Background
Many renewable energy sources produce electricity intermittently and unpredictably throughout the day. In contrast, the demand for electricity varies hourly in a predictable fashion. Ensuring that renewable energy production matches energy needs requires a model of hourly demand. Knowing hourly demand is important because it allows predicting gaps between energy use and energy production. However, electricity demand that is available publicly only exists at an annual resolution. There are hourly residential data, originating from smart meters, but these data are property of utility companies. The Canada Energy Regulator (CER) has a long history of publishing energy supply and demand projections for Canada at an annual resolution, in a report released yearly (Energy Futures), and is interested in addressing this research question.
Data Description
The CER provides the provincial-level hourly demand data for all sectors aggregated (residential + industrial + commercial/institutional + agriculture + transportation). This data is publicly available for Ontario from the Independent Electricity System Operator (IESO).1 The CER also provides annual demand data for each sector. Data is from Natural Resources Canada (NRCan).2 Hourly air temperature and weather data (precipitation, snowfall, snow mass, air density, ground-level solar irradiation, top of atmosphere solar irradiation, cloud cover fraction) are available from ETH Zurich and 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/