Court Terme. Le problme de sparation est reformul ainsi : Fx (t , f ) = Fx1 (t , f ) + Fx2 (t , f ) + F (t , f ). (E.13)

Etant donn que chaque source est caractrise par lvolution de ses proprits spectrales au cours du temps, Benaroya propose de considrer chaque trame du signal Fxi (t , f ) (pour i = 1, 2) t x, comme la ralisation dun processus stochastique. Par ailleurs, les trames de la mme source sont des ralisations indpendantes. 2. Chaque trame du bruit est modlise par un processus gaussien centr de variance Les modles a priori des sources dans le domaine temps-frquence sont des modles de mlange de gaussiennes centres. Etant donn ce modle et celui du bruit, Benaroya a tabli des formules destimation des sources par leurs esprances conditionnelles respectives [BB03]. Une gnralisation du ltrage de Wiener pour la sparation des sources sonores partir dun capteur est donc effectue. Dautres extensions aux HMM ou encore aux GMMA ont t proposes par le mme auteur. Pour plus de dtails sur ces modles, le lecteur peut se rfrer [BB03, PGB]. Soulignons que la dmarche est commune toutes ces mthodes et est ddie aux signaux sonores. Synthse La sparation de sources partir dun seul capteur sans modle des sources peut tre envisage dans un domaine transform. Il sagit en effet de choisir judicieusement la transformation et de dnir un modle statistique des sources dans ce domaine transform commun aux sources sparer. Cette approche se dcline en deux tapes. La premire tape dapprentissage permet de dnir des modles statistiques des sources tudies dans un domaine transform. La deuxime tape

xlvii consiste estimer les sources par optimisation dune fonction de contraste. Cette approche ncessite les conditions suivantes : disposer dune base dexemples des signaux estimer qui soit sufsamment signicative pour dnir des modles robustes ; il existe un domaine transform dans lequel les sources prsentent une certaine diversit. Les dveloppements mthodologiques raliss dans le cadre de cette approche manent principalement de la communaut du traitement de la parole. Les mthodes sont alors souvent ddis aux signaux sonores.

Parcimonie et sparation de sources mono-capteur


Depuis les annes 2000, de nombreux travaux de recherche portent sur lutilisation de la diversit (spectrale, morphologique, temporelle) des sources en sappuyant sur les reprsentations adaptatives des signaux pour la sparation des sources. Nous montrerons par la suite qu la diffrence de la premire approche, cette dernire met en uvre plusieurs transformes adaptes au sens dun critre ( dnir) aux sources extraire. Une troisime approche, hybride, consiste utiliser conjointement les deux mthodes. Reprsentations adaptatives Une reprsentation adaptative consiste dcomposer le signal dans un dictionnaire redondant. Soit x(t ) un signal de longueur T et soit D un dictionnaire redondant compos de N T vecteurs gi de dimension T . Si D est un systme gnrateur de RT , il existe une innit de reprsentations exactes de x(t ) dans D du type : x(t ) = i gi (t ).
i1N

Le principe de cette dcomposition est de slectionner, parmi toutes les dcompositions possibles, la meilleure dentre elles au sens dun critre, par exemple lconomie de la reprsentation. Le critre le plus utilis, dit critre de parcimonie, est la norme L p des coefcients i avec 0 p 1. Trois grandes familles dalgorithmes permettent dobtenir une dcomposition optimale ou sousoptimale dun signal dans un systme redondant : lapproche par Meilleure Base (Best Basis), lapproche par Poursuite de Base (Basis Pursuit) et lapproche par Poursuite Adaptative (Matching Pursuit). Parcimonie et sparation aveugle de sources partir dun seul capteur En sappuyant sur le cadre thorique des reprsentations adaptatives, des chercheurs ont tendu ce cadre la sparation de sources sonores partir dun seul capteur [Kje, BGB01] et la dcomposition dimages [SED04]. En effet, dans le cadre dun mlange linaire additif, le problme dextraction des sources du signal composite est ramen la recherche de bases adaptes chacune des sources du mlange. La sparation proprement parler est ainsi ralise grce la dcomposition parcimonieuse du mlange sur la runion de bases adaptes connues (pralablement apprises). Prenons le cas de deux sources sonores xA et xB de longueur T . Le signal observ est x = xA + xB . Lapproche propose par les auteurs [DH99, ZP99] suppose que chaque source admet une reprsentation parcimonieuse :

