FR3051946A1 - Estimation fine de consommation electrique pour des besoins de chauffage/climatisation d'un local d'habitation - Google Patents

Abstract

L'invention vise une détermination de consommation électrique pour des besoins de chauffage d'un local d'habitation, comportant les étapes : - obtenir des données relatives au moins à un type dudit local d'habitation, à une géolocalisation dudit local d'habitation, et à une période annuelle en cours, - obtenir des données de prévision de température extérieure dans un environnement correspondant à la géolocalisation du local d'habitation, - appliquer, au type dudit local d'habitation, un modèle d'estimation de consommation électrique pour des besoins de chauffage associé audit type de local d'habitation, pendant la période annuelle en cours, en fonction des données de prévision de température, et - anticiper une consommation électrique occasionnée par du chauffage du local d'habitation, résultant de l'application du modèle. En particulier pour élaborer le modèle, on identifie dans des données de consommation moyenne, témoin, une période de l'année de creux de consommation, sans besoin de consommation liée à du chauffage, et on applique aux périodes de consommation restantes (V1) un coefficient inférieur à un pour tenir compte d'une saisonnalité de consommation hors chauffage.

Description

Estimation fine de consommation électrique pour des besoins de chauffape/rlimatisation d’un local d’habitation

La présente invention concerne Ingestion de la production d’électricité et plus particuliérement l’anticipation de la demande en électricité pour des besoins de chauffage ou climatisation en fonction de prévisions climatiques.

Une application possible de cette anticipation de demande en électricité peut être bien entendu une assistance à la décision de produire de la puissance électrique, mais aussi possiblement, une assistance à la décision de solliciter une consommation plus basse auprès des consommateurs (décision dite d’« effacement » ciblé pour certains consommateurs sélectionnés selon une tendance de consommation identifiée).

En France typiquement, 31 % des logements individuels et collectifs sont équipés d'un chauffage électrique, ce qui représente 11 millions de logements et 55 millions d'appareils de chauffage électrique installés. Ils consomment chaque année 46 TWh, soit 14 % de la consommation nationale dédiée au chauffage, toutes énergies confondues (330 TWh).

Le chauffage électrique est un levier important de maitrise de l’énergie. En modulant son fonctionnement, un consommateur peut réaliser d’importantes économies d’énergie (réduction de température la nuit ou en cas d’absence), 1 °C de moins de chauffage entrainant une baisse moyenne estimée de 7% de la consommation.

Dans le cadre du déploiement des compteurs intelligents (ou « Smart Grids »), les relèves de consommation peuvent devenir de plus en plus fréquentes. Il serait possible de disposer d’indexes de consommation journaliers. Néanmoins, un grand nombre de foyers reste équipé d’anciens compteurs et la moyeime de fréquence de relève actuelle n’est que de six mois.

Il est souhaité actuellement une estimation au moins mensuelle de la consommation de chaque foyer. Or, cette consommation, si son estimation peut être lissée sur une grande période, varie plus significativement d’un mois à l’autre, notamment en fonction des conditions climatiques.

Il pourrait être avantageux de tirer parti des observations disponibles réalisées à partir de logements équipés de compteurs intelligents. Or, il convient de paramétrer ces observations brutes, afin de les normaliser et, de là, pouvoir les appliquer pour tout type de consommateur. Néanmoins, de premières tentatives ont donné des résultats erronés.

La présente invention vient améliorer la situation.

Elle propose à cet effet un procédé mis en œuvre par des moyens informatiques de détermination d’une consommation électrique pour des besoins de chaufïage/climatisation d’un local d’habitation, comportant les étapes : - obtenir des données relatives au moins à un type dudit local d’habitation, à une géolocalisation dudit local d’habitation, et à une période annuelle en cours, - obtenir des données de prévision de température extérieure dans un environnement correspondant à la géolocalisation du local d’habitation, - appliquer, au type dudit local d’habitation, un modèle d’estimation de consommation électrique pour des besoins de chauffage/climatisation associé audit type de local d’habitation, pendant la période annuelle en cours, en fonction des doimées de prévision de température, et - anticiper une consommation électrique occasionnée par du chauffage/climatisation du local d’habitation, résultant de l’application du modèle.

En particulier, le procédé comporte, pour l’élaboration dudit modèle, les étapes préalables : - recevoir des données de consommation moyenne par périodes dans une année, que mesure au moins un compteur témoin dans un local d’habitation témoin comportant au moins un appareil de chauffage/climatisation et un ou plusieurs autres appareils électriques du local témoin, reliés au compteur témoin, - identifier dans lesdites données de consommation moyenne, une période de l’année de creux de consommation, sans besoin de consommation liée à du chauffage/climatisation, et déterminer une consommation électrique minimum moyenne, autre qu’une consommation pour des besoins de chauffage/climatisation et occasionnée par lesdits autres appareils électriques, - retrancher ladite consommation minimum moyenne de la consommation moyenne par périodes de l’année, pour obtenir une estimation grossière d’une consommation moyenne par périodes de l’année pour des besoins de chauffage/climatisation du local témoin, - corriger restimation grossière par application d’un coefficient inférieur à un pour tenir compte d’une saisonnalité de consommation autre que pour des besoins de chauffage/climatisation, - constmire le modèle à partir de l’estimation corrigée de la consommation moyenne par périodes de l’année pour des besoins de chauffage/climatisation du local témoin, en prévoyant une modulation de ladite estimation corrigée, par une fonction destinée à utiliser lesdites données de température extérieure.

Ainsi, il peut être considéré un panel d’observation, constitué de consommateurs équipés par exemple de compteurs communicants (compteurs témoins précités) susceptibles de relever fréquemment des données de consommation. Sur ce panel, il est possible d’observer des comportements moyens de consommateurs selon différents critères tels que la thermosensibilité (réactions aux vagues de froid par exemple) en fonction notamment de données des consommateurs (telles que le type de logement, la puissance souscrite, etc.). 11 a pu être observé ainsi une saisonnalité de la consommation pour des besoins distincts de chauffage ou climatisation. L’exemple (en France) de la figure 8 montre une surconsommation (notée 0,1 VI) pendant les mois d’hiver, du fait que les consommateurs tendent à utiliser plus d’eau chaude sanitaire, qu’ils ont globalement tendance à rester davantage chez eux et y consommer de l’électricité en hiver, etc.

Cette observation permet de corriger une estimation de la consommation pour des besoins de chauffage/climatisation pendant une période annuelle donnée (par exemple l’hiver pour du chauffage), laquelle estimation aurait été erronée sans cette observation.

