WO2020099144A1 - Assistance with deciding on a location for deploying photovoltaic panels by studying consumption load curves at the location - Google Patents

Assistance with deciding on a location for deploying photovoltaic panels by studying consumption load curves at the location Download PDF

Info

Publication number
WO2020099144A1
WO2020099144A1 PCT/EP2019/079893 EP2019079893W WO2020099144A1 WO 2020099144 A1 WO2020099144 A1 WO 2020099144A1 EP 2019079893 W EP2019079893 W EP 2019079893W WO 2020099144 A1 WO2020099144 A1 WO 2020099144A1
Authority
WO
WIPO (PCT)
Prior art keywords
consumption
service point
profile
load curve
database
Prior art date
Application number
PCT/EP2019/079893
Other languages
French (fr)
Inventor
Philippe CHARPENTIER
Jeremy LESUFFLEUR
Pierre CHAUSSEROUTE
Original Assignee
Electricite De France
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electricite De France filed Critical Electricite De France
Publication of WO2020099144A1 publication Critical patent/WO2020099144A1/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Definitions

  • the present invention relates to assistance implemented by computer means to decide a place for deployment of photovoltaic panels on a national scale.
  • One of the problems that the present invention seeks to solve relates to the management of electrical production from renewable photovoltaic (PV) energy in order to achieve a local balance between production and consumption.
  • PV photovoltaic
  • the present invention proposes to better insert the PV energy produced, in the production mixture "conventional energy - PV energy", and thus to optimize the operation of the electrical distribution network.
  • the RE entity aggregates the service points for which the load curve is available. For service points for which the load curve is not available, the RE entity estimates by simulation for each service point the associated load curve according to the elements available to the RE entity.
  • the RE entity rarely has all the uses of households and businesses, and errors in the input variables of simulation models can be frequent. Above all, the simulation models use normative behavior models for households and businesses. However, at the local level, it often appears that data on consumer behavior is scarce and therefore these behavioral models may prove to be false, particularly concerning businesses.
  • service points are understood to mean premises for the consumption of electricity, both residential accommodation and business premises.
  • Another problem is that the communicating meters, making it possible to obtain charge curves by infra-hour steps and from there to know the consumption profiles, are not deployed in all the households and / or are not necessarily operational for this purpose and / or it is not desired to obtain or use personal data from users.
  • the present invention improves this situation.
  • the method further comprises:
  • the load curves of the database are normalized relative to an average consumption for each curve, to define, in said database, load curve profiles, the process comprising:
  • this average consumption can be an average annual total consumption.
  • each load curve of the database is defined by a global profile which is a function of descriptive variables among:
  • an artificial neural network can be implemented for learning the profiles of the database, with a view to accelerating the selection in the database of a load curve profile corresponding to the descriptive data of the point of local service.
  • the aforementioned descriptive data of the local service point may for example include all or part of:
  • the estimate of the electrical production of a panel at an instant t can be given by a power of type:
  • the present invention also relates to a computer device for quantifying photovoltaic panels to be installed in at least one candidate location in a given geographical area, comprising a processing circuit for implementing the above method.
  • this CT circuit possibly comprising:
  • an input interface IN for receiving the aforementioned descriptive data, as well as irradiance weather reports, for example, a memory MEM for storing in particular the above-mentioned database, as well as computer program instruction data for the implementation of the above method when they are executed by a processor PROC,
  • the processor PROC of this processing circuit able to cooperate with the memory MEM to thus execute the aforementioned computer program, and with the interface IN to process the aforementioned descriptive data, as well as irradiance weather reports,
  • the present invention also relates, moreover, to a computer program of the aforementioned type and comprising instructions for implementing the above method, when said instructions are executed by a processor of a processing circuit such as that illustrated in Figure 8.
  • the invention thus proposes to estimate / predict for each service point in a geographical area a non-regular load curve (for example 30 minutes) from a learning base comprising, typically for a few thousand consumers in a given geographic area, their load curve as well as site qualification data such as consumption and maximum power reached per month and per station.
  • a non-regular load curve for example 30 minutes
  • Constant by post is understood to mean consumption in predefined time bands, such as in France, consumption in “off-peak hours” or “peak hours”. The interest of taking these time slots into account is not linked to any economic consideration.
  • the study of consumption in these slices makes it possible to determine types of user behavior, for a detailed evaluation of their load curves. Indeed, as will be seen in detail below, the identification, for example, of peak consumption in these brackets can be explanatory variables of a model as described below.
  • the estimation of these local load curves is intended to determine an interest in deploying locally a set of production means electric by renewable energy (photovoltaic typically).
  • renewable energy photovoltaic typically.
  • the load curves of users in a district it is possible to determine an interest in deploying a set of photovoltaic panels in this district to harmonize the frequency of the distribution network (and thus smooth the electricity production that the network operator must deliver).
  • the entity responsible for balance is able to determine the capacities, in terms of photovoltaic production (PV), to install for each individual or for a local mesh (district or other) while minimizing the risk of PV overproduction and reflux on low voltage branches of the distribution network.
  • PV photovoltaic production
  • the approach proposed here is no longer to punctually study each load curve of each consumer and then to realize an average model on all the consumers studied, but rather to model the consumption of an average load curve from a group of consumers gathered in the same place (neighborhood, village, rural region, or other).
  • FIGS. 1 and 2 illustrate a reduction in dimensions of an artificial neural network by learning a database of load curve profiles
  • FIG. 3 illustrates the main steps of a method according to an exemplary embodiment of the invention
  • FIG. 4 illustrates the slight differences between an actual load curve and a load curve estimated by selection from the aforementioned database
  • FIG. 5 illustrates an example of an aggregated load curve over several consumers of the same category, and spanning several days of a typical week
  • FIG. 6 illustrates an example of daily irradiance over this typical week
  • FIG. 7 illustrates the approximation of the aggregated charge curve of FIG. 5 and the typical irradiance of FIG. 6,
  • FIG. 8 schematically illustrates a CT processing circuit of a device within the meaning of the invention.
  • the above qualification data for a service point can be as follows:
  • CRE Profile A global consumption profile
  • This data is mainly retrieved using communicating meters.
  • step SI is proposed to also standardize the overall consumption data so as to take account only of the shapes of the load curve.
  • Phc and Php are maximum consumption powers for the month considered, in off-peak and peak hours respectively, and Phc (a) and Php (a) are the same variables but over the year),
  • the dimension reduction is carried out in step S2, using a “self-encoding” computer module, applied to the shapes of the load curves.
  • a “self-encoding” computer module implements a neural network whose objective is to learn a representation of a data set in order to reduce their size. He then performs a kind of component analysis principal (PCA) non-linear (where the principal components are no longer linear combinations of the starting dimensions but a non-linear combination of these dimensions).
  • PCA component analysis principal
  • FIG. 1 Illustrated in FIG. 1 is a graphic representation of the auto-encoder taking as input the shapes of the load curves (17521 points obtained by division of each point by the average of the curve) and seeking to learn the characteristics of the curves for the predict at the end of the neural network.
  • the characteristics of the auto-encoder are as follows:
  • the network weights are optimized by the so-called Adam method (stochastic optimization used here instead of the so-called gradient descent method to update the network weights (parameters) iteratively from the learning base ).
  • Adam stochastic optimization used here instead of the so-called gradient descent method to update the network weights (parameters) iteratively from the learning base .
  • Adam's method adapts the learning rate for each of the parameters. This makes it possible to move in space more quickly for certain parameters where the cost function is smooth and slower for other parameters);
  • the activation functions are all ReLu functions, such as:
  • the ReLu function allows you to converge more quickly (in computation time) to the real parameters of the network.
  • this function solves the so-called “gradient disappearance” problem when the number of network layers increases (problem encountered in the case of too deep neural networks).
  • the input variables are those described above.
  • the layers are fully connected to each other and the activation functions are ReLu functions.
  • the weights are optimized according to Adam's method.
  • step S4 we first predict their load curve in space in 30 dimensions, in step S4 of FIG. 3. Then, in a second time, in step S5, we look for the twin of a service point so that it minimizes the distance L1 in space in 30 dimensions in step S6 (this distance corresponds to a difference between the two curves load at power "1" in absolute value). Once the twin has been selected, its load curve in space in 17521 dimensions is recovered in step S7 and it is assigned to the point of service considered in step S9, by multiplying it by the average annual power consumed by the service point considered in step S8.
  • the first embodiment for a given point of service of interest, we first recover parameters making it possible to maximize the photovoltaic production, such as for example the characteristics of the roof of a building or of a house for orient one or more photovoltaic panels, possibly the orientation and the degree of inclination.
  • x% can thus be interpreted as a risk with a margin of error of x% which should not be exceeded, for example so as not to overproduce.
  • a possible value of x is for example 15% below a risk of overlap.
  • step S10 of FIG. 3 the same reasoning is applied above to an aggregate (obtained in step S10 of FIG. 3) of the load curves belonging to the geographical area.
  • PV production means are added until the aggregated PV power Pp t is greater in only x% of the cases than the aggregated consumed power Pc t (test Sll until determining the PV capacity which is suitable for step S 12).
  • test Sll until determining the PV capacity which is suitable for step S 12).
  • a test was carried out on a sample of 22,000 load curves, cut into a training sample and a validation sample. Validation is carried out on a sample drawn randomly from the smallest consumers (maximum power less than 250kW), since these are mainly consumers whose charge curve is poorly understood. This sample contains 1500 load curves.
  • FIG. 4 An example of the result obtained is illustrated in FIG. 4.
  • the average curve of the control consumer (from which the data was obtained) is in solid line, and that drawn from the method using a “twin” of the base, is in dotted lines , for a typical week.
  • the irradiance is calculated by satellite image to an accuracy of 3 km.
  • FIG. 6 An example of an irradiance curve over seven typical days has been illustrated in FIG. 6 in the geographic sector of the ten companies mentioned above.
  • the irradiance report relates to given days of a period, but as a variant, an average irradiance over a period from May to September and over several years can be calculated.
  • the principle of the error on the estimate of solar production is based on the weighting of the error made at an instant t as a function of the average irradiance level (calculated on a history) at this instant t of the year. For example, at night, the errors are weighted by 0. Then, the weight of the errors of the early morning and the evening are very low, but become very strong around 2pm.
  • the parameters depend on
  • Illustrated in FIG. 7 is an example of calibration of the production curve on the consumption curve of the aggregate of the consuming enterprises of FIG. 5.
  • the optimal photovoltaic surface in this case of FIG. 7 is 23 m 2 .
  • the invention is not particularly limited to photovoltaic production but may alternatively or in combination relate to production by wind energy for example.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The invention concerns the quantification of photovoltaic panels to be installed in at least one potential location in a given geographical zone. Disclosed is a method comprising: - obtaining, for at least one local power consumption service point in the potential location, an estimation of a load curve of power consumption at the local service point, - obtaining, from weather readings, a measurement of solar irradiance in the geographical zone, and estimating, depending on the solar irradiance measurement, a capacity to produce electricity by photovoltaic panels in the geographical zone, - determining, depending on the electrical production capacity, the number of photovoltaic panels which together are capable of providing maximum electrical production, lower than a threshold determined according to the estimation of the load curve, with a view to installing the determined number of photovoltaic panels in the potential location.