xlviii ANNEXE E. APPROCHES POUR LA DCOMPOSITION DES SIGNAUX COMPOSITES xA = A DA et xB = B DB o A et B sont les coefcients de la reprsentation de chacune des sources dans sa base adapte respectivement note DA et DB . Cette condtion de parcimonie se traduit par les deux proprits suivantes : 1. Tout signal de la mme classe que xA (respectivement xB ) admet une reprsentation sparse dans le dictionnaire DA (respectivement DB ) au sens o il est reprsent par trs peu de coefcients. 2. Le dictionnaire dune classe de signaux nest pas parcimonieux pour la deuxime classe au sens o la reprsentation dun signal dune classe dans le dictionnaire adapte la seconde nest pas parcimonieuse. Le nouveau paradigme de sparation de sources mono-canal consiste alors dcomposer parcimonieusement le mlange x sur le dictionnaire redondant D = DA DB , ce qui revient rsoudre le problme doptimisation sous contraintes suivant : opt opt = argmin A A , B
A , B Lp +

Lp

(E.14)

sous contrainte que : x = D et x = D B B B A A A Plusieurs algorithmes de dcomposition sous-optimale ou optimale dans un dictionnaire redondant existent dont nous citons lalgorithme du Basis Poursuit, la mthode FOCUSS rgularise ou encore la mthode du seuillage altern . Plus de prcisions sur la mthode de dcomposition parcimonieuse, appele Analyse en Composantes Morphologiques (MCA) sont prsentes dans larticle [SED04]. Notons que la qualit de la dcomposition dpend troitement de la parcimonie de chaque source. La problmatique de construction des dictionnaires (apprentissage) est extrmement sensible dans ce cadre. Elle ncessite en particulier de disposer dune base dexemple de signaux. Elle a bnci de lmergence des dcompositions temps-frquence et temps-chelle redondantes pendant les deux dernires dcennies. Cette dmarche a t applique en sparation de signaux sonores ainsi que pour la dcomposition des images (sparation texture-contour par exemple) .

Approche hybride : parcimonie et modles statistiques


La dmarche base sur des modles statistiques peut tre transpose dans le cadre des reprsentations parcimonieuses. Il sagirait en effet de considrer un modle probabiliste dcrivant la distribution des coefcients de la reprsentation parcimonieuse de chaque source. Le modle de mlange porte ainsi sur la distribution des coefcients dans un systme redondant runissant plusieurs bases adaptes aux sources prsentes dans le mlange, ce qui nest pas le cas de lapproche dcrite en 3.2. La densit de probabilit des coefcients dune classe de signaux donne est choisie de sorte que la proprit de parcimonie soit respecte, telles que les densits leptokurtiques (de kurtosis positif) [Bob08]. Cette approche a t tudie uniquement dans le cadre de sparation de sources multi-capteurs dans la thse de Jerme Bobin et a donn lieu une nouvelle mthode appele Analyse en Composantes Mutuellement Parcimonieuses (ACMP). Le fonctionnement de cette mthode est analogue celui de lACI. Pour plus de prcisions sur cette mthode, le lecteur peut se rfrer au chapitre 3 de la thse de Jrme Bobin.

xlix Le cas mono-capteur ne peut pas tre abord exactement de cette manire, mais plutt par une approche problmes inverses dans un cadre baysien.

Conclusion : Vers une dmarche ddie pour la caractrisation des signaux composites
Dans cette partie, le problme de caractrisation de signaux composites pos dans le cadre gnrique de la dcision est dclin en trois problmes : la dtection, la classication et lestimation. An de rpondre la question caractriser les signaux dun mlange donn partir de trs peu dinformations , nous avons montr quil est ncessaire de complter notre connaissance du problme et ce travers des donnes contextuelles, des donnes dexpertise ou encore des donnes dapprentissage. Une phase de formalisation permet de rendre ces connaissances exploitables dans un systme de caractrisation, qui se situe dans le cadre : des problmes inverses, plus prcisment lapproche baysienne pour les problmes inverses ; ou de la sparation de sources partir dun seul capteur, o le mlange est tudi dans un domaine transform adapt aux caractristiques des sources extraire ou dtecter. La dmarche de la caracatrisation des signaux telle que envisage dans notre cas se rsume en trois phases. Apprentissage Nous utilisons ce terme ici pour dsigner la fois lapprentissage dun modle partir dexemples (donnes dentranement) mais aussi la phase de dnition des a priori sur les signaux ou sur leurs caractristiques (morphologiques, spectrales). Choix dune mesure de diversit / de contraste Il sagit de dnir une mesure qui permette de discriminer les composantes du mlange. Elle peut porter sur les signaux ou sur leurs reprsentations dans des domaines adapts ou enocre sur certaines caractristiques des signaux. Optimisation dun critre Cette tape a pour objectif dextraire les objets recherchs partir du mlange au sens du critre dni.