Une autre observation relative aux comportements de consommation en fonction de plages de température extérieures mène à définir un coefficient thermique multiplicatif, lequel peut être variable par plages de températures extérieures. Ainsi, dans une forme de réalisation possible, la fonction précitée compte un nombre d’occurrences par pas journalier pendant ladite période annuelle courante, d’une température extérieure dans une tranche de températures, parmi une pluralité de tranches de températures prédéterminées, un coefficient thermique multiplicatif étant associé à chaque tranche.

Cette réalisation résulte d’une observation des comportements de consommation et elle est avantageuse en tant que telle, indépendamment de la correction pour tenir compte d’une saisonnalité des usages hors chaufFage/climatisation. Elle est susceptible de faire l’objet d’une protection séparée.

Dans une forme de réalisation particulière, l’estimation de consommation électrique pour des besoins de chauffage/climatisation associé au type de local d’habitation, pendant la période annuelle pa en cours, est donnée par :

où : - Cs correspond audit coefficient inférieur à un pour tenir compte d’une saisonnalité de consommation autre que pour des besoins de chauffage/climatisation, - Conso_pa_estimée est une consommation grossière estimée pour ladite période annuelle, - nbjipd) est un nombre total de jours que comporte ladite période annuelle pa, - DJpaÇTi) compte le nombre de jours dans la période annuelle pendant lesquels la température extérieure est relevée dans ime tranche de température Γ,, parmi /*/tranches prédéterminées, - CTM(Ti) est un coefficient thermique multiplicatif associé à cette tranche de température, et de valeur déterminée statistiquement sur un ou plusieurs compteurs témoins.

Par exemple, les coefficients thermiques multiplicatifs, de valeurs distinctes par tranches de températures, peuvent être déterminés par études statistiques menées sur des compteurs témoins, pour un type de consommateur (par exemple en fonction d’un niveau de puissance souscrite, d’une catégorie socioprofessionnelle, ou autres paramètres) et de logement (superficie, type de construction (en logement collectif ou non, ancieime ou récente), etc.), donnés, comme on le verra plus loin en référence aux figures 2, 3, 4.

De même, dans une forme de réalisation, la consommation grossière précitée Conso_pa_estimée peut être estimée à partir d’un historique de relèves de consommation par un ou plusieurs compteurs témoins disposés dans des locaux d’habitation de même type que le local pour lequel on détermine la consommation électrique pour des besoins de chauffage/climatisation (et éventuellement pour un même profil de consommateur). Comme indiqué précédemment, elle résulte d’une consommation moyenne sur la période annuelle pa. de laquelle on a retranché une consommation minimum moyenne mesurée sur une période de l’année de creux de consommation sans besoin de consommation liée à du chauffage/climatisation (courbe de dessous de la figure 8).

Bien entendu, cette réalisation n’est pas nécessaire si l’on dispose déjà d’un historique de consommation pour le local d’habitation étudié. Ainsi, dans une variante, la consommation grossière Conso_pa_estimée peut être estimée à partir d’un historique de relèves de consommation par un compteur courant disposé dans ledit local d’habitation pour lequel on cherche à déterminer la consommation électrique pour des besoins de chauffage/climatisation. Là encore, cette consommation grossière Conso_pa_estimée résulte d’une consommation moyenne sur la période annuelle pa, de laquelle on a retranché une consommation minimum moyenne mesurée sur une période de l’année de creux de consommation sans besoin de consommation liée à du chauffage/climatisation. On comprendra ainsi que dans une telle réalisation, le compteur courant précité peut être un compteur témoin, au sens de la définition donnée précédemment.

Le coefficient Cs illustrant une saisonnalité des usages hors chauffage/climatisation peut être fixé à 0,9, d’après des études statistiques menées sur des témoins, ici pour des besoins de chauffage en hiver en France. Néanmoins, il peut avoir une valeur similaire pour des pays chauds en période d’été (avec une préférence pour rester au domicile et multiplier les usages d’appareils non nécessairement de climatisation).

Dans une forme de réalisation, les tranches de température Γ, sont données comme suit : • Tl = { T < 2°C } • T2={2°C<=T<5°C} • T3 = { 5°C <= T < 8.5°C } • T4= { 8.5°C<=T< 11.5°C } • T5 = { 11.5°C<=T< 13.7°C } • T6 = { 13.7°C<=T< 15°C } • T7 = {T>=15°C} avec 7V=7. Néanmoins, cette réalisation admet des variantes, tant en valeurs limites de tranches de température, qu’en nombre de tranches-mêmes.

Dans une forme de réalisation la période annuelle est mensuelle, pour un mois en cours. Néanmoins, restimation peut porter sur des périodes plus courtes comme on le verra plus loin, ou au contraire plus longues (de deux mois par exemple).

Dans une forme de réalisation, la période annuelle précitée est en hiver, en France, pour une estimation de consommation électrique pour des besoins de chauffage pour des périodes allant d’octobre à mai. Néanmoins, les principes de calcul exposés en détails plus loin montrent que l’invention peut s’appliquer dans d’autres contextes.

Le procédé peut comporter en outre une étape supplémentaire d’estimation de puissance électrique à produire et/ou d’effacement de consommateurs ciblés en fonction de prévisions météorologiques, comme indiqué précédemment.

