MétaCan
Menu
Retour à la cohorte
Enregistrement W6989293517

Analyse de l'impact des variables météorologiques sur la prévision de la demande énergétique au Québec

2023· other· fr· W6989293517 sur OpenAlexaboutno aff

Notice bibliographique

RevueArchipelago (University of Quebec in Montreal) · 2023
Typeother
Languefr
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatistical analysisFactorial analysisCeriodaphnia dubia
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

À Hydro-Québec, la prévision précise de la demande énergétique est essentielle pour la gestion des réseaux électriques, car une surestimation peut entraîner des pertes économiques et écologiques, tandis qu’une sous-estimation peut conduire à des pannes majeures. Au Québec, la situation est particulièrement influencée par la météo en raison principalement de l’utilisation de systèmes de chauffage et de climatisation électriques qui sont soumis à des conditions variables et sur une large étendue géographique. Le but de ce mémoire est d’améliorer la précision des prévisions à court terme de la demande énergétique au Québec en considérant l’impact de plusieurs variables météorologiques. Le mémoire présente deux contributions. Dans un premier temps, le comportement d’un modèle statistique linéaire et d’un réseau de neurones artificiel est analysé en présence des différentes entrées. Les variables météorologiques considérées sont la température, l’humidité, la vitesse du vent, la nébulosité et la radiation solaire incidente. Dans un deuxième temps, on généralise les travaux à plusieurs stations. Une analyse combinatoire sur 15 stations météorologiques de la province a permis d’isoler les meilleures combinaisons de ces variables, alliant efficacité et précision. Les résultats montrent une amélioration de la précision des modèles de prévision, avec une erreur moyenne absolue en pourcentage (MAPE) finale de 1.32% sur la période de 2012 à 2019 par rapport à 1.69% pour le contrôle, en ajoutant les variables de température du point de rosée, de radiation solaire incidente et de vitesse du vent provenant des stations de Montréal, Québec et Shawinigan. Ce mémoire fournit des informations pertinentes pour améliorer la fiabilité et la précision des prévisions de la demande énergétique au Québec en tenant compte des variables météorologiques clés, permettant ainsi de mieux gérer et optimiser le réseau électrique face aux conditions météorologiques changeantes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,665
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,214
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchipelago (University of Quebec in Montreal)Même sujetEnergy Load and Power ForecastingTravaux en français237 207