Annexe F Filtrage morphologique


Dnitions
Morphologie mathmatique
Cette thorie a t introduite par G. Matheron et J. Serra dans les annes 1960. Elle permet danalyser les structures spatiales des images et est fonde sur la thorie des treillis.

Filtre morphologique (G. Matheron, J. Serra)


Toute transformation croissante et idempotente sur un treillis dnit un ltre morphologique. La croissance assure que la structure de base du treillis, cest dire la relation dordre, est conserve lors dun ltrage morphologique. Lidempotence signie que le signal ltr est transform en un invariant pour loprateur en question.

Ouverture
Louverture dun ensemble X par un lment structurant B est lespace balay par B quand B est entirement inclus dans X. En traitement des images, par ouverture, les petites particules sont supprims ; les contours des grosses particules sont lisss.

Fermeture
La fermeture dun ensemble X correspond louverture de son complmentaire.

Illustrations
La gure illustre leffet dune ouverture (O) et dune fermeture (F) appliques sparment un signal. La gure illustre leffet de lapplication dune ouverture puis dune fermeture dune part et lapplication dune fermeture puis dune ouverture au mme signal. li

lii

ANNEXE F. FILTRAGE MORPHOLOGIQUE

Figure F.1: Ouverture et fermeture morphologiques

Figure F.2: Ouverture et fermeture morphologiques

Bibliographie
[Agr96] [Akb95] [ASK84] R. Agrawal. Fast discovenry of association rules. Advances in Knowledge Discovery and Data Mining, 1996. 3.2.2.3 H. Akbari. Validation of an algorithm to disaggregate whole-building hourly electrical load into end-uses. Energy, 20 :1291130, dec 1995. C D.J. Aigner, C. Sorooshian, and P. Kerwin. Conditional demand analysis for estimating residential end-use load proles. Journal of Energy, 26 :8197, 1984. C L. Benaroya and F. Bimbot. Wiener based source separation with hmm/gmm using a single sensor. Proceedings of 4th International Symposium on Independent Component Analysis and Blind Signal Separation (ICA 2003), Japan, to add :957961, 2003. 2.2.7.4, 5, 5.2.3.3, E, E, E O. Bouliou and B. Chazottes. Logiciel dindentication des signatures des appareils lectro-domestiques - bilan des travaux. Technical Report HR22/2953, Electricit de France-Recherche et Dveloppement, juil 1993. 1.3.1 L. Benaroya, R. Gribonval, and F. Bimbot. Reprsentations parcimonieuses pour la sparation de sources partir dun seul capteur. GRETSI, 2001. 2.2.7.4, 5, 5.2.3.3, E J. Bobin, Y. Moudden, and al. Morphological Diversity and Source Separation. IEEE Transactions on Signal Processing, 13 :409412, 2006. 5 M. Basseville and I. Nikiforov. Detection of Abrupt Changes : Theory and Applications. Prentice Hall Information and System Sciences Series, 1993. 3.3.2.1, 4.2.3.2 J. Bobin. Diversit Morphologique et Analyse de Donnes Multivalues. PhD thesis, Laboratoire CEA-IRFU/SEDISAP, octobre 2008. E M. Bons. Modles sources markoviennes caches appliqus lanalyse nonintrusive des principaux usages domestiques de llectricit. PhD thesis, Universit de Rennes I, 1996. (document), 1.3.1, 1.3.3, C L. Bozzi. Modlisations statistiques des courbes de charge 10min et dveloppement de tlservices en immeubles collectifs. Technical report, Electricit de France-Recherche et Dveloppement, sep 2000. 1.3.1, C liii

[BB03]

[BC93]

[BGB01]

[BMa06] [BN93]

[Bob08] [Bon96]

[Boz00]

liv [BV03]