Il peut être fait usage en particulier, dans une réalisation possible avantageuse, de compteurs témoins tels qu’un compteur communicant à fréquence de relèves au moins mensuelle, disposant d’un historique de relèves sur une période d’un an au moins, afin d’établir des comportements statistiques de thermosensiblilité des consommateurs, permettant de définir notamment les coefficients thermiques multiplicatifs précités, ou autres paramètres comme exposé ci-après. L’invention vise aussi un programme informatique comportant des instructions pour la mise en œuvre du procédé ci-avant, lorsque ce programme est exécuté par un processeur. A titre d’exemple, les figures 1, 5, 7 peuvent correspondre à des ordinogrammes de routines de ce programme. L’invention vise aussi un système informatique de détermination d’une consommation électrique pour des besoins de chauffage/climatisation d’un local d’habitation, comportant un circuit de traitement informatique pour la mise en œuvre du procédé ci-avant. On a illustré un tel système dans un exemple de réalisation possible sur la figure 1. Il peut comporter un dispositif informatique DIS équipé d’un circuit de traitement comportant typiquement : - un processeur pour exécuter le programme informatique précité. - une mémoire de travail (pour le stockage durable des instmctions et éventuellement de données de calcul temporaires), - un connexion via un réseau, pour récupérer : * des données statistiques, issues d’une base de données BDD, de consommation relevées sur des panels de consommateurs témoins, afin d’estimer des valeurs de paramètres tels que (mais non exclusivement) les coefficients CTM(Ti) précités, au cours d’une étape S2 commentée ci-après, et * des données météorologiques, issues d’une station météorologique MET, auxquelles sont appliqués par exemple ces coefficients, et pour transmettre des estimations de consommation de chauffage ainsi calculées, à un système d’information SI du fournisseur d’énergie, typiquement. L’invention vise aussi un dispositif DIS comportant un tel circuit de traitement. D’autres caractéristiques et avantages de l’invention apparaîtront à l’examen de la description détaillée ci-aprés, et des dessins annexés sur lesquels : la figure 1 illustre quatre étapes principales d’un procédé selon une forme de réalisation de l’invention ; la figure 2 illustre des courbes de charge relevées, par niveaux de consommation ; la figure 3 montre une relation entre la puissance appelée et la température extérieure, par tranches de consommation annuelle ; la figure 4 illustre l’expression du coefficient δ en fonction de la température extérieure pour l’estimation de la régression donnant la puissance souscrite en fonction de la température extérieure ; la figure 5 illustre les étapes menant à l’estimation d’une consommation mensuelle pour des besoins de chauffage ; la figure 6 illustre une courbe schématisée avec la part de consommation pour des besoins de chauffage (courbe de dessus) et la part « hors-chauffage » (courbe de dessous) ; la figure 7 illustre les étapes menant à l’estimation corrigée de la consommation mensuelle pour des besoins de chauffage à partir d’une courbe de charge, en tenant compte en particulier d’une saisoimalité des usages d’électricité hors-chauffage ; la figure 8 illustre le calcul d’une ligne de base à corriger selon les étapes de la figure 7 ; la figure 9 illustre la relation entre puissance et température extérieure, montrant alors différents seuils de sensibilité.

La description détaille ci-après à titre d’exemple un procédé permettant d’estimer la part de consommation due au chauffage électrique d’un consommateur résidentiel individuel. Comme montré ci-après, un tel procédé est opérationnel pour l’ensemble des consommateurs, nonobstant la disponibilité des doimées et les historiques de consommation. A titre d’exemple encore, le procédé permet de fournir une estimation de la consommation électrique de chauffage au pas mensuel ci-après.

Le problème qu’il est proposé de résoudre ci-après est le suivant : il est souhaité une estimation de la part de chauffage par rapport à une consommation globale mensuelle, individuelle, qui soit : - très proche de la réalité observée, et - déployable sur des millions de consommateurs et traitant un nombre relativement faible de doimées.

Pour estimer la consommation de chauffage de chaque consommateur, plusieurs modules sont définis suivant les informations disponibles sur le consommateur (historique des données de consommation, qualification des caractéristiques du consommateur et de son logement). Il est alors proposé l’élaboration d’un indicateur de dépendance de la consommation aux températures extérieures.

En particulier, il est proposé un processus complet, capable de fonctionner notamment dans le cas de données relevées à un pas peu fréquent. Le résultat obtenu peut être intégré dans un système d’information du fournisseur d’électricité, afin de proposer une estimation de la consommation liée au chauffage électrique. Pour ce faire, on prévoit un procédé en quatre étapes, comme illustré sur la figure 1.

La première étape SI est relative à la prise en eompte des données. Il peut s'agir de données de eonsommation du logement, pour lequel la eonsommation pour les besoins de chauffage est à évaluer. On peut disposer d'un historique existant, ou non. La fréquence des relèves, le cas échéant, est quotidienne, mensuelle, semestrielle, annuelle. Par ailleurs, on dispose en outre de caractéristiques du client (par exemple le type de logement et/ou sa superficie, etc.).

Une deuxième étape S2 consiste à recevoir des données météorologiques dans une zone dans laquelle le logement est localisé. Il peut s’agir par exemple d’un appariement des données météo en rapprochant les données de la station météo la plus proche selon un code d’adresse commun. Ici, on calcule en particulier des degrés-jours (DJ) à partir d’une température seuil fixée à 15°C ou estimée si la granularité des données est au moins journalière. On compte alors le nombre de jours par mois à une certaine température, ou dans diverses plages de température comme exposé plus loin.

Une troisième étape S3 consiste à calculer en fonction des données collectées à l’étape SI un « coefficient thermique multiplicateur » (ou CTM) de température, afin d’obtenir comme le verra plus loin une forme normalisée de l’estimation de la consommation liée au chauffage, pour multiplier directement ce coefficient aux degrés-jours précités. Ainsi, si l’on dispose de peu de données d’historique, on peut modéliser un coefficient thermique multiplicateur, typiquement à partir d’un panel d’apprentissage (consommateurs équipés de compteurs intelligents à relèves fréquentes). Par ailleurs, même en présence d’historique de consommation, le calcul d’un coefficient CTM individuel, calé sur les vraies données du consommateur, permet une estimation des besoins pour le chauffage, pour ce consommateur. Le coefficient CTM (ou les coefficients, car plusieurs sont à estimer comme on le verra plus loin) sont exprimés en % / DJ.

La quatrième étape S4 consiste en l’estimation de la consommation pour des besoins de chauffage à proprement parler, selon une formule générale du type :

Conso chauffage (kWh) = [DJ(mois)] x CTM X [Conso_totale(mois)]

Suivant la disponibilité de l’historique, le type de compteur et les données de qualification, plusieurs cas se distinguent : • Cas noté 1 ci-après : Nouveau consommateur avec un compteur d’ancienne génération, donc sans historique, et des doimées de qualification minimales issues par exemple d’un conseil tarifaire, • Cas 2 : Nouveau consommateur avec un compteur intelligent : sans historique mais des données mensuelles au fil de l’eau disponibles et des données de qualification minimales, • Cas 3 : Consommateur avec un historique de consommation d’une année au moins, avec un compteur d’ancienne génération, et des données de qualification minimales • Cas 4 : Consommateur avec un historique de consommation d’une année au moins, disposant d’un compteur intelligent, et des données de qualification minimales.

Dans le dernier cas 4, deux sous-cas se déclinent selon les hypothèses : • Cas 4A : seule la consommation mensuelle est disponible et une estimation est construite sur la base de ces données, • Cas 4B : la consommation est disponible à un pas quotidien et une estimation est construite sur la base de ces données.

On entend par « données de qualification disponibles », par ordre d’importance, un ensemble de doimées collectées sur le consommateur lors de l’ouverture de son contrat ou lors de divers contacts de conseils : option tarifaire, puissance souscrite, possession de chauffage électrique, énergie d’eau chaude sanitaire, code d’adresse (commune de rattachement) du logement, surface du logement, nombre de personnes, présence de lave-linge, sèche-linge, lave-vaisselle, appareils de froid. L’étape SI comporte alors l’obtention de telles données.