Description

Assistance à la décision d’un lieu de déploiement de panneaux photo voltaïques par étude des courbes de charge de consommations dans le lieu  Assistance in the decision of a place of deployment of photo voltaic panels by study of consumption load curves in the place
La présente invention concerne une assistance mise en œuvre par des moyens informatiques pour décider un lieu de déploiement de panneaux photovoltaïques à une échelle nationale. The present invention relates to assistance implemented by computer means to decide a place for deployment of photovoltaic panels on a national scale.
Un des problèmes que cherche à résoudre la présente invention concerne la gestion de la production électrique à partir d’énergie renouvelable photovoltaïque (PV) pour atteindre un équilibre localement entre la production et la consommation. One of the problems that the present invention seeks to solve relates to the management of electrical production from renewable photovoltaic (PV) energy in order to achieve a local balance between production and consumption.
Dans une démarche d’accélérer la transition énergétique vers des énergies vertes, la Demanderesse a décidé d’installer 30 GW de production à partir de PV en France. In an approach to accelerate the energy transition to green energies, the Applicant has decided to install 30 GW of production from PV in France.
Il convient donc de savoir où installer les panneaux photovoltaïques correspondant. It is therefore important to know where to install the corresponding photovoltaic panels.
En effet, si les capacités solaires sont installées massivement loin des lieux de consommation, les coûts d’acheminement de l’électricité PV produite peuvent devenir très importants. Dans le cas contraire si les panneaux solaires sont installés au sein de quartiers habités, il existe un risque que la production soit à certaines heures largement supérieure à la consommation pouvant endommager des matériels, voire générer un blackout. Indeed, if the solar capacities are installed massively far from the places of consumption, the costs of transporting the PV electricity produced can become very important. Otherwise if the solar panels are installed in populated areas, there is a risk that production is at certain times much higher than consumption which can damage equipment or even generate a blackout.
La présente invention propose de mieux insérer l’énergie PV produite, dans le mélange de production « énergie classique - énergie PV », et d’optimiser ainsi le fonctionnement du réseau de distribution électrique. The present invention proposes to better insert the PV energy produced, in the production mixture "conventional energy - PV energy", and thus to optimize the operation of the electrical distribution network.
Afin de bien contrôler le mélange de production précité, garantir l’équilibre entre production et consommation locales, et aller vers une transition énergétique efficace, il convient dans un premier temps d’être capable pour une entité responsable d’équilibre (RE) d’estimer la courbe de charge d’une aire géographique donnée. Une fois la courbe de charge correctement estimée, l’entité RE est ensuite en mesure de déterminer la capacité des moyens de production PV à installer pour maximiser l’approvisionnement des foyers et entreprises sans trop risquer de générer un déséquilibre entre production et consommation locales par une surcapacité de production. In order to properly control the aforementioned production mixture, guarantee the balance between local production and consumption, and move towards an efficient energy transition, it is advisable at first to be capable for an entity responsible for balance (RE) of estimate the load curve for a given geographic area. Once the load curve has been correctly estimated, the RE entity is then able to determine the capacity of the PV production means to be installed to maximize the supply of homes and companies without risking too much to generate an imbalance between local production and consumption by overcapacity in production.
Habituellement, pour estimer la courbe de charge d’une localité et les moyens de production PV associée, une démarche dite ici « du bas vers le haut » est souvent appliquée : Usually, to estimate the load curve of a locality and the associated PV production means, a so-called "bottom-up" approach is often applied:
L’entité RE agrège les points de service dont on possède la courbe de charge. Pour les points de service dont on ne possède pas la courbe de charge, l’entité RE estime par simulation pour chaque point de service la courbe de charge associée en fonction des éléments à disposition de l’entité RE.  The RE entity aggregates the service points for which the load curve is available. For service points for which the load curve is not available, the RE entity estimates by simulation for each service point the associated load curve according to the elements available to the RE entity.
Or, l’entité RE a rarement l’ensemble des usages des foyers et des entreprises, et des erreurs dans les variables d’entrées des modèles de simulation peuvent être fréquentes. Surtout, les modèles de simulation utilisent des modèles de comportement normatif des foyers et des entreprises. Or, à l’échelle locale, il apparait souvent que les données de comportements de consommateurs sont rares et donc ces modèles comportementaux peuvent s’avérer faux notamment concernant les entreprises.  However, the RE entity rarely has all the uses of households and businesses, and errors in the input variables of simulation models can be frequent. Above all, the simulation models use normative behavior models for households and businesses. However, at the local level, it often appears that data on consumer behavior is scarce and therefore these behavioral models may prove to be false, particularly concerning businesses.
Ici, on entend en effet par « points de service » des locaux de consommation d’électricité, aussi bien des logements d’habitation que des locaux d’entreprises. Here, "service points" are understood to mean premises for the consumption of electricity, both residential accommodation and business premises.
Un autre problème est que les compteurs communicants, permettant d’obtenir des courbes de charge par pas infra-horaires et de là connaitre les profils de consommation, ne sont pas déployés dans tous les foyers et/ou ne sont pas nécessairement opérationnels à cet effet et/ou il n’est pas souhaité d’obtenir des données personnelles des utilisateurs, ni de les utiliser. Another problem is that the communicating meters, making it possible to obtain charge curves by infra-hour steps and from there to know the consumption profiles, are not deployed in all the households and / or are not necessarily operational for this purpose and / or it is not desired to obtain or use personal data from users.
Une méthode d’estimation reste ainsi nécessaire. An estimation method therefore remains necessary.
La présente invention vient améliorer cette situation. The present invention improves this situation.
Elle propose à cet effet un procédé mis en œuvre par des moyens informatiques, de quantification de panneaux photovoltaïques à installer dans au moins un lieu candidat d’une zone géographique donnée, le procédé comportant : To this end, it proposes a process implemented by computer means, for quantifying photovoltaic panels to be installed in at least one candidate location. of a given geographical area, the process comprising:
- obtenir, pour au moins un point de service local de consommation électrique en ledit lieu candidat, une estimation d’une courbe de charge de consommation électrique dudit point de service local,  - obtain, for at least one local electrical consumption service point in said candidate location, an estimate of a load curve for electrical consumption of said local service point,
- obtenir, à partir de relevés météorologiques, une mesure d’irradiance solaire dans la zone géographique, et estimer, en fonction de la mesure d’irradiance solaire, une capacité de production électrique par panneau photovoltaïque dans ladite zone géographique,  - obtain, from meteorological readings, a measurement of solar irradiance in the geographical area, and estimate, as a function of the measurement of solar irradiance, an electricity production capacity by photovoltaic panel in said geographic area,
- compter, en fonction de ladite capacité de production électrique, un nombre de panneaux photovoltaïques capables de fournir ensemble une production électrique maximum, inférieure à un seuil déterminé en fonction de ladite estimation de la courbe de charge, en vue d’installer ledit nombre ainsi compté de panneaux photovoltaïques dans le lieu candidat.  - count, as a function of said electricity production capacity, a number of photovoltaic panels capable of supplying together maximum electrical production, below a threshold determined as a function of said estimate of the charge curve, with a view to installing said number as well counted of photovoltaic panels in the candidate place.
Il est assuré ainsi que la production électrique ne dépasse pas la consommation pour éviter de reverser un excédent de production sur le réseau. It is thus ensured that the electricity production does not exceed the consumption to avoid passing on a surplus of production on the network.
Dans une forme de réalisation, le procédé comporte en outre : In one embodiment, the method further comprises:
- obtenir des données descriptives du point de service local,  - obtain descriptive data from the local service point,
- obtenir une base de données de courbes de charge, associées à des types de points de service respectifs dans une zone géographique comportant ledit lieu candidat,  - obtain a database of load curves, associated with respective types of service points in a geographic area comprising said candidate location,
- en fonction des données descriptives du point de service local, sélectionner dans la base de données une courbe de charge associée à un type de point de service correspondant aux données descriptives du point de service local, pour obtenir ladite estimation de la courbe de charge du point de service local.  - according to the descriptive data of the local service point, select in the database a load curve associated with a type of service point corresponding to the descriptive data of the local service point, to obtain said estimate of the load curve of the local service point.
Ainsi, au lieu de prédire complètement une courbe de charge manquante du point de service correspondant au lieu précité, il est mis en œuvre la simple sélection dans une base de données de la courbe de charge « la plus proche » relativement aux données descriptives du point de service local. Thus, instead of completely predicting a missing load curve of the service point corresponding to the aforementioned place, it is implemented by simple selection in a database of the “nearest” load curve relative to the descriptive data of the point local service.