BIBLIOGRAPHIE M. Baranski and J. Voss. Non-Intrusive Load Appliance Load Monitoring based on an Optical Sensor. IEEE Power Tech Conference, jun 2003. (document), 1.3.1, C M. Baranski and J. Voss. Genetic Algorithm for Pattern Detection in NIALM Systems. IEEE International Conference on Systems Man and Cybernetics, jul 2004. (document), 1.3.1, C B. Charbonnier and M. El Guedri. Dtection et estimation de leau chaude sanitaire partir de la courbe de charge gnrale au pas 1 seconde : amliorations, valuation et perspectives. Technical Report H-P1B-2008-037749, Electricit de France-Recherche et Dveloppement, Fvrier 2008. 4.3.2 M. Chendeb. Dtection et classication de signaux non-stationnaires par utilisation des ondelettes : Application aux signaux lectromyographiques utrins. PhD thesis, Universit de Technologie deTroyes - France, 2006. 5.2.3.3, E P. Comon. Analyse en composantes indpendantes et identication aveugle. Traitement du Signal, N5, Spcial Non linaire non gaussien, 17 :435450, 1990. E R. Cox. Minimally Intrusive Strategies for Fault Detection and Energy Monitoring. PhD thesis, Massachusetts Institute of Technology, Septembre 2006. (document), 5.2.3.3 B. Crmilleux and F. Rioult. Optimisation dextraction de motifs : une nouvelle mthode fonde sur la transposition des donnes. Cap, 2003. 3.2.2.3, 3.2.2.3 CRIEPI. http ://criepi.denken.or.jp/en/index.html. (document) CANMET CTEC. HOT2000 version 7-10 Users Md, Centre de la Technologie de lEnergie de CANMET-Varennes. Ressources Naturelles Ottawa - Canada, 1995. C I. Vincent M. Davy, C. Doncarli, , and E. Le Carpentier. Nonstationary signals classication using time-frequency distributions. Proceedings of the International Synopsium on TFTS, pages 233236, 1994. 3.2.2.1 M. Davy, C. Doncarli, , and J.Y Tourneret. Classcation of chirp signals using hierarchical bayesian learning and MCMC methods. IEEE Transactions on Signal Processing, 50 :377388, fev 2002. 3.1.2 G. Demoment and Y. Goussard. Approches baysiennes pour les problmes inverses, chapitre : Inversion dans un cadre probabiliste. Lavoisier, 2001. C, E D.L. Donoho and X. Huo. Uncertainty Principles and Ideal Atomic Decomposition. June 1999. E S. Drenker and A. Kader. Non-intrusive appliance load monitoring. Proceedings IEEE Computer Applications in Power, 80 :18701891, dec 1992. C Dong Luo and Leslie K. Norford and Steven.R. Shaw and Steven. B. Leeb. Monitoring HVAC Equipment from a Centralized Location- Methods and Field Test Results. ASHRAE Transactions, 108, 2002. 1.3.1, C

[BV04]

[CG08]

[Che06]

[Com90] [Cox06]

[CR03] [CRI] [CTE95]

[DDC94]

[DDT02]

[DG01] [DH99] [DK92] [Don02]

BIBLIOGRAPHIE [DR09]

lv

G. Darnis-Rebec. Etude dune fonction didentication de la consommation dlectricit par usage intgrable dans le compteur bleu lectronique. PhD thesis, Universit du Sud Toulon-Var (Laboratoire SNC), Janvier 2009. (document)

[DWEG05] G. Durso, P. Wagner, and M. El-Guedri. Apport du Traitement du Signal la dtection des usages lectriques partir de la courbe de charge gnrale. Technical Report H-P1B-2005-02556, Electricit de France-Recherche et Dveloppement, dec 2005. 2.1.1 [ene] [Far99] www.enetics.com. C L. Farinaccio. The Disaggregation of Whole-House Electric Load into the Major End-Uses Using a Rule-Based Pattern Recognition Algorithm. PhD thesis, Universit de Concordia, 1999. (document), 1.3.3, C M.F. Fels. PRISM : An introduction. Energy and Buildings, 9 :518, 1986. C J.D. Fergusson. Variable duration models for speech. Proc. Synopsium on the Applications of HMMs to text Speech - Princeton New Jersey, pages 143179, 1980. C P. Flandrin. Temps-Frquence. Herms edition, 1993. 3.2.1.1, 3.2.2.1 M. El Guedri, J. Bect, C. Lajaunie, and al. RJ-MCMC sampler for One Sensor Source Separation : an Application to Electric Load Monitoring. European Signal Processing Conference 2009 (EUSIPCO) : Glasgow-Scotland, 2009. 5.2.3.3

[Fel86] [Fer80]

[Fla93] [GBLa09]