Pour la mise en œuvre de l’étape S2, pour chaque consommateur dont on connaît le code de commune, il est possible de récupérer les données issues de la station météo la plus proche.

Les degrés-jour sont calculés à partir des températures relevées (TR) sur la période d’étude associées à la station météo la plus proche du consommateur et de la température seuil de non chauffage.

Un seuil de température de démarrage du chauffage est noté TS.

Si les données de consommation sont disponibles au pas journalier, cette température seuil est fixée à 15°C.

Les données initiales de températures sont possiblement tri-horaires, de sorte qu’un relevé toutes les trois heures est disponible et on a donc huit relèves de températures par jour.

La température moyenne journalière est estimée comme suit :

Après avoir calculé la moyenne par jour des températures réalisées, on peut alors calculer des degrés-jours comme suit :

Ensuite, les degrés jour cumulés mensuels sont calculés comme la somme des degrés jours sur un mois :

L’étape S3 est mise en œuvre comme suit.

Le coefficient thermique multiplicateur (CTM) exprimé en %/DJ, permet pour chaque consommateur d’estimer la sensibilité de sa consommation à la température extérieure.

Sa définition est indépendante du cas du consommateur et le calcul du coefficient CTM résulte essentiellement de l’estimation d’un paramètre de régression qui, en revanche, s’est avéré différer d’un cas à l’autre.

Pour les cas 1 et 2, le coefficient thermique multiplicateur (CTM) est calculé par modélisation sur un panel de consommateurs réels. Néanmoins, l’application opérationnelle qui suit est différente dès lors qu’aucune donnée mensuelle relevée au fil de l’eau n’est disponible. Ce cas concerne la grande majorité des consommateurs en attendant un déploiement massif des compteurs intelligents à relève fréquente.

Comme présenté ci-après, une répartition mensuelle de consommation est d’abord estimée puis le coefficient CTM est utilisé pour estimer la part de consommation liée à des besoins de chauffage.

Sans donnée de consommation fine dans ces cas 1 et 2, des coefficients CTM différents par profil de consommateurs sont estimés. A cet effet, il est observé un panel de N consommateurs (par exemple N=5000) dont on a relevé la puissance appelée toutes les dix minutes pour l’ensemble du logement. On peut s’appuyer aussi sur des données de facturation et d’un questionnaire portant sur des caractéristiques sociodémographiques de ce panel, ainsi que sur l’information d’appareils électriques présents dans chaque logement. En outre, des données de température extérieure de station météo sont utilisées.

Plusieurs facteurs agissent sur la thermosensibilité des consommateurs : - leur type de chauffage, - la composition de leur foyer, - la qualité de leur habitat.

Cependant, en première approche, la consommation annuelle permet de bien segmenter les comportements de consommation.

La figure 2 montre des courbes de charge (variation temporelle de la consommation) moyenne en fonction de tranches de consommation annuelle (représentatifs du plus petit consommateur au plus gros consommateur) : • Tranche 1 : moins de 3800 kWh • Tranche 2 : de 3800 kWh à 6000 kWh • Tranche 3 : de 6000 kWh à 9600 kWh • Tranche 4 : de 9600 kWh à 13400 kWh • Tranche 5 : de 13400 kWh à 17000 kWh • Tranche 6 : Plus de 17000 kWh

La figure 3 montre la relation entre la puissance appelée et la température extérieure en fonction des mêmes tranches de consommation. Plus la consommation annuelle est importante, plus la dépendance de la puissance par rapport à la température est importante (la pente étant plus inclinée), et la variance est également plus grande (l’épaisseur du nuage de points étant aussi plus grande).

Par ailleurs, pour construire le coefficient CTM, une seule valeur fixe exprimant la hausse de la puissance en fonction de la température extérieure ne serait pas suffisante. En effet, la puissance appelée n’apparait pas linéairement liée à la température de la même façon sur toute la plage de température où le chauffage fonctionne (généralement en dessous de 15°C). Un découpage par plages de températures permet de mieux tenir compte de la réalité (changement de pente local, par plages de températures).

Cette première observation permet avantageusement d’estimer un coefficient CTM par plages de température et constitue en soi une étape améliorant fortement l’estimation. L’usage d’un coefficient CTM par plages distinctes de température est alors susceptible de faire l’objet d’une protection séparée. Dès lors, des classes de températures ci-après peuvent être envisagées : • Tl = { T < 2°C } • T2 = { 2°C <= T < 5°C } • Tj = { 5°C<=T<8.5°C } • T4 = { 8.5°C<=T< 11.5°C } • Ts = { 11.5°C<=T< 13.7°C } • Te = { 13.7°C<=T< 15°C } • Tv = {T>=15°C}

On traduit la variabilité du coefficient thermique en modélisant, pour T< 15°C, les données disponibles de panel. On connaît en effet la puissance Pc(T) et les températures relevées à chaque instant pour l’ensemble des consommateurs du panel, et l’on en déduit les paramètres βα,ο^ βε,ι et Scj par régression selon l’équation (1) donnant un modèle par tranche de consommation: où :

• c indique la tranche de consommation annuelle • Pc fl donne une estimation grossière de la puissance moyenne à 0°C (l’ajout d’un terme proche de ôcfl permettant d’afFiner l’estimation)

• Pc^i dorme la sensibilité moyenne de la puissance par rapport à la température T • ôc^i indique im « défaut » de thermosensibilité par tranche de température • ε est im terme constant détaillé plus loin.

En traçant les en mettant en abscisse les points médians (1°C, 3,5°C, 6,75°C, 10°C, 12,5°C, et 14,3°C) des tranches de consommation comme illustré sur la figure 4, la variabilité de la thermosensibilité peut être déterminée en fonction de la température extérieure. Pour les classes de petits consommateurs, une accélération de la thermosensibilité est notable. Suite à ces observations, les coefficients ? 7c,i ? 7c,2 peuvent être obtenus en appliquant une régression aux coefficients Sc,î en fonction de la température extérieure, comme présenté dans l’équation (2) ci-après modélisant la partie variable du coefficient thermique :

En réinjectant l’équation (2) dans l’équation (1), on obtient :

De sorte qu’il est possible de définir un coefficient thermique additif, CTA, dépendant de la température comme suit : tel que :

Ce coefficient CTA n’est pas approprié à une utilisation sur un consommateur individuel, car si le consommateur ne consomme pas mais qu’il fait froid, rutilisation de ce coefficient conduit néanmoins à estimer une consommation de chauffage à tort. Il est donc préféré de considérer plutôt un coefficient multiplicatif CTM qui se calcule comme suit, en notant Mj le point médian associé à la tranche de températures Tj :

où Pmoy{c,Ti) est la puissance moyenne pour des températures extérieures comprises dans la tranche de la classe c.