Dans une réalisation, les courbes de charge de la base de données sont normalisées relativement à une consommation moyenne pour chaque courbe, pour définir, dans ladite base de données, des profils de courbe de charge, le procédé comportant : In one embodiment, the load curves of the database are normalized relative to an average consumption for each curve, to define, in said database, load curve profiles, the process comprising:
- sélectionner dans la base de données, en fonction des données descriptives du point de service local, un profil de courbe de charge associé à un type de point de service correspondant aux données descriptives du point de service local,  - select from the database, based on the descriptive data of the local service point, a load curve profile associated with a type of service point corresponding to the descriptive data of the local service point,
- appliquer un facteur correctif au profil de courbe de charge sélectionné, le facteur correctif étant fonction d’une consommation moyenne dans le point de service local, pour obtenir ladite estimation de la courbe de charge du point de service local.  - apply a corrective factor to the selected load curve profile, the corrective factor being a function of average consumption in the local service point, to obtain said estimate of the load curve of the local service point.
Par exemple, cette consommation moyenne peut être une consommation globale annuelle moyenne. For example, this average consumption can be an average annual total consumption.
Dans une réalisation plus particulière encore, chaque courbe de charge de la base de données est définie par un profil global fonction de variables descriptives parmi : In a still more particular embodiment, each load curve of the database is defined by a global profile which is a function of descriptive variables among:
- un profil annuel de consommation totale,  - an annual profile of total consumption,
- un profil de ratio de consommation en heures creuses sur une consommation totale, - a profile of consumption ratio in off-peak hours over total consumption,
- un ratio d’une pointe de consommation d’un mois donné par la somme des pointes mensuelles de différents postes sur un an, - a ratio of a peak consumption of a month given by the sum of the monthly peaks of different stations over a year,
- un profil annuel de puissances maximales mensuelles comptabilisées en heures creuses, d’une part, et en heures pleines d’autre part,  - an annual profile of monthly maximum powers recorded in off-peak hours, on the one hand, and in full hours on the other,
- pour chaque mois, une moyenne de puissances maximales sur l’ensemble des postes pour en déduire un profil annuel correspondant,  - for each month, an average of maximum powers on all stations to derive a corresponding annual profile,
- un profil, sur chaque mois, d’une puissance maximale sur l’ensemble des postes.  - a profile, on each month, of maximum power on all stations.
Avantageusement, un réseau de neurones artificiels peut être mis en œuvre pour un apprentissage des profils de la base de données, en vue d’accélérer la sélection dans la base de données d’un profil de courbe de charge correspondant aux données descriptives du point de service local. Advantageously, an artificial neural network can be implemented for learning the profiles of the database, with a view to accelerating the selection in the database of a load curve profile corresponding to the descriptive data of the point of local service.
Typiquement, il est possible de réduire les dimensions du réseau de neurones à 30 comme on le verra plus loin, pour ainsi sélectionner plus facilement un profil de courbe de charge dans la base, en obtenant des performances équivalentes dans la sélection.  Typically, it is possible to reduce the dimensions of the neural network to 30 as will be seen below, so as to more easily select a load curve profile in the base, by obtaining equivalent performance in the selection.
Par ailleurs, pour « lisser » les profils de la base, on peut prévoir qu’une ou plusieurs courbes de charge de la base de données soient construites par agrégations de courbes de charge de points de service de même type, comme on le verra plus loin en référence à la figure 5. In addition, to “smooth” the profiles of the database, one can provide that one or more load curves of the database are constructed by aggregation of charge of service points of the same type, as will be seen below with reference to FIG. 5.
Les données descriptives précitées du point de service local peuvent comporter par exemple tout ou partie de : The aforementioned descriptive data of the local service point may for example include all or part of:
- une consommation globale annuelle,  - overall annual consumption,
- des consommations mensuelles dans des postes respectifs,  - monthly consumption in respective stations,
- une puissance atteinte maximale par mois et par poste,  - maximum power reached per month and per station,
- un type de point de service, et une identification d’activité dans le cas d’une entreprise, - un profil de consommation globale de type « Profil CRE ».  - a type of service point, and an activity identification in the case of a company, - an overall consumption profile of the "CRE Profile" type.
Par ailleurs, l’estimation de la production électrique d’un panneau à un instant t peut être donnée par une puissance de type :
Figure imgf000006_0001
Furthermore, the estimate of the electrical production of a panel at an instant t can be given by a power of type:
Figure imgf000006_0001
Figure imgf000006_0002
Figure imgf000006_0002
avec: with:
- Si une surface du panneau, - S i a panel surface,
- It l’irradiance mesurée en Wh/m2, - I t the irradiance measured in Wh / m 2 ,
- ri; , un rendement habituel du panneau, et - r i; , usual panel performance, and
- pi t , des pertes habituelles du panneau. - p it , usual losses of the panel.
La présente invention vise aussi un dispositif informatique de quantification de panneaux photovoltaïques à installer dans au moins un lieu candidat d’une zone géographique donnée, comportant un circuit de traitement pour la mise en œuvre du procédé ci-avant.The present invention also relates to a computer device for quantifying photovoltaic panels to be installed in at least one candidate location in a given geographical area, comprising a processing circuit for implementing the above method.
Un exemple de réalisation d’un tel circuit de traitement CT est illustré sur la figure 8, ce circuit CT pouvant comporter : An exemplary embodiment of such a CT processing circuit is illustrated in FIG. 8, this CT circuit possibly comprising:
- une interface d’entrée IN pour recevoir les données descriptives précitées, ainsi que des relevés météorologiques d’irradiance, par exemple, - une mémoire MEM pour stocker notamment la base de données précitée, ainsi que des données d’instructions de programme informatique pour la mise en œuvre du procédé ci- avant lorsqu’elles sont exécutées par un processeur PROC, - an input interface IN for receiving the aforementioned descriptive data, as well as irradiance weather reports, for example, a memory MEM for storing in particular the above-mentioned database, as well as computer program instruction data for the implementation of the above method when they are executed by a processor PROC,
- le processeur PROC de ce circuit de traitement, apte à coopérer avec la mémoire MEM pour exécuter ainsi le programme informatique précité, et avec l’interface IN pour traiter les données descriptives précitées, ainsi que des relevés météorologiques d’irradiance, - the processor PROC of this processing circuit, able to cooperate with the memory MEM to thus execute the aforementioned computer program, and with the interface IN to process the aforementioned descriptive data, as well as irradiance weather reports,
- et une interface de sortie OUT pour délivrer les données de nombre de panneaux photovoltaïques à installer, le cas échéant. - and an OUT output interface for delivering data on the number of photovoltaic panels to be installed, if applicable.
La présente invention vise aussi, d’ailleurs, un programme informatique du type précité et comportant des instructions pour la mise en œuvre du procédé ci-avant, lorsque lesdites instructions sont exécutées par un processeur d’un circuit de traitement tel que celui illustré sur la figure 8. The present invention also relates, moreover, to a computer program of the aforementioned type and comprising instructions for implementing the above method, when said instructions are executed by a processor of a processing circuit such as that illustrated in Figure 8.
L’algorithme général d’un tel programme peut être illustré par l’ordinogramme de la figure 3 commenté plus loin.  The general algorithm of such a program can be illustrated by the flowchart of Figure 3 discussed below.
L’invention propose ainsi d’estimer/prédire pour chaque point de service d’une aire géographique une courbe de charge pas régulier (par exemple 30 minutes) à partir d’une base d’apprentissage comprenant, typiquement pour quelques milliers de consommateurs dans une zone géographique donnée, leur courbe de charge ainsi que des données de qualification du site comme la consommation et la puissance maximale atteinte par mois et par poste. The invention thus proposes to estimate / predict for each service point in a geographical area a non-regular load curve (for example 30 minutes) from a learning base comprising, typically for a few thousand consumers in a given geographic area, their load curve as well as site qualification data such as consumption and maximum power reached per month and per station.
On entend par « consommation par poste » une consommation dans des tranches horaires prédéfinies, comme par exemple en France, une consommation en « heures creuses » ou en « heures pleines ». L’intérêt d’une prise en compte de ces tranches horaires n’est pas lié à une considération économique quelconque. L’étude de la consommation dans ces tranches permet de déterminer des types de comportements d’utilisateurs, pour une évaluation fine de leurs courbes de charge. En effet, comme on le verra en détails plus loin, l’identification par exemple de pointes de consommation dans ces tranches peuvent être des variables explicatives d’un modèle comme décrit ci-après. “Consumption by post” is understood to mean consumption in predefined time bands, such as in France, consumption in “off-peak hours” or “peak hours”. The interest of taking these time slots into account is not linked to any economic consideration. The study of consumption in these slices makes it possible to determine types of user behavior, for a detailed evaluation of their load curves. Indeed, as will be seen in detail below, the identification, for example, of peak consumption in these brackets can be explanatory variables of a model as described below.