[GDL+ 09] M. El Guedri, G. DUrso, C. Lajaunie, G. Fleury, and S. Parfouru. Time Frequency Characterization for Electric Load Monitoring. European Signal Processing Conference 2009 (EUSIPCO) : Glasgow-Scotland, 2009. 3.2.2.1, 3.2.2.2, 3.2.2.2 [GL] R. Gribonval and S. Lesage. A survey on Sparse Component Analysis for source separation : principles, perspectives and new challenges. 14th European Synopsium on Articial Neural Networks (ESANN, pages 323330. 5.2.3.3 Simulation Research Group and Lawrence Berkley Laboratory. DOE-2 BAsics LBL-29140. Univsersity of Berkley, 1991. C J. Hadamard. Sur les problmes aux drives partielle et leur signication physique. Editions MIR, 1976. E D.L. Hadley. Daily variations in wac system electrical energy consumption in response to different weather conditions. Energy and Buildings,, 19 :235247, 1993. C G.W. Hart. Energy Monitoring and Computerized Surveillance via Utility Power Flows. IEEE Technologie and Society Magazine, 6 :1216, 1989. (document), 1, 1.3.1, 1.3.1, C, C G.W. Hart. Non-intrusive appliance load monitoring. Proceedings of the IEEE..., 80 :18701891, dec 1992. 1.3.1, 1.3.1, C, C

[GL91] [Had76] [Had93]

[Har89]

[Har92]

lvi [Har94]

BIBLIOGRAPHIE G.W. Hart. Automatic construction of nite state load behavior models. Proceedings of the 4th International Synopsium on Distribution Automation and DemandSide Management, jan 1994. 1.3.1 W.K. Hastings. Monte carlo sampling methods using markov chains and their applications. Biometrika, 57 :97, 1970. C G. Hebrail. Practical data mining in a large utility compagny. Technical report, Electricit de France-Recherche et Dveloppement. (document), C C. Hory. Mixtures of Chi2 for the interpretation of a time frequence representation. PhD thesis. 3.1.2, 3.2.2.1, E A. Hyvrinen and P. Pajunen. Independant component analysis : Algorithms and applications. Neural Networks, 13 :411430, 2000. E J. Idier and al. Approches baysiennes pour les problmes inverses. Lavoisier, 2001. 2.2.7.4, E S. Kirkpatrick and C.D. Gelatt. Optimizing by simulated annealing. Sciences, series 220, pages 671680, 1983. E E. Kjertsi. Frame Based Signal Representation and Compression. PhD thesis. E J.G. Koomey. Residen tial Sector End-Use Forecasting with EPRI-REEPS : Summary Input Assumptions and Results. Technical Report LBL-34044, Energy and Environment Division - Lawrence Berkeley National Laboratory, 1995. C P. Kopf. Technical opportunities for developing services about remote power metering. Technical report, Electricit de France - Recherche et Dveloppement, dec 2003. C J. Kaipio and E. Somersalo. Statistical and Computational Inverse Problems. Springer (Applied Mathematical Sciens, vol. 160). 5.1.2, E, E C. Lajaunie. Estimation stochastique de la consommation dusages pour les hypermarchs. Technical report, Ecole des Mines de Paris (Armines), 2002. (document), 1.3.1, 1.3.3, 1.9, 1.3.3, C, C.1, C V. Le-Bars. Spcications pour compteurs bleu lectronique triphass : palier 2007. Technical Report HR-43/06/013/A, Electricit de France - Recherche et Dveloppement (MIRE-Clamart), dec 2006. 1.1.4 Steven B. Leeb. Conjoint Pattern Recognition Approach to Non-Intrusive Load Monitoring. PhD thesis, Massachusetts Institute of Technology, feb 1993. (document), 1.3.1, C, C, C, C.4 Kwangduck Douglas Lee. Electric System for Non-Intrusive Power Minotor. PhD thesis, Massachusetts Institute of Technology, jun 2003. 1.3.1, 5.2.3.3, C, C M.N.M. Lieshout. Point Processes and their applications. Imperial College Press, 2000. E

[Has70] [Heb] [Hor] [HP00] [Ia01] [KG83] [Kje] [Koo95]

[Kop03]

[KS] [Laj02]

[LB06]

[Lee93]

[Lee03] [Lie00]