On expose dans un premier temps ci-aprés le cas 4A d’un consommateur équipé d’un compteur intelligent susceptible de délivrer des données de consommation mensuelles. On dispose ainsi d’un historique d’indexes mensuels d’au moins des mois d’hiver ainsi que de la consommation annuelle de référence.

Il n’est donc pas nécessaire dans ce cas d’utiliser des profils de consommateurs « ressemblant » à un consommateur étudié. On dispose au contraire des consommations propres du consommateur étudié, afin de déterminer un coefficient CTM plus proche de ses données réelles.

Des consommations mensuelles sont alors calculées par différence entre l’index de fin et l’index du début du mois. Une consommation liée au chauffage peut alors être estimée par régression linéaire entre la consommation totale du consommateur étudié et la somme des degrés jours sur le mois.

La consommation hors chauffage est déterminée, puis fixée, avant d’effectuer la régression entre les consommations et les degrés jours, afin d’avoir une meilleure estimation de la variabilité de la consommation en fonction de la température. A partir des relèves d’indexes, des consommations « mensuelles » sont calculées.

La consommation mensuelle est calculée par différence entre l’index de fin et l’index du début du mois.

On dispose d’une année complète d’historique d’indexes mensuels, ce qui permet de calculer la consommation annuelle électrique totale de chacun des consommateurs, par différence entre l’index de fin d’année et l’index de début d’année.

Tout d’abord, une consommation « d’hiver » est calculée en effectuant la différence entre l’index du mois de mars et l’index du mois de novembre :

ConSOfii^gy — IndeXyfidj-g ^^^^Xnovembre

Une consommation « d’été » est ensuite calculée comme différence entre la consommation annuelle et la consommation d’hiver :

CoTXSOq^q — annuelle

La consommation mensuelle des mois d’hiver est alors estimée en retranchant à la consommation mensuelle cette consommation « été » divisée par 7 :

où M est un mois d’hiver (novembre à mars) et 7, le nombre de mois d’été.

Pour chaque consommateur, une régression linéaire est alors réalisée entre sa consommation estimée des mois d’hiver et les degrés jours cumulés (tels que les degrés jours cumulés soient non nuis), en supprimant la constante ci-dessus.

Conso_corrigG6f/i GTddientj^ddmj’ x Tj/cumuiési nvec DJ>0

Le gradient de consommation est la pente de la droite de régression obtenue (en Wh/C° ou kWh/°C selon l’unité de la consommation). Il s’agit d’un gradient additif.

Le problème du gradient additif est qu’il conduit à estimer une part liée au chauffage importante en cas de température froide, même si le consommateur ne consomme rien (et s’est absenté de son logement par exemple).

Le coefficient multiplicatif CTM (coefficient thermique multiplicateur) est ensuite calculé ici en divisant le gradient additif par la consommation moyenne estimée des mois d’hiver :

Ces différentes expressions du coefficient multiplicatif CTM permettent de traiter la majorité des cas 1 à 4B présentés plus haut.

Typiquement, pour le cas 3 où l’on dispose d’un historique de données avec des compteurs d’ancienne génération (non communicants), les relèves de consommations sont néanmoins d’une fréquence moyenne de 6 mois, ou au mieux tous les 2 mois. Cette fréquence de relève trop basse ne permet pas de déterminer directement un coefficient CTM. Le coefficient CTM est estimé comme présenté ci-dessus. En revanche Ehistorique de consommation pour ce cas est utilisé pour la détermination de la part liée au chauffage.

Pour le cas 4B du consommateur équipé d’un compteur communicant avec une année d’historique, on peut disposer avec ce type d’équipement d’un point de mesure par jour. Dans ce cas, il n’y a pas lieu de déterminer la part de consommation liée au chauffage en utilisant un coefficient CTM puisque le pas journalier permet d’avoir des données déjà assez fines pour proposer une estimation liée au chauffage sans avoir recours à un croisement avec des données de température. En revanche l’emploi de données météo, si elles sont disponibles, permettent d’améliorer l’estimation de consommation pour les besoin de consommation, comme on le verra plus loin.

On présente ci-après le cas 1 d’un calcul de la consommation de chauffage mensuelle, avec des compteurs d’ancienne génération (non communicant) et sans historique de relève. En référence à la figure 5, la première étape SU commence par une estimation de la consommation annuelle, comme suit, à l’aide des informations qualifiant le consommateur et son logement :

en notant Xi les indicatrices des caractéristiques du consommateur, les coefficients Uq et aj étant déterminés par régression linéaire sur un panel d’observation. E’étape suivante S12 vise une estimation de la répartition mensuelle des consommations globales, à partir d’une estimation de la répartition des consommations mensuelles en fonction de l’option tarifaire, du type de chauffage et de la durée d’utilisation de puissance souscrite (exprimée en heures, et se calculant comme le rapport entre la consommation annuelle et la puissance souscrite). On peut définir six profils de consommation (habituellement eonnus), chacun constitué d’un jeu de 12 coefficients normalisés donnant le poids de chaque mois dans l’année.

L’étape suivante S13 vise l’estimation de la part chauffage pour un consommateur de profil

Pi-

Conso_mens_estiméeyfi = aijn * ConsOann

On utilise maintenant une variante des degrés-jours mensuels, ealculés par tranehe de températures Ti

On en déduit l’estimation de la eonsommation mensuelle liée au ehaufïage :

où CTM est le coefficient calculé précédemment, et nbj(rn)le nombre de jours dans le mois m.

On relèvera en particulier un coefficient de 0,9 appliqué afin d’ôter la saisonnalité des autres usages.

En effet, il a été observé, comme on le verra plus loin, que l’augmentation de la consommation durant les mois d’hiver n’était pas liée uniquement aux besoins de chauffage, mais était liée en outre au fonctionnement d’autres appareils électriques dont par exemple : - l’usage plus soutenu d’appareils pour délivrer de l’eau chaude sanitaire (augmentant ainsi la température de l’eau extérieure dans des mitigeurs), - l’usage plus fréquent d’appareils électriques pour des besoins de cuisiner des plats chauds, et/ou encore - l’usage plus fréquent d’appareils électroniques par les consommateurs, restant davantage dans leur domicile les jours d’hiver.