Par ailleurs, il est rappelé que l’estimation de ces courbes de charge locales a pour vocation de déterminer un intérêt à déployer localement un ensemble de moyens de production électrique par énergie renouvelable (photovoltaïque typiquement). Par exemple, par l’estimation des courbes de charge d’utilisateurs dans un quartier, il est possible de déterminer un intérêt à déployer un ensemble de panneaux photovoltaïques dans ce quartier pour harmoniser la fréquence du réseau de distribution (et lisser ainsi la production électrique que le gestionnaire du réseau doit délivrer). In addition, it is recalled that the estimation of these local load curves is intended to determine an interest in deploying locally a set of production means electric by renewable energy (photovoltaic typically). For example, by estimating the load curves of users in a district, it is possible to determine an interest in deploying a set of photovoltaic panels in this district to harmonize the frequency of the distribution network (and thus smooth the electricity production that the network operator must deliver).
Une fois l’ensemble des courbes de charge estimées, elles peuvent être agrégées afin d’estimer la courbe de charge de l’aire géographique, pour une catégorie particulière de consommateurs. Ainsi, l’entité responsable de l’équilibre (RE) est en mesure de déterminer les capacités, en termes de production photovoltaïque (PV), à installer pour chaque individu ou pour une maille locale (quartier ou autre) en minimisant le risque de surproduction PV et de reflux sur les branches de basse tension du réseau de distribution. Once all the load curves have been estimated, they can be aggregated in order to estimate the load curve of the geographical area, for a particular category of consumers. Thus, the entity responsible for balance (RE) is able to determine the capacities, in terms of photovoltaic production (PV), to install for each individual or for a local mesh (district or other) while minimizing the risk of PV overproduction and reflux on low voltage branches of the distribution network.
Ainsi, l’approche proposée ici n’est plus d’étudier ponctuellement chaque courbe de charge de chaque consommateur et de réaliser ensuite un modèle moyen sur l’ensemble des consommateurs étudiés, mais plutôt de modéliser la consommation d’une courbe de charge moyenne issue d’un ensemble de consommateurs regroupés dans un même lieu (quartier, village, région rurale, ou autre). Thus, the approach proposed here is no longer to punctually study each load curve of each consumer and then to realize an average model on all the consumers studied, but rather to model the consumption of an average load curve from a group of consumers gathered in the same place (neighborhood, village, rural region, or other).
D’autres avantages et caractéristiques de l’invention apparaîtront à la lecture d’exemples de réalisation décrits ci-après et à l’examen des dessins annexés sur lesquels : Other advantages and characteristics of the invention will appear on reading the embodiment examples described below and on examining the appended drawings in which:
- les figures 1 et 2 illustrent une réduction de dimensions d’un réseau de neurones artificiels par apprentissage d’une base de données de profils de courbes de charge, - Figures 1 and 2 illustrate a reduction in dimensions of an artificial neural network by learning a database of load curve profiles,
- la figure 3 illustre les principales étapes d’un procédé selon un exemple de réalisation de l’invention, FIG. 3 illustrates the main steps of a method according to an exemplary embodiment of the invention,
- la figure 4 illustre les légères différences entre une courbe de charge réelle et une courbe de charge estimée par sélection dans la base de données précitée,  FIG. 4 illustrates the slight differences between an actual load curve and a load curve estimated by selection from the aforementioned database,
- la figure 5 illustre un exemple d’une courbe de charge agrégée sur plusieurs consommateurs d’une même catégorie, et s’étalant sur plusieurs jours d’une semaine type, FIG. 5 illustrates an example of an aggregated load curve over several consumers of the same category, and spanning several days of a typical week,
- la figure 6 illustre un exemple d’irradiance journalière sur cette semaine type, - la figure 7 illustre le rapprochement de la courbe de charge agrégée de la figure 5 et l’irradiance type de la figure 6, FIG. 6 illustrates an example of daily irradiance over this typical week, FIG. 7 illustrates the approximation of the aggregated charge curve of FIG. 5 and the typical irradiance of FIG. 6,
- la figure 8 illustre schématiquement un circuit de traitement CT d’un dispositif au sens de l’invention.  - Figure 8 schematically illustrates a CT processing circuit of a device within the meaning of the invention.
Pour estimer la courbe de charge d’une aire géographique, il est proposé ici d’affecter pour chaque point de service dont on ne dispose pas de la courbe de charge individuelle ou à l’échelle d’une aire géographique, une courbe de charge issue de la base d’apprentissage en fonction de données de qualification (présentées ci-dessous). Il est considéré en effet que deux points de service avec des données de qualification proches ont également une courbe de charge proche. To estimate the load curve of a geographical area, it is proposed here to assign for each service point for which there is no individual load curve or on the scale of a geographical area, a load curve from the learning base based on qualification data (presented below). It is in fact considered that two service points with similar qualification data also have a similar charge curve.
Les données de qualification précitées pour un point de service peuvent être les suivantes : The above qualification data for a service point can be as follows:
• Consommation globale annuelle, • Annual global consumption,
• Consommations mensuelles pour chacun des postes,  • Monthly consumption for each item,
• Puissance atteinte maximale par mois par poste,  • Maximum power reached per month per station,
• Type de point de service : Particulier ou Entreprise  • Type of service point: Individual or Company
• Un profil de consommation globale dit « Profil CRE » (selon une définition de la Commission de Régulation d’Energie),  • A global consumption profile called "CRE Profile" (according to a definition from the Energy Regulation Commission),
• Code APE pour les entreprises (« Activité Principale Exercée »).  • APE code for companies (“Main Activity Exercised”).
Ces données sont principalement récupérées grâce aux compteurs communicants. This data is mainly retrieved using communicating meters.
En termes de performance d’estimation, il est préférable d’essayer de prédire seulement la forme d’une courbe de charge, à multiplier par un facteur correctif tenant compte de la consommation annuelle globale réelle pour estimer cette courbe de charge, plutôt que de tenter de prédire directement cette courbe de charge. In terms of estimation performance, it is better to try to predict only the shape of a load curve, to be multiplied by a corrective factor taking into account the actual overall annual consumption to estimate this load curve, rather than attempt to directly predict this load curve.
Une telle approche permet de disposer de plus de choix de courbes de charge (i.e. de formes possibles) pour un point de service donné. Au contraire, prédire la courbe de charge limiterait l’obtention de résultats aux points de service de même niveau de consommation seulement. Ainsi, en référence à la figure 3, il est proposé de normaliser également les données de consommation globale de manière à ne tenir compte que des formes de courbe de charge. Les variables explicatives suivantes sont alors initiées à l’étape SI: Such an approach makes it possible to have more choices of load curves (ie of possible shapes) for a given service point. On the contrary, predicting the load curve would limit obtaining results at points of service with the same level of consumption only. Thus, with reference to FIG. 3, it is proposed to also standardize the overall consumption data so as to take account only of the shapes of the load curve. The following explanatory variables are then initiated in step SI:
- Profil annuel (avec par exemple 12 points par an) de consommation totale, en heures creuses et heures pleines,  - Annual profile (with for example 12 points per year) of total consumption, in off-peak and full-time hours,
- Profil du ratio de la consommation en heures creuses sur la consommation totale, - Profile of the ratio of off-peak consumption to total consumption,
- Ratio d’une pointe de consommation du mois par la somme des pointes mensuelles des différents postes sur un an (par exemple pour deux postes respectivement en heures creuses et en heures pleines, il s’agit de calculer, pour chaque mois, le ratio : - Ratio of a peak consumption of the month by the sum of the monthly peaks of the various stations over a year (for example for two stations respectively during off-peak hours and full hours, it is a question of calculating, for each month, the ratio :
max(Phc,Php)/(Phc(a)+Php(a)), où Phc et Php sont des puissances de consommation maximales sur le mois considéré, respectivement en heures creuses et en heures pleines, et Phc(a) et Php(a) sont les mêmes variables mais sur l’année), max (Phc, Php) / (Phc (a) + Php (a)), where Phc and Php are maximum consumption powers for the month considered, in off-peak and peak hours respectively, and Phc (a) and Php (a) are the same variables but over the year),
- Profil annuel des puissances maximales mensuelles comptabilisées en heures creuses, d’une part, et en heures pleines d’autre part (on divise chaque puissance maximale mensuelle en heures creuses (respectivement pleines) par la moyenne des puissances maximales mensuelles en heures creuses (respectivement pleines), moyennées sur l’année). - Annual profile of the maximum monthly power recorded in off-peak hours, on the one hand, and in full hours on the other hand (we divide each maximum monthly power in off-peak hours (respectively full) by the average of the maximum monthly power in off-peak hours ( respectively full), averaged over the year).
- Pour chaque mois, on calcule la moyenne des puissances maximales sur l’ensemble des postes et on calcule le profil annuel correspondant, - For each month, we calculate the average maximum power over all stations and we calculate the corresponding annual profile,
-Pour chaque mois, on récupère la puissance maximale sur l’ensemble des postes puis on calcule le profil de cette grandeur.  -For each month, we recover the maximum power on all stations and then calculate the profile of this quantity.
A partir de ces variables explicatives, il reste compliqué de choisir le « jumeau » d’un point de service par le simple profil de consommation. From these explanatory variables, it remains complicated to choose the "twin" of a service point by the simple consumption profile.
