Contexte
Plusieurs sources d’énergie renouvelable produisent de l’électricité de manière intermittente et imprévisible au cours de la journée. En revanche, la demande en électricité varie toutes les heures de manière prévisible. Afin d’assurer que la production d’énergie renouvelable corresponde aux besoins énergétiques, il est nécessaire d’utiliser un modèle de demande horaire. Il est important de connaitre la demande horaire afin de prévoir les écarts entre la production et l’utilisation énergétique. Cependant, la demande en électricité disponible publiquement ne l’est qu’en termes annuels. Il existe aussi des données horaires résidentielles, qui proviennent des compteurs intelligents, mais ces données sont la propriété des entreprises de services publiques. La Régie de l’énergie du Canada possède un long historique de publication des projections annuelles de l’offre et de la demande énergétique pour le Canada, dans un rapport publié annuellement (L’Avenir énergétique), et serait intéressée à répondre à cette question de recherche.
Description des données
La REC fournit les données de la demande horaire provinciale pour tous les secteurs agrégés (résidentiel + industriel + commercial/institutionnel + agricole + transport). Ces données sont disponibles publiquement pour l’Ontario par la Société indépendante d’exploitation du réseau d’électricité (SIERE)1. La REC fournit aussi les données annuelles de demande pour chaque secteur. Les données proviennent de Ressources naturelles Canada (RNCan)2. Les données horaires de la température de l’air et des conditions météorologiques (précipitations, chute de neige, masse de neige, densité de l’air, irradiation solaire au niveau du sol, irradiation solaire au sommet de l’atmosphère, fraction de couverture nuageuse) sont disponibles par ETH Zurich et le Imperial College London 3.
L’objectif de cette étude de cas est de développer un modèle de demande horaire en électricité du secteur résidentiel en Ontario. À cet effet, les participants auront accès aux variables annuelles et horaires. Le choix de l’approche d’analyse est laissé à la discrétion des participants.
Nous nous concentrons sur la demande résidentielle parce que ce secteur est le mieux défini de tous les secteurs – les autres secteurs étant industriel, commercial/institutionnel, agricole et du transport. Pour le secteur résidentiel, les composantes, appelées utilisations finales, qui déterminent la demande annuelle en électricité (par exemple le refroidissement, le chauffage ou autres) sont connues. Nous sommes aussi intéressés par des méthodes qui permettraient de déterminer l’utilisation maximale des informations existantes ou de surmonter le manque de données lors de l’élaboration d’un modèle.
La performance du modèle peut être évaluée en laissant une année de côté (validation croisée leave one out cross validation). Les données annuelles sectorielles peuvent être estimées par la sommation des données horaires prédites pour un an, selon le modèle construit. L’exactitude des données annuelles sectorielles estimées sera calculée par l’entremise de l’erreur absolue moyenne (EMA ou mean absolute error).
Où n est le nombre d’années et y représente les données annuelles sectorielles.
Demande horaire de 2003-2016 (SSC2020_hourly_demand.xslx)1
|
Variable |
Unités |
Description |
|
Utilisation totale d’énergie électrique |
Mégawatt (MW) |
Utilisation horaire d’électricité pour tous les secteurs combinés (résidentiel, industriel, commercial, agricole, transport) |
Demande annuelle de 2003-2016 (SSC2020_annual_demand.xlsx)2
|
Variable |
Unité |
Description |
|
Utilisation totale d’énergie électrique (résidentiel) |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur résidentiel |
|
Consommation énergétique en électricité par utilisation finale (résidentiel): |
||
|
Chauffage de l’espace |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur résidentiel pour le chauffage |
|
Chauffage de l’eau |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur résidentiel pour le chauffage de l’eau |
|
Appareils électroménagers |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur résidentiel pour les électroménagers |
|
Éclairage |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur résidentiel pour l’éclairage |
|
Refroidissement de l’espace |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur résidentiel pour le refroidissement |
|
Utilisation totale d’énergie électrique (industriel) |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur industriel |
|
Utilisation totale d’énergie électrique (commercial) |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur commercial |
|
Utilisation totale d’énergie électrique (agriculture) |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur agricole |
|
Utilisation totale d’énergie électrique (transport) |
Pétajoule (PJ) |
Utilisation annuelle d’électricité du secteur du transport |
Météo par heure 2003-2016 (SSC2020_hourly_weather)3
|
Variable |
Unité |
Description |
|
Précipitations |
Millimètres par heure (mm/heure) |
Quantité de bruine, pluie, grésil, neige, neige roulée ou grêle par unité de temps |
|
Température |
Degrés Celsius (°C) |
|
|
Irradiation de surface |
Watts par mètres carrés (W/m^2) |
Quantité d’énergie solaire à la surface de la terre par superficie |
|
Irradiation sommet de l’atmosphère |
watt per square meter (W/m^2) |
Quantité d’énergie solaire au sommet de l’atmosphère |
|
Chute de neige |
Millimètres per heure (mm/heure) |
Quantité de neige tombée par unité de temps |
|
Couverture de neige |
Centimètre (cm) |
Quantité totale de neige au sol |
|
Couverture nuageuse |
Fraction [0,1] |
Proportion du ciel couvert de nuage |
|
Densité de l’air |
Kilogramme par mètre cube (kg/m^3) |
Masse par unité de volume de l’atmosphère terrestre |
L’ensemble des données peut être téléchargé ici:
Pour toutes questions concernant le jeu de données, veuillez envoyer un courriel au Dr. José Ribas Fernandes jose.ribasfernandes@cer-rec.gc.ca.
Organisateurs
Dr. José Ribas Fernandes et Dr. Ryan Hum (Data and Information Management, la Régie de l’énergie du Canada)
M. Mantaj Hundal, M. Lukas Hansen, M. Michael Nadew, et M. Matthew Hansen (Energy Outlooks, la Régie de l’énergie du Canada)
Dr. Chel Hee Lee (Département de mathématiques et de statistique, Université de Calgary)
Remerciements
Nous remercions Dr. Pingzhao Hu (Département de biochimie et de génétique médicale, Université du Manitoba) et Dr. Ehsan Karim (École de santé publique et des populations, Université de la Colombie-Britannique) pour leurs aides dans la préparation de cette étude de cas.
1 Independent Electricity System Operator. (2019). Hourly demand report. Retrieved from http://reports.ieso.ca/public/Demand/
2 Natural Resources Canada. (n.d.). Comprehensive energy use database. Retrieved from http://oee.nrcan.gc.ca/corporate/statistics/neud/dpa/menus/trends/comprehensive_tables/list.cfm
3 Pfenninger, S., & Staffell, I. (2019). Renewables ninja. Retrieved from https://www.renewables.ninja/