On parle alors de « saisoimalité de la consommation électrique hors chauffage », qui en France, est globalement plus élevée l’hiver (voir les figures 6 et 8 commentées en détails plus loin, et en particulier la quantité 0,1 VI sur la figure 8). La valeur de ce coefficient de 0,9 peut différer légèrement localement. Elle résulte toutefois de l’observation globale du panel de consommateurs disposant d’un compteur communicant à pas fin de relèves et disposant d’un historique.

Dans le cas 3 de consommateurs avec des compteurs non communicants mais disposant d’un historique de relève, les consommateurs ont en général des relèves tous les deux mois. Dans ce cas de relèves bimestrielles, l’estimation des consommations mensuelles peut être affinée avec :

En revanche, dans le cas où l’on a deux relèves par an :

On utilise ensuite la même formule que précédemment en avec simplement la consommation mensuelle adéquate :

où CTM est le coefficient calculé précédemment, nbjirn) le nombre de jours dans le mois m.

Concernant le cas 2 (compteurs communicants, sans historique de relève), il est possible de recueillir au fil de l’eau les vraies consommations mensuelles. On peut donc estimer le chauffage par la même formule que précédemment mais en utilisant la consommation globale réelle :

où CTM est le coefficient calculé précédemment, nbj(m)le nombre de jours dans le mois m

Bien entendu, dans le simple cas 4A d’un consommateur équipé d’un compteur communicant avec historique de relève mensuelle, on a :

où CTM est le coefficient calculé précédemment.

Ainsi, il est pris l’option ici de traiter un unique CTM propre au consommateur dans ce cas, puisque l’on dispose de son historique de consommation mensuelle. Néanmoins, il est possible de prendre plus finement un CTM(Ti) par plage de températures Ti et de calculer une somme du type ci-dessus avec des CTM différents par plages, s’il est détecté une thermosensibilité par seuils du consommateur comme décrit plus loin en référence à la figure 9.

Le cas 4B traité ci-après (compteur communicant avec historique de relève journalier) permet d’établir une base d’observation sur un panel, et d’expliquer quelques principes dans ce qui précède, notamment par exemple la valeur de 0,9 du facteur de saisonnalité des applications hors chauffage.

Une courbe de charge peut être vue comme le produit d’un volume de consommation et d’une forme (normalisée) qui peut être qualifiée de « profil de consommateur ». La courbe de consommation de chauffage est estimée en faisant alors la différence entre la eourbe totale et la ligne de base (ou « baseline » ci-après) normalisée sur toute l’année pour en déduire une forme globale à multiplier alors par le niveau de consommation estimé sur l’hiver. L’extraction de la part du chauffage individuel repose sur le prineipe simple qu’au-delà d’une consommation de référence, la consommation globale journalière est constituée essentiellement des consommations liées au chauffage. La courbe de charge totale du logement au pas journalier est alors l’outil de base de l’observation.

La figure 6 illustre une courbe de charge totale au pas journalier sur presque deux ans. La courbe de dessus correspond à la relève réelle et est eonstituée de la somme de la consommation de chauffage et de celle des autres usages (hors ehaufifage). En référence maintenant à la figure 7, à partir de la courbe de eharge obtenue à l’étape S21, on estime à l’étape S22 la consommation de référence pendant la période de non-ehauffage, donnée comme la ligne de base (consommation moyenne pendant la période de juin à septembre). L’étape suivante S23 consiste à estimer la forme de la eonsommation liée au chauffage, en normalisant la courbe résultant de la différence entre la eourbe totale et la ligne de base par sa moyenne. L’étape suivante S24 consiste à déterminer le volume de consommation pendant les mois d’hiver (d’octobre à mai typiquement), en deux phases : • avec une première estimation brute VI de la consommation d’hiver au-dessus de la ligne de base, comme illustré sur la figure 8, • et une correction du volume prenant en compte la saisoimalité des autres usages pendant cette période d’hiver, en considérant la sur-consommation en hiver hors chauffage comme une fraction (environ 10% d’après les tests en France) du volume VI.

On détaille ci-après un exemple de réalisation de l’étape S22 de la figure 7, relative au calcul de la consommation de référence. En été, la consommation peut être très variable en raison des jours fériés, des vacances ou de la présence de climatiseurs. La simple moyenne de consommation sur cette période pour évaluer la ligne de base n’est pas alors le meilleur indicateur. Il est proposé alternativement un indicateur robuste, noté ci-après « MAD » (pour « Médian Absolute Déviation »).

En statistique classique, 99% de la distribution d’une variable X de loi normale est comprise dans l’intervalle [X — 3 · σ ; X -I- 3 σ] où σ est l’écart-type de X et X sa moyenne. Or, l’écart-type et la moyenne sont eux-mêmes sensibles aux valeurs aberrantes. C’est pourquoi en statistique robuste, il est préféré une formule analogue mais avec des estimateurs dits « robustes » : typiquement la médiane remplaçant la moyenne, et le MAD remplaçant l’écart-type, avec : MAD(X) = med(|Xi — med(X)|), le MAD étant la médiane des n distances à la médiane En notant : • j = 1 à N, avec N>365, l’indice du jour de la série • m = 1 à 12 les numéros de mois • Eté = {m/me{6, 7,8,9} } • Hiver = Eté (complémentaire de l’été) • T la variable consommation totale et Tj la consommation totale du jour j

On détermine B = {?} t.q.j £ Eté], de sorte que MAD (B) = medxjgB ^|Τ] — medx.gBCTjjj A l’aide du MAD, les valeurs aberrantes peuvent être éliminées en déterminant l’ensemble des consommations filtrées Bf^tre :

On peut appliquer en effet un critère de 2*MAD assez restrictif, pour être certain de bien éliminer les valeurs aberrantes.

Enfin, la consommation de référence d’été appelée « baseline » peut être déterminée comme la moyenne des consommations filtrées, ce qui s’écrit :

On détaille ci-aprés un exemple de réalisation de l’étape de première estimation de la consommation de chauffage (« volume de consommation » VI).

On estime la consommation de chauffage le jour) :

et la forme sur l’ensemble de la période étudiée :

est la moyeime des Ef

Le volume de chauffage peut être estimé en première approximation par ;

A ce stade, le volume de consommation V-^ comprend toutes les consommations au-delà de la baseline. Or, d’autres usages que le chauffage connaissent une saisonnalité. C’est pourquoi il est introduit un coefficient correcteur, compris entre 0 et 1, permettant de prendre en compte ce phénomène.