On cherche alors à résumer les courbes de charge de la base d’apprentissage, c’est-à-dire diminuer la dimension des courbes. Une courbe de charge annuelle pouvant être vue comme un objet en 17521 dimensions, une dimension par point de relève, on cherche à ne garder que les grandes tendances caractérisant les formes des courbes de charge. We then try to summarize the load curves of the learning base, that is to say reduce the dimension of the curves. An annual load curve can be seen as an object in 17521 dimensions, one dimension per reading point, we try to keep only the major trends characterizing the shapes of the load curves.
La réduction de dimension est réalisée à l’étape S2, à l’aide d’un module informatique « auto-encodeur », appliqué sur les formes des courbes de charge. Un tel module met en œuvre un réseau de neurones dont l’objectif est d’apprendre une représentation d’un jeu de données afin de réduire leur dimension. Il réalise alors une sorte d’analyse en composantes principales (ACP) non-linéaire (où les composantes principales ne sont plus des combinaisons linéaires des dimensions de départ mais une combinaison non linéaire de ces dimensions). Ainsi une nouvelle composante permet d’expliquer/résumer des effets bien plus complexes que les composantes linéaires classiques d’une ACP habituelle. The dimension reduction is carried out in step S2, using a “self-encoding” computer module, applied to the shapes of the load curves. Such a module implements a neural network whose objective is to learn a representation of a data set in order to reduce their size. He then performs a kind of component analysis principal (PCA) non-linear (where the principal components are no longer linear combinations of the starting dimensions but a non-linear combination of these dimensions). Thus a new component makes it possible to explain / summarize much more complex effects than the classic linear components of a usual PCA.
On illustré sur la figure 1 une représentation graphique de l' auto-encodeur prenant en entrée les formes des courbes de charge (17521 points obtenus par division de chaque point par la moyenne de la courbe) et cherchant à apprendre les caractéristiques des courbes pour les prédire en fin de réseau de neurones. Les caractéristiques de l' auto-encodeur sont les suivantes : Illustrated in FIG. 1 is a graphic representation of the auto-encoder taking as input the shapes of the load curves (17521 points obtained by division of each point by the average of the curve) and seeking to learn the characteristics of the curves for the predict at the end of the neural network. The characteristics of the auto-encoder are as follows:
- Un réseau de neurones pleinement connecté ;  - A fully connected neural network;
- Les poids du réseau sont optimisés par la méthode dite d’Adam (optimisation stochastique utilisée ici à la place de la méthode dite de descente du gradient pour mettre à jour les poids (paramètres) du réseau itérativement à partir de la base d’apprentissage). Contrairement à la méthode de descente du gradient où le taux d’apprentissage est le même pour l’ensemble des paramètres, la méthode d’Adam adapte le taux d’apprentissage pour chacun des paramètres. Cela permet de se déplacer dans l’espace plus rapidement pour certains paramètres où la fonction de coût est lisse et plus lentement pour d’autres paramètres) ;  - The network weights are optimized by the so-called Adam method (stochastic optimization used here instead of the so-called gradient descent method to update the network weights (parameters) iteratively from the learning base ). Unlike the gradient descent method where the learning rate is the same for all the parameters, Adam's method adapts the learning rate for each of the parameters. This makes it possible to move in space more quickly for certain parameters where the cost function is smooth and slower for other parameters);
- Les fonctions d’activation sont toutes des fonctions ReLu, telles que :
Figure imgf000011_0001
- The activation functions are all ReLu functions, such as:
Figure imgf000011_0001
La fonction ReLu permet de converger plus rapidement (en temps de calcul) vers les vrais paramètres du réseau. De plus, cette fonction résout le problème dit de « disparition du gradient » lorsque le nombre de couches du réseau augmente (problème rencontré dans le cas de réseaux de neurones trop profonds).  The ReLu function allows you to converge more quickly (in computation time) to the real parameters of the network. In addition, this function solves the so-called “gradient disappearance” problem when the number of network layers increases (problem encountered in the case of too deep neural networks).
Pour obtenir les coordonnées des courbes dans le nouvel espace, il convient de récupérer les valeurs en sortie de la couche du centre du réseau, à savoir celle comprenant 30 neurones, comme illustré sur la figure 2. L’espace de représentation des formes des courbes de charge est ainsi passé de 17521 dimensions à 30 dimensions à l’étape S3. To obtain the coordinates of the curves in the new space, it is necessary to recover the values at the output of the layer of the center of the network, namely that comprising 30 neurons, as illustrated in FIG. 2. The space for representing the shapes of the load curves has thus gone from 17521 dimensions to 30 dimensions in step S3.
Dans le nouvel espace, il est maintenant plus facile (étant donné que sa dimension est plus petite que celle de l’espace de départ) de prédire le «jumeau » d’un point de service dont on ne dispose pas de la courbe de charge. A partir des variables explicatives disponibles, il s’agit de prédire 30 points au lieu de 17521 points. In the new space, it is now easier (since its size is smaller than that of the starting space) to predict the “twin” of a service point for which the load curve is not available . From the explanatory variables available, it is a question of predicting 30 points instead of 17521 points.
Les variables d’entrées sont celles décrites précédemment. Les couches sont pleinement connectées entre elles et les fonctions d’activation sont des fonctions ReLu. Les poids sont optimisés selon la méthode d’Adam. The input variables are those described above. The layers are fully connected to each other and the activation functions are ReLu functions. The weights are optimized according to Adam's method.
Pour affecter un jumeau à chaque point de service de l’aire géographique d’intérêt, on prédit dans un premier temps leur courbe de charge dans l’espace en 30 dimensions, à l’étape S4 de la figure 3. Puis, dans un second temps, à l’étape S5, on recherche le jumeau d’un point de service afin qu’il minimise la distance L1 dans l’espace en 30 dimensions à l’étape S6 (cette distance correspond à une différence entre les deux courbes de charge à la puissance « 1 » en valeur absolue). Une fois le jumeau sélectionné, on récupère sa courbe de charge dans l’espace en 17521 dimensions à l’étape S7 et on l’affecte au point de service considéré à l’étape S9, en la multipliant par la puissance moyenne annuelle consommée du point de service considéré à l’étape S8. To assign a twin to each service point in the geographical area of interest, we first predict their load curve in space in 30 dimensions, in step S4 of FIG. 3. Then, in a second time, in step S5, we look for the twin of a service point so that it minimizes the distance L1 in space in 30 dimensions in step S6 (this distance corresponds to a difference between the two curves load at power "1" in absolute value). Once the twin has been selected, its load curve in space in 17521 dimensions is recovered in step S7 and it is assigned to the point of service considered in step S9, by multiplying it by the average annual power consumed by the service point considered in step S8.
Une fois que la courbe de charge de chaque point de service est estimée, on peut alors dimensionner les capacités solaires. Il s’agit d’optimiser le mélange de production PV/sources classiques afin d’intégrer le plus de solaire possible tout en limitant au maximum le reflux sur le réseau de distribution. Once the charge curve of each service point is estimated, we can then size the solar capacities. It is a question of optimizing the mixture of production PV / traditional sources in order to integrate the most solar possible while limiting as much as possible the reflux on the distribution network.
Il peut être proposé deux modes de réalisation pour estimer le dimensionnement des capacités en un lieu donné : Two embodiments can be proposed to estimate the dimensioning of the capacities in a given place:
- l’estimation des capacités de production par point de service (dont un avantage est de garantir que le reflux sur le réseau puisse être minimal), - l’estimation des capacités de production sur l’agrégation (dont un avantage est de maximiser la production solaire mais d’apporter moins de garantie concernant la limitation du reflux sur le réseau). - the estimation of the production capacities by point of service (one advantage of which is to guarantee that the backflow on the network can be minimal), - the estimation of the production capacities on the aggregation (of which an advantage is to maximize the solar production but to bring less guarantee concerning the limitation of the reflux on the network).
Dans le premier mode de réalisation, pour un point donné de service d’intérêt, on récupère dans un premier temps des paramètres permettant de maximiser la production photovoltaïque, comme par exemple les caractéristiques de la toiture d’un immeuble ou d’une maison pour orienter un ou plusieurs panneaux photovoltaïques, éventuellement l’orientation et le degré d’inclinaison. In the first embodiment, for a given point of service of interest, we first recover parameters making it possible to maximize the photovoltaic production, such as for example the characteristics of the roof of a building or of a house for orient one or more photovoltaic panels, possibly the orientation and the degree of inclination.
La puissance produite par un panneau à un instant t est donnée sommairement par la puissance suivante :
Figure imgf000013_0002
The power produced by a panel at an instant t is given summarily by the following power:
Figure imgf000013_0002
Avec Si la surface des panneaux, It l’irradiance en Wh/m2,
Figure imgf000013_0001
le rendement et pi t les pertes. With If the surface of the panels, I t the irradiance in Wh / m 2 ,
Figure imgf000013_0001
the yield and p it the losses.
A partir de différents relevés météorologiques d’irradiance, on peut estimer une distribution de la puissance photovoltaïque et donc installer une surface photovoltaïque de manière à ce que soit inférieure dans x% des cas à la puissance consomméeFrom different irradiance weather reports, we can estimate a distribution of photovoltaic power and therefore install a photovoltaic surface so that it is less in x% of cases than the power consumed
