Abstract:
A l'heure actuelle la production et la consommation d’énergie électrique à une très grande importance pour des raisons économiques et environnementales, cette importance majeure exige que la production doit répondre à la demande pour avoir un équilibre entre la production et de la consommation.
Pour cette raison la prévision mensuelle de la consommation d'énergie électrique est devenue très importante pour la planification de la production et de la distribution d'électricité pour atteindre l'équilibre entre la production et de la consommation Plusieurs outils de prédictions ont été proposé pour assurer une connaissance a priori sur la quantité d’énergie à produire.
La consommation mensuelle d'énergie électrique peut être vue comme une série temporelle. Beaucoup de techniques de prédiction des séries temporelles ont été présentées dans la littérature.
Dans ce travail on va proposer une méthode qui est basée sur l'apprentissage automatique en utilisent les réseaux de neurones artificiels pour obtenir des valeurs futures de la consommation mensuelle d'énergie électrique avec une meilleure précision de prédiction.
abstract:
At the present time the production and consumption of electrical energy is of great importance for economic and environmental reasons, this major importance requires that production must meet demand in order to have a balance between production and consumption.
For this reason the monthly forecast of electric energy consumption has become very important for the planning of electricity production and distribution to achieve equilibrium between production and consumption Several prediction tools have been proposed to ensure a priori knowledge of the amount of energy to be produced.
Monthly Electricity Consumption can be viewed as a time series. Many time series prediction techniques have been presented in the literature.
In this work we will propose a method which is based on machine learning using artificial neural networks to obtain future values of the monthly energy consumption electric with better prediction accuracy.
ملخص:
في الوقت الحاضر يعتبر إنتاج و استهلاك الطاقة الكهربائية ذو أهمية كبيرة لأسباب
اقتصادية وبيئية، وهذه الأهمية الكبرى تتطلب أن يفي الإنتاج بالطلب من أجل تحقيق التوازن
بين الإنتاج والاستهلاك.
لهذا السبب أصبحت التوقعات الشهرية لاستهلاك الطاقة الكهربائية مهمة جدا لتخطيط
إنتاج وتوزيع الكهرباء لتحقيق التوازن بين الإنتاج والاستهلاك. لقد تم اقراح العديد من أدوات
التنبؤ لضمان معرفة مسبقة لكمية الطاقة التي سيتم إنتاجها.
يمكن اعتبار الاستهلاك الشهري للطاقة الكهربائية على أنه سلسلة زمنية، وقد عرضت
في الادب العديد من التقنيات للتنبؤ بسلسلة زمنية.
في هذا العمل سنقترح طريقة تستند الى تعلم الآلي باستخدام شبكات العصبية الاصطناعية
للحصول على قيم مستقبلية لاستهلاك الطاقة الكهربائية شهريا مع دقة أفضل في التوقع.