Sur une base d’apprentissage en France, la valeur de ce coefficient permettant d’optimiser les estimations de chauffage s’avère être de 0,9 (en parcourant une grille de valeurs de 0,75 à 0,95 par pas de 0,05). Ainsi : V2 = 0.9 * Fl

Au final, l’estimation de chauffage pour un jour j est la suivante :

Il est proposé ci-après de prendre en compte la température extérieure pour améliorer restimation de la consommation basée sur la simple étude des courbes de charge. On utilise donc ici des données autres que la simple courbe de charge. En particulier, la température extérieure, en prenant pour chaque consommateur, la température de la station météorologique la plus proche de son logement. En particulier, deux corrections sont appliquées à l’estimation initiale : - la première vise à neutraliser une estimation de chauffage indue, - la seconde, à limiter l’estimation de sorte à ce que celle-ci « n’explose » pas (comme expliqué ci-après).

Concernant la première correction, des estimations présentes hors période de chauffage, il se peut que le traitement de base présenté précédemment fournisse ime estimation de chauffage à des moments où il fait trop doux pour que les consommateurs enclenchent réellement leur chauffage. La température extérieure est alors utilisée afin de déterminer la température seuil d’enclenchement du chauffage.

Il est proposé, au niveau individuel, ime régression dite « fragmentée » (régression linéaire par morceaux, avec jonction des segments) entre la puissance appelée et la température extérieure. Cette tendance se remarque effectivement sur les points de mesure réelle illustrée sur la figure 9. La tendance se sépare effectivement en trois zones de températures : - de grands froids (entre -5 et 5°C), avec des points plus rares mais montrant l’intérêt d’un « sur-gradient », - une zone de chauffe « classique » entre 4 et 15°C, et - un seuil de démarrage du chauffage, souvent autour de 15°C.

On parcourt alors l’ensemble des températures extérieures afin d’y détecter des seuils de comportement. Pour déterminer un seuil s, on peut modéliser le nuage de points par deux régressions dont les droites se croisent en s, et en faisant varier le seuil, de façon à prendre la combinaison qui minimise l’erreur quadratique moyenne (EQM) sur l’ensemble du nuage de points. Pour chaque individu, on associe la température moyenne relevée à proximité, pour chaque journée. Ensuite, pour chaque individu, une régression des consommations moyennes journalières sur les températures moyennes journalières est calculée et le modèle estimé est alors donné par :

où : P est la puissance moyenne journalière «0 est la constante à l’origine 4 est une variable indicatrice qui vaut 0 si la température est supérieure au seuil Ts et 1 dans le cas contraire

βο est le coefficient de la variable T T est la variable température moyenne journalière e est l’erreur du modèle

Ainsi, si la température moyenne journalière est supérieure au seuil (4 = 0), on a plus simplement : P = «0 + βοΤ + €

Autrement, si la température moyenne journalière est inférieure au seuil (4 = 1), on a plutôt :

Pour détecter la température de démarrage du chauffage, 20 régressions ont été calculées chaque individu, soit une pour chaque seuil en allant de 6°C à 18°C par pas de 0,5°C. On peut en conserver finalement une seule (celle qui a la plus faible erreur quadratique moyenne et donc ajuste au mieux les données). D’autres variantes sont possibles, bien entendu. Toutefois, cette observation a permis déjà d’expliquer les différentes réactions au froid observées (comme présenté plus haut en référence à la figure 3) et, de là, l’intérêt de l’usage possible d’un coefficient thermique multiplicatif distinct, par tranches de température, y compris dans le cas par exemple où l’on dispose déjà d’un historique de consommation.

On propose ci-après la seconde correction, d’estimation de chauffage trop importante. Parfois, le chauffage estimé peut être trop important suite à la première estimation. En effet, si plusieurs autres appareils sont activés, la consommation totale augmente fortement et cette augmentation n’est pas prise en compte dans l’estimation du paramètre de saisonnalité, qui est global sur l’hiver. A nouveau, la température extérieure est utilisée pour déterminer le gradient et ainsi borner l’estimation en fonction de la puissance modélisée à l’aide de ce gradient. Une régression est effectuée entre la puissance et la température extérieure, pour des températures comprises entre la température seuil trouvée précédemment et 0°C (pour être certain d’être dans la partie la plus « dense » du nuage de points).

Lors des mois où l’on considère qu’il peut y avoir du chauffage, c'est-à-dire de janvier à mai inclus, et d’octobre à décembre inclus, et dans la mesure où l’estimation précédente dépasse de 10% la valeur issue de la modélisation de l’équation 2, c'est-à-dire si ; E2 > 1.1 (μ — baseline + coeffsais * “ ' T) , l’estimation du chauffage est limitée en fonction du gradient a trouvé :

Sia < 80, alors = Min ( £"2; ^ ~ baseline + 0.85 * a T),

Sinon E3 = Afin( E2; μ — baseline + 0.95 * a · T) 11 a été en effet observé que la pente entre le chauffage et la température est fonction de la pente entre la puissance appelée totale et la température. Pour un consommateur très thermosensible, le gradient de chauffage est très proche du gradient total, mais pour un consommateur moins thermosensible, en dessous de 80 W/°C, le gradient de chauffage est plus bas que le gradient total. Dans ce cas, les consommateurs consomment globalement moins et de ce fait d’autres usages, comme l’utilisation d’eau chaude sanitaire, prennent proportioimellement plus de place dans le gradient total.

Ainsi, la mise en œuvre de l’invention permet de calculer et d’obtenir : les degrés-jours mensuels, la part de consommation liée au chauffage, mensuelle, les gradients individuels et leur stockage auprès d’un système d’information du fournisseur d’énergie, et éventuellement l’alimentation de bases de données afin de générer des rapports personnalisés aux consommateurs.

Il est alors possible de sensibiliser les consommateurs en cas de vague de froid à venir en les sensibilisant sur l’intérêt à réduire la consommation de chauffage en cas d’absence, ou encore pour montrer une dérive de consommation constatée d’une année sur l’autre (ce qui peut alerter le consommateur sur ses pratiques ou ses équipements). Pour les consommateurs équipés d’un compteur communicant avec un pas de relève fréquent, il est possible d’établir un montant mensuel, voire quotidien, de la consommation liée au besoin de chauffage, en anticipation simplement à partir de prévision de température. Par ailleurs, l’invention permet en outre au fournisseur d’énergie de gérer la quantité d’énergie à produire et/ou d’organiser des campagnes d’effacement en fonction des prévisions météorologiques.

Bien entendu, la présente invention ne se limite pas aux formes de réalisation décrites ci-avant à titre d’exemple ; elle s’étend à d’autres variantes.