Figure imgf000013_0004
Figure imgf000013_0003
étant le risque que l’installation génère un reflux sur le réseau. Cette variable x% peut être ainsi interprétée comme un risque ayant une marge d’erreur de x% à ne pas dépasser, par exemple pour ne pas surproduire. Une valeur de x possible est par exemple de 15% en- dessous d’un risque de chevauchement.
Figure imgf000013_0004
Figure imgf000013_0003
being the risk that the installation generates a backflow on the network. This variable x% can thus be interpreted as a risk with a margin of error of x% which should not be exceeded, for example so as not to overproduce. A possible value of x is for example 15% below a risk of overlap.
Dans une autre approche, selon le deuxième mode de réalisation précité, on applique le même raisonnement ci-dessus à un agrégat (obtenu à l’étape S10 de la figure 3) des courbes de charge appartenant à l’aire géographique. On ajoute des moyens de production PV jusqu’à ce que la puissance PV agrégée Ppt soit supérieure dans seulement x% des cas à la puissance consommée agrégée Pct (test Sll jusqu’à déterminer la capacité PV qui convient à l’étape S 12). Un test a été réalisé sur un échantillon de 22000 courbes de charges, découpé en un échantillon d’apprentissage et un échantillon de validation. La validation est réalisée sur un échantillon tiré aléatoirement parmi les plus petits consommateurs (puissance maximale inférieure à 250kW), car il s’agit majoritairement de consommateurs dont on connaît mal la courbe de charge. Cet échantillon contient 1500 courbes de charge. In another approach, according to the aforementioned second embodiment, the same reasoning is applied above to an aggregate (obtained in step S10 of FIG. 3) of the load curves belonging to the geographical area. PV production means are added until the aggregated PV power Pp t is greater in only x% of the cases than the aggregated consumed power Pc t (test Sll until determining the PV capacity which is suitable for step S 12). A test was carried out on a sample of 22,000 load curves, cut into a training sample and a validation sample. Validation is carried out on a sample drawn randomly from the smallest consumers (maximum power less than 250kW), since these are mainly consumers whose charge curve is poorly understood. This sample contains 1500 load curves.
L’apprentissage est réalisé sur les 20500 autres courbes. La solution est testée pour trouver une courbe jumelle à chaque candidat pour estimer sa courbe de charge.  Learning is carried out on the other 20,500 curves. The solution is tested to find a twin curve for each candidate to estimate its load curve.
La différence entre la courbe estimée à partir de la présente solution et la courbe réelle est ensuite calculée, par détermination d’une distance entre deux courbes de N points (ici N = The difference between the curve estimated from this solution and the real curve is then calculated, by determining a distance between two curves of N points (here N =
17521), appelée ci-après « métrique ». Deux métriques différentes peuvent être estimées :
Figure imgf000014_0001
17521), hereinafter called "metric". Two different metrics can be estimated:
Figure imgf000014_0001
où et représente l’erreur à l’instant i et pvi le productible photovoltaïque à l’instant i. where e t represents the error at time i and pv i the photovoltaic yield at time i.
Les résultats des calculs de distance sont présentés dans le tableau ci-après :  The results of the distance calculations are presented in the table below:
Moyenne Médiane Quantité 90%
Figure imgf000014_0002
Average Median Quantity 90%
Figure imgf000014_0002
Un exemple de résultat obtenu est illustré sur la figure 4. La courbe moyenne du consommateur témoin (dont on a obtenu les données) est en trait plein, et celle tirée de la méthode utilisant un « jumeau » de la base, est en traits pointillés, pour une semaine type. On remarque qu’avec seulement les informations de consommation globale du témoin et la courbe de charge d’un jumeau identifié dans la base JUM (figure 3) par le traitement à réseau de neurones décrit ci-avant, on arrive à bien estimer le profil de consommation du témoin. An example of the result obtained is illustrated in FIG. 4. The average curve of the control consumer (from which the data was obtained) is in solid line, and that drawn from the method using a “twin” of the base, is in dotted lines , for a typical week. We note that with only the overall consumption information of the control and the load curve of a twin identified in the JUM database (Figure 3) by the neural network processing described above, we manage to estimate the profile well. consumption of the witness.
Ensuite, pour le dimensionnement des panneaux électriques, une fois une courbe de charge agrégée sur une aire géographique obtenue par le procédé présenté ci-dessus, on cherche à déterminer la surface photovoltaïque optimale à installer. On a illustré sur la figure 5 un exemple de courbe de consommation sur un agrégat de dix entreprises consommatrices dans un même secteur géographique. Then, for the sizing of the electrical panels, once an aggregated charge curve over a geographical area obtained by the process presented above, we seek to determine the optimal photovoltaic surface to be installed. Illustrated in FIG. 5 is an example of a consumption curve on an aggregate of ten consuming companies in the same geographic sector.
Par ailleurs, on récupère l’historique d’irradiance de l’endroit où l’on désire installer les panneaux. L’irradiance est calculée par image satellite à une précision de 3km près.  In addition, we retrieve the irradiance history of the place where we want to install the panels. The irradiance is calculated by satellite image to an accuracy of 3 km.
On a illustré sur la figure 6 un exemple de courbe d’irradiance sur sept jours types dans le secteur géographique des dix entreprises précitées. Dans l’exemple illustré, le relevé d’irradiance concerne des jours donnés d’une période, mais en variante, une irradiance moyenne sur une période de mai à septembre et sur plusieurs années peut être calculée.  An example of an irradiance curve over seven typical days has been illustrated in FIG. 6 in the geographic sector of the ten companies mentioned above. In the example illustrated, the irradiance report relates to given days of a period, but as a variant, an average irradiance over a period from May to September and over several years can be calculated.
On utilise ensuite la formule pour simuler la production
Figure imgf000015_0001
We then use the formula to simulate the production
Figure imgf000015_0001
photovoltaïque pour diverses valeurs de surface des panneaux à installer Si . A cet effet, il est possible de « parcourir » une grille de valeurs donnant la surface photovoltaïque à prévoir en fonction d’un besoin de production. La surface Si optimale est celle qui minimise l’erreur du productible solaire sous la contrainte que la courbe de production ne dépasse la courbe de consommation que seulement dans x% des cas à la pointe (13h30 à 14h30) de mai à septembre (avec x=15% par exemple). photovoltaic for various surface values of the panels to be installed S i . To this end, it is possible to "browse" a grid of values giving the photovoltaic surface to be forecast according to a production need. The optimal surface area S i is that which minimizes the error of the solar energy product under the constraint that the production curve only exceeds the consumption curve in x% of the peak cases (1:30 p.m. to 2:30 p.m.) from May to September (with x = 15% for example).
Le principe de l’erreur sur l’estimation de production solaire repose sur la pondération de l’erreur réalisée à un instant t en fonction du niveau d’irradiance moyen (calculé sur un historique) à cet instant t de l’année. Par exemple, la nuit, les erreurs sont pondérées par 0. Ensuite, le poids des erreurs du début de matinée et de la soirée sont très faibles, mais deviennent très forts aux alentours de 14h. Les paramètres dépendent de
Figure imgf000015_0002
The principle of the error on the estimate of solar production is based on the weighting of the error made at an instant t as a function of the average irradiance level (calculated on a history) at this instant t of the year. For example, at night, the errors are weighted by 0. Then, the weight of the errors of the early morning and the evening are very low, but become very strong around 2pm. The parameters depend on
Figure imgf000015_0002
l’orientation et de l’inclinaison des panneaux, de la qualité des cellules, etc. the orientation and inclination of the panels, the quality of the cells, etc.
On a illustré sur la figure 7 un exemple de calage de courbe de production sur la courbe de consommation de l’agrégat des entreprises consommatrices de la figure 5. Illustrated in FIG. 7 is an example of calibration of the production curve on the consumption curve of the aggregate of the consuming enterprises of FIG. 5.
D’après les calculs présentés ci-avant avec la formule précitée et un rendement photovoltaïque d’environ 70%, la surface photovoltaïque optimale dans ce cas de la figure 7 est de 23 m2. According to the calculations presented above with the above formula and a photovoltaic yield of around 70%, the optimal photovoltaic surface in this case of FIG. 7 is 23 m 2 .
Sur cet exemple, il apparaît aussi qu’en période de weekends, la consommation des entreprises est bien en-dessous de la production photovoltaïque possible. Une catégorie d’utilisateurs, en revanche, parmi les particuliers, sont consommateurs essentiellement en période de weekends. Il est possible ainsi d’intégrer encore ces utilisateurs (résidentiels) dans l’aire géographique pour agréger les courbes de charge de ces utilisateurs à celle de la figure 5 afin de mieux optimiser et absorber la production de week-end. Bien entendu, la présente invention ne se limite pas aux formes de réalisation décrites ci- avant à titre d’exemples ; elle s’étend à d’autres variantes. On this example, it also appears that during weekends, business consumption is far below the possible photovoltaic production. A category of users, on the other hand, among individuals, are consumers mainly in weekend period. It is thus possible to further integrate these (residential) users into the geographic area to aggregate the load curves of these users to that of Figure 5 in order to better optimize and absorb weekend production. Of course, the present invention is not limited to the embodiments described above by way of examples; it extends to other variants.
Ainsi, on comprendra que l’invention ne se limite par particulièrement à une production photovoltaïque mais peut concerner alternativement ou en combinaison une production par énergie éolienne par exemple. Thus, it will be understood that the invention is not particularly limited to photovoltaic production but may alternatively or in combination relate to production by wind energy for example.