BIBLIOGRAPHIE

lvii

[LLC+ 03] C. Laughman, K. Lee, R. Cox, S. Shaw, L. Norford, and P. Armstrong. Power signature analysis. IEEE Power and Energy Magazine, pages 5563, mars 2003. (document), C, C, C.5 [LMLS93] Steven B. Leeb, James L. Kirtley Michael, S. Levan, and Joseph P. Sweeney. Development and Validation of a Transient Event Detector. AMP Journal of Technology, 3 :6974, nov 1993. (document), 1.3.1, C, C.6 [LN04] B.M. Larsen and R. Nesbakken. Household electricity end-use consumption : results from econometric and engineering models. Energy Economics, 26 :179200, 2004. C N. Martin and C. Doncarli. Dcision Temps-Frquence. Herms, 2004. 3.1.2, 3.2.2.2, 3.2.2.2, E G. DUrso M. El-Guedri. Caractrisation des composantes constitutives de la courbe de charge lectrique- tat de lart. Technical Report HP-P1B, Electricit de France - Recherche et Dveloppement (Chatou), juil 2007. C, C M.L. Marceau and R. Zmeureanu. Non-Intrusive Load Disaggregation computer program to estimate the energy consumption of major end-uses in residential buildings. Energy Conversion and Management, 41 :13891403, 2000. C H. Najmeddine. Developpement de mthodes de classication et didentication des appareils lectriques du secteur rsidentiel. PhD thesis, Universit BlaisePascal Clermont-Ferrand (LASMEA), 2009. (document) L.K. Norford and S.B. Leeb. Non-intrusive electrical load monitoring in commercial buildings based on steady state and transient load-detection algorithms. Energy and Buildings, 24 :5164, 1996. C M. Ortner. Processus Ponctuels Marqus pour lExtraction Automatique de Caricatures de btiments partir de Modles Numriques dElevation. PhD thesis, Univeersit de Nice Sophia-Antipolis, 1995. 5.2.3.3 P. Peureux. Caractrisation de dfauts plans par contrle ultrasonore et traitement de signal adapt. Journe COFREND, to add :to add, 2008. E A. Ozerovand P. Philippe, R. Gribonval, and F. Bimbot. Choix et adaptation de modles statistiques pour la sparation de voix chante partir dun seul microphone. to add, to add :to add. 3.1.2, E, E V. Pierson and N. Martin. Watershed segmentation of time-frequency images. Proceedings of the IEEE Workshop on Non-linear Signal and Image Processing, 1995. 3.1.2, 3.2.2.1 Lawrence R. Rabiner. A tutorial on Hidden Markov Models and selected applications in speech recognition. Proceedings of the IEEE, 77(22), feb 1989. C, E C. Robert. Mthodes de monte carlo par chines de markov. Economica, 1996. E J.L. Starck, M. Elad, and D. Donoho. Redundant multiscale transformes and their applications for morphological component analysis. Advances in Imaging and Electron Physics, 132 :to add, 2004. E, E

[MD04] [MEG07]

[MZ00]

[Naj09]

[NL96]

[Ort95]

[Peu08] [PGB]

[PM95]

[Rab89] [Rob96] [SED04]

lviii [Sha00] [Tra92] [Vas95] [Vin95] [Vit67]

BIBLIOGRAPHIE S. Shaw. System Identication Techniques and Modeling for Non-Intrusive Load Monitoring. PhD thesis, Massachusetts Institute of Technology, 2000. C K.E. Train. An assessment of the accuracy of statiscally adjusted engineering models on end-use load curve. Energy, 7 :713723, 1992. C S.V. Vaseghi. State duration modelling in hidden Markov models. Signal Processing, 41 :3141, 1995. C P. Vincent. Classication de signaux non-stationnaires. PhD thesis, Ecole centrale de Nantes, 1995. 3.1.2, 3.2.2.1 A.J. Viterbi. Error bounds for convolutional codes and an asymptotically optimum algorithm. IEEE Transactions on Theory and Information, IT-13 :260269, Apr 1967. C P. Wagner. Estimation de la consommation des usages partir de la courbe de charge dun client particulier - tat de lart. Technical Report HP-P1B/05/011A, Electricit de France - Recherche et Dveloppement (Chatou), dec 2005. 1.1.1 Xenergy. RECAP, Residential Energy Audit. www.xenergv.com/nwweb.nsf. C M. Zibulevsky and B.A. Pearlmutter. Blind Source Separation by Sparse Decomposition. Technical Report CS99-1, University of Mexico, 1999. E

[Wag05]

[Xen] [ZP99]

Vous aimerez peut-être aussi