Par exemple, on a décrit ci-avant une estimation de la consommation d’électricité pour des besoins de chauffage. Toutefois, les principes de calcul sont les mêmes pour des besoins de climatisation, et l’invention s’applique aussi à ce cas d’usage, les équations mises en œuvre dans le procédé de l’invention étant paramétrables.

Claims (13)

1. Revendications

   1. Procédé mis en œuvre par des moyens informatiques de détermination d’une consommation électrique pour des besoins de chauffage/climatisation d’un local d’habitation, comportant les étapes : - obtenir des données relatives au moins à un type dudit local d’habitation, à une géolocalisation dudit local d’habitation, et à une période annuelle en cours, - obtenir des données de prévision de température extérieure dans un enviroimement correspondant à la géolocalisation du local d’habitation, - appliquer, au type dudit local d’habitation, un modèle d’estimation de consommation électrique pour des besoins de chauffage/climatisation associé audit type de local d’habitation, pendant la période annuelle en cours, en fonction des données de prévision de température, et - anticiper une consommation électrique occasionnée par du chauffage/climatisation du local d’habitation, résultant de l’application du modèle. Caractérisé en ce que le procédé comporte, pour l’élaboration dudit modèle, les étapes préalables : - recevoir des données de consommation moyeime par périodes dans une année, que mesure au moins un compteur témoin dans un local d’habitation témoin comportant au moins un appareil de chauffage/climatisation et un ou plusieurs autres appareils électriques du local témoin, reliés au compteur témoin, - identifier dans lesdites données de consommation moyenne, une période de l’année de creux de consommation, sans besoin de consommation liée à du chauffage/climatisation, et déterminer une consommation électrique minimum moyenne, autre qu’une consommation pour des besoins de chauffage/climatisation et occasionnée par lesdits autres appareils électriques, - retrancher ladite consommation minimum moyenne de la consommation moyenne par périodes de l’année, pour obtenir une estimation grossière d’une consommation moyenne par périodes de l’année pour des besoins de chauffage/climatisation du local témoin, - corriger l’estimation grossière par application d’un coefficient inférieur à un pour tenir compte d’une saisonnalité de consommation autre que pour des besoins de chauffage/climatisation, - construire le modèle à partir de l’estimation corrigée de la consommation moyenne par périodes de l’année pour des besoins de chauffage/climatisation du local témoin, en prévoyant une modulation de ladite estimation eorrigée, par une fonetion destinée à utiliser lesdites données de température extérieure.
2. 2. Procédé selon la revendication 1, caractérisé en ce que ladite fonction compte un nombre d’occurrences par pas journalier pendant ladite période annuelle courante, d’une température extérieure dans une tranche de températures, parmi une pluralité de tranches de températures prédéterminées (Ti), un coefficient thermique multiplicatif étant associé à chaque tranche (CTM(Ti)).
3. 3. Procédé selon la revendication 2, caractérisé en ce que l’estimation de consommation électrique pour des besoins de chauffage/climatisation associé audit type de local d’habitation, pendant la période annuelle pa en cours, est donnée par : où :

   - Cs correspond audit coefficient inférieur à un pour tenir compte d’une saisonnalité de consommation autre que pour des besoins de chauffage/climatisation, - Conso_pa_estimée est une consommation grossière estimée pour ladite période annuelle, - nbj(pa) est un nombre total de jours que comporte ladite période annuelle pa, - DJpa(ji) compte le nombre de jours dans la période annuelle pendant lesquels la température est relevée dans une tranche de température Γ,, parmi N tranches prédéterminées, - CTM(Ti) est un coefficient thermique multiplicatif associé à cette tranche de température, et de valeur déterminée statistiquement sur un ou plusieurs compteurs témoins.
4. 4. Procédé selon la revendication 3, caractérisé en ce que la consommation grossière Conso_pa_estimée est estimée à partir d’un historique de relèves de consommation par un ou plusieurs compteurs témoins disposés dans des locaux d’habitation de même type que le local pour lequel on détermine la consommation électrique pour des besoins de chauffage/climatisation, et résulte d’une consommation moyenne sur la période annuelle pa, de laquelle on a retranché une consommation minimum moyenne mesurée sur une période de l’année de creux de consommation sans besoin de consommation liée à du chauffage/climatisation.
5. 5. Procédé selon la revendication 3, caractérisé en ce que la consommation grossière Conso_pa_estimée est estimée à partir d’un historique de relèves de consommation par un compteur eourant disposé dans ledit local d’habitation pour lequel on détermine la eonsommation éleetrique pour des besoins de chauffage/elimatisation, et résulte d’une eonsommation moyeime sur la période annuelle pa, de laquelle on a retranehé une eonsommation minimum moyeime mesurée sur une période de l’année de ereux de eonsommation sans besoin de eonsommation liée à du chauffage/elimatisation.
6. 6. Procédé selon l’une des revendieations 3 à 5, caractérisé en ce que le eoeffieient Q est fixé à 0,9.
7. 7. Procédé selon l'une des revendications 3 à 6, caractérisé en ce que les tranches de température Γ, sont données comme suit : • Ti = {T<2°C} • Tz = { 2°C <= T < 5°C } • T3 = { 5°C <= T < 8.5°C } • T4 = { 8.5°C<=T< 11.5°C } • T5 = { 11.5°C<=T< 13.7°C } • Te = { 13.7°C<=T< 15°C } • T7 = {T>=15°C} avee/V=7.
8. 8. Proeédé selon l'une des revendications précédentes, caractérisé en ce que ladite période annuelle est mensuelle, pour un mois en cours.
9. 9. Procédé selon l'une des revendications précédentes, caractérisé en ce que ladite période annuelle est en hiver, en Franee, pour une estimation de consommation électrique pour des besoins de ehauffage pour des périodes allant d’octobre à mai.
10. 10. Proeédé selon l'une des revendieations précédentes, caraetérisé en ee qu’il comporte en outre une étape supplémentaire d’estimation de puissanee éleetrique à produire et/ou d’effacement de eonsommateurs eiblés en fonction de prévisions météorologiques.
11. 11. Procédé selon l'une des revendications précédentes, caractérisé en ce que le compteur témoin est un compteur communicant à fréquence de relèves au moins mensuelle, disposant d’un historique de relèves sur ime période d’un an au moins.
12. 12. Programme informatique caractérisé en ce qu’il comporte des instructions pour la mise en œuvre du procédé selon l’une des revendications précédentes, lorsque ce programme est exécuté par un processeur.
13. 13. Système informatique de détermination d’une consommation électrique pour des besoins de chaufifage/climatisation d’un local d’habitation, comportant un circuit de traitement informatique (DIS) pour la mise en œuvre du procédé selon l’une des revendications 1 à 11.