Claims

REVENDICATIONS
1. Procédé mis en œuvre par des moyens informatiques, de quantification de panneaux photovoltaïques à installer dans au moins un lieu candidat d’une zone géographique donnée, le procédé comportant : 1. Process implemented by computer means, of quantification of photovoltaic panels to be installed in at least one candidate location in a given geographic area, the process comprising:
- obtenir, pour au moins un point de service local de consommation électrique en ledit lieu candidat, une estimation d’une courbe de charge de consommation électrique dudit point de service local,  - obtain, for at least one local electrical consumption service point in said candidate location, an estimate of a load curve for electrical consumption of said local service point,
- obtenir, à partir de relevés météorologiques, une mesure d’irradiance solaire dans la zone géographique, et estimer, en fonction de la mesure d’irradiance solaire, une capacité de production électrique par panneau photovoltaïque dans ladite zone géographique,  - obtain, from meteorological readings, a measurement of solar irradiance in the geographical area, and estimate, as a function of the measurement of solar irradiance, an electricity production capacity by photovoltaic panel in said geographic area,
- compter, en fonction de ladite capacité de production électrique, un nombre de panneaux photovoltaïques capables de fournir ensemble une production électrique maximum, inférieure à un seuil déterminé en fonction de ladite estimation de la courbe de charge, en vue d’installer ledit nombre ainsi compté de panneaux photovoltaïques dans le lieu candidat.  - count, as a function of said electricity production capacity, a number of photovoltaic panels capable of supplying together maximum electrical production, below a threshold determined as a function of said estimate of the charge curve, with a view to installing said number as well counted of photovoltaic panels in the candidate place.
2. Procédé selon la revendication 1, comportant en outre : 2. Method according to claim 1, further comprising:
- obtenir des données descriptives du point de service local,  - obtain descriptive data from the local service point,
- obtenir une base de données de courbes de charge, associées à des types de points de service respectifs dans une zone géographique comportant ledit lieu candidat,  - obtain a database of load curves, associated with respective types of service points in a geographic area comprising said candidate location,
- en fonction des données descriptives du point de service local, sélectionner dans la base de données une courbe de charge associée à un type de point de service correspondant aux données descriptives du point de service local, pour obtenir ladite estimation de la courbe de charge du point de service local.  - according to the descriptive data of the local service point, select in the database a load curve associated with a type of service point corresponding to the descriptive data of the local service point, to obtain said estimate of the load curve of the local service point.
3. Procédé selon la revendication 2, dans lequel les courbes de charge de la base de données sont normalisées relativement à une consommation moyenne pour chaque courbe, pour définir, dans ladite base de données, des profils de courbe de charge, 3. Method according to claim 2, in which the load curves of the database are normalized with respect to an average consumption for each curve, in order to define, in said database, load curve profiles,
le procédé comportant : the process comprising:
- sélectionner dans la base de données, en fonction des données descriptives du point de service local, un profil de courbe de charge associé à un type de point de service correspondant aux données descriptives du point de service local, - appliquer un facteur correctif au profil de courbe de charge sélectionné, le facteur correctif étant fonction d’une consommation moyenne dans le point de service local, pour obtenir ladite estimation de la courbe de charge du point de service local. - select from the database, based on the descriptive data of the local service point, a load curve profile associated with a type of service point corresponding to the descriptive data of the local service point, - applying a corrective factor to the selected load curve profile, the corrective factor being a function of an average consumption in the local service point, to obtain said estimate of the load curve of the local service point.
4. Procédé selon la revendication 3, dans lequel ladite consommation moyenne est une consommation globale annuelle moyenne. 4. The method of claim 3, wherein said average consumption is an average annual overall consumption.
5. Procédé selon l'une des revendications 3 et 4, dans lequel chaque courbe de charge de la base de données est définie par un profil global fonction de variables descriptives parmi :5. Method according to one of claims 3 and 4, in which each load curve of the database is defined by a global profile as a function of descriptive variables from:
- un profil annuel de consommation totale, - an annual profile of total consumption,
- un profil de ratio de consommation en heures creuses sur une consommation totale, - a profile of consumption ratio in off-peak hours over total consumption,
- un ratio d’une pointe de consommation d’un mois donné par la somme des pointes mensuelles de différents postes sur un an, - a ratio of a peak consumption of a month given by the sum of the monthly peaks of different stations over a year,
- un profil annuel de puissances maximales mensuelles comptabilisées en heures creuses, d’une part, et en heures pleines d’autre part,  - an annual profile of monthly maximum powers recorded in off-peak hours, on the one hand, and in full hours on the other,
- pour chaque mois, une moyenne de puissances maximales sur l’ensemble des postes pour en déduire un profil annuel correspondant,  - for each month, an average of maximum powers on all stations to derive a corresponding annual profile,
- un profil, sur chaque mois, d’une puissance maximale sur l’ensemble des postes.  - a profile, on each month, of maximum power on all stations.
6. Procédé selon l'une des revendications 3 à 5, dans lequel un réseau de neurones artificiels est mis en œuvre pour un apprentissage des profils de la base de données, en vue d’accélérer la sélection dans la base de données d’un profil de courbe de charge 6. Method according to one of claims 3 to 5, in which an artificial neural network is implemented for learning the profiles of the database, with a view to accelerating the selection from the database of a load curve profile
correspondant aux données descriptives du point de service local. corresponding to the descriptive data of the local service point.
7. Procédé selon l'une des revendications 2 à 6, dans lequel une ou plusieurs courbes de charge de la base de données sont construites par agrégations de courbes de charge de points de service de même type. 7. Method according to one of claims 2 to 6, in which one or more load curves of the database are constructed by aggregations of load curves of service points of the same type.
8. Procédé selon l'une des revendications 2 à 7, dans lequel les données descriptives du point de service local comportent tout ou partie de : 8. Method according to one of claims 2 to 7, in which the descriptive data of the local service point includes all or part of:
- une consommation globale annuelle,  - overall annual consumption,
- des consommations mensuelles dans des postes respectifs,  - monthly consumption in respective stations,
- une puissance atteinte maximale par mois et par poste, - un type de point de service, et une identification d’activité dans le cas d’une entreprise,- maximum power reached per month and per station, - a type of service point, and an activity identification in the case of a company,
- un profil de consommation globale de type « Profil CRE ». - an overall consumption profile of the “CRE Profile” type.
9. Procédé selon l'une des revendications précédentes, dans lequel la production électrique d’un panneau à un instant t est donnée par une puissance de type :
Figure imgf000019_0001
9. Method according to one of the preceding claims, in which the electrical production of a panel at an instant t is given by a power of the type:
Figure imgf000019_0001
avec: with:
- Si une surface du panneau, - S i a panel surface,
- It l’irradiance mesurée en Wh/m2, - I t the irradiance measured in Wh / m 2 ,
- ri; , un rendement habituel du panneau, et - r i ; , usual panel performance, and
- pi t , des pertes habituelles du panneau. - p it , usual losses of the panel.
10. Dispositif informatique de quantification de panneaux photovoltaïques à installer dans au moins un lieu candidat d’une zone géographique donnée, comportant un circuit de traitement pour la mise en œuvre du procédé selon l’une des revendications précédentes. 10. Computerized device for quantifying photovoltaic panels to be installed in at least one candidate location in a given geographic area, comprising a processing circuit for implementing the method according to one of the preceding claims.
11. Programme informatique comportant des instructions pour la mise en œuvre du procédé selon l’une des revendications 1 à 9, lorsque lesdites instructions sont exécutées par un processeur d’un circuit de traitement. 11. Computer program comprising instructions for implementing the method according to one of claims 1 to 9, when said instructions are executed by a processor of a processing circuit.
PCT/EP2019/079893 2018-11-14 2019-10-31 Assistance with deciding on a location for deploying photovoltaic panels by studying consumption load curves at the location WO2020099144A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1860503 2018-11-14
FR1860503A FR3088466B1 (en) 2018-11-14 2018-11-14 ASSISTANCE IN THE DECISION OF A LOCATION OF DEPLOYMENT OF PHOTOVOLTAIC PANELS BY STUDYING THE CONSUMPTION LOAD CURVES IN THE PLACE.

Publications (1)

Publication Number Publication Date
WO2020099144A1 true WO2020099144A1 (en) 2020-05-22

Family

ID=65685749

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/079893 WO2020099144A1 (en) 2018-11-14 2019-10-31 Assistance with deciding on a location for deploying photovoltaic panels by studying consumption load curves at the location

Country Status (2)

Country Link
FR (1) FR3088466B1 (en)
WO (1) WO2020099144A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113112090B (en) * 2021-04-29 2023-12-19 内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司 Space load prediction method based on principal component analysis of comprehensive mutual informativity
CN116742716A (en) * 2023-06-13 2023-09-12 安徽华晟新能源科技有限公司 Photovoltaic power station output power adjusting method and device and computer equipment

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100179704A1 (en) * 2009-01-14 2010-07-15 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
FR3014613A1 (en) * 2013-12-11 2015-06-12 Electricite De France PREDICTING ERASED FLUID CONSUMPTION
US20150276980A1 (en) * 2014-03-31 2015-10-01 Stc.Unm Apparatus and method for solar energy resource micro-forecasts for solar generation sources and utilities

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100179704A1 (en) * 2009-01-14 2010-07-15 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
FR3014613A1 (en) * 2013-12-11 2015-06-12 Electricite De France PREDICTING ERASED FLUID CONSUMPTION
US20150276980A1 (en) * 2014-03-31 2015-10-01 Stc.Unm Apparatus and method for solar energy resource micro-forecasts for solar generation sources and utilities

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MINWON PARK ET AL: "A novel simulation method for pv power generation systems using real weather conditions", INDUSTRIAL ELECTRONICS, 2001. PROCEEDINGS. ISIE 2001. IEEE INTERNATION AL SYMPOSIUM ON JUNE 12-16, 2001, PISCATAWAY, NJ, USA,IEEE, PISCATAWAY, NJ, USA, vol. 1, 12 June 2001 (2001-06-12), pages 526 - 530, XP010549070, ISBN: 978-0-7803-7090-6 *

Also Published As

Publication number Publication date
FR3088466B1 (en) 2022-06-17
FR3088466A1 (en) 2020-05-15

Similar Documents

Publication Publication Date Title
Halabi et al. Performance analysis of hybrid PV/diesel/battery system using HOMER: A case study Sabah, Malaysia
CN107093007B (en) Power distribution network reliability assessment method considering light storage continuous loading capacity
Sharma et al. Cloudy computing: Leveraging weather forecasts in energy harvesting sensor systems
Branker et al. A review of solar photovoltaic levelized cost of electricity
Cellura et al. Photovoltaic electricity scenario analysis in urban contests: An Italian case study
Pillot et al. Grid parity analysis of distributed PV generation using Monte Carlo approach: The Brazilian case
Shakouri et al. A probabilistic portfolio-based model for financial valuation of community solar
Zhang et al. Assessment of climate change impacts on the hydro-wind-solar energy supply system
Bosman et al. Performance modeling and valuation of snow-covered PV systems: examination of a simplified approach to decrease forecasting error
Birnie III Optimal battery sizing for storm-resilient photovoltaic power island systems
WO2020099144A1 (en) Assistance with deciding on a location for deploying photovoltaic panels by studying consumption load curves at the location
Reimuth et al. Influence of different battery charging strategies on residual grid power flows and self-consumption rates at regional scale
Schubert Modeling hourly electricity generation from PV and wind plants in Europe
Fattori et al. High solar photovoltaic penetration in the absence of substantial wind capacity: storage requirements and effects on capacity adequacy
Kebour et al. Contribution to the analysis of a stand-alone photovoltaic system in a desert environment
Jouttijärvi et al. A comprehensive methodological workflow to maximize solar energy in low-voltage grids: A case study of vertical bifacial panels in Nordic conditions
Hassan et al. PVAnalytX: A MATLAB toolkit for techno-economic analysis and performance evaluation of rooftop PV systems
Peratikou et al. Estimating clear-sky PV electricity production without exogenous data
Rathore et al. Techno-socio-economic and sensitivity analysis of standalone micro-grid located in central India
Fisher et al. A Simple Metric for Predicting Revenue from Electric Peak‐Shaving and Optimal Battery Sizing
Ramirez Camargo et al. Spatiotemporal modeling for assessing complementarity of renewable energy sources in distributed energy systems
WO2023222401A1 (en) Method for forecasting a power produced by at least one photovoltaic panel
EP3989383A1 (en) Method for characterising an energy system powered by at least one renewable energy source
Schepel et al. The Dutch PV portal 2.0: An online photovoltaic performance modeling environment for the Netherlands
Segarra-Tamarit et al. Optimized management of a residential microgrid using a solar power estimation database

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19794582

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19794582

Country of ref document: EP

Kind code of ref document: A1