Résumé

Il s'agit d'une tendance irrésistible de l'amélioration de l'énergie électrique pour développer le réseau
intelligent, qui applique un grand nombre de nouvelles technologies dans la production, la
transmission, la distribution et l'utilisation de l'énergie afin d'optimiser la configuration de l'énergie
et de réaliser des économies d'énergie. La prévision de la charge joue un rôle important dans la
planification et l'exploitation du réseau électrique, car c'est l'un des maillons essentiels pour rendre
le réseau plus intelligent. De nombreuses méthodes telles que les systèmes experts, la théorie des
systèmes gris, les réseaux neuronaux artificiels (ANN), etc. sont utilisées dans les prévisions de
charge pour effectuer la simulation. Cet article vise à illustrer la représentation du réseau neuronal
artificiel appliqué à la prévision de la charge sur la base d'une situation pratique dans la province de
l'Ontario, au Canada.

1, Introduction :

La prévision de la charge est d'une importance vitale pour les industries du système électrique à
bien des égards. En tant qu'élément essentiel du réseau intelligent, la prévision de la charge doit être
très précise pour fournir des informations exactes sur l'achat et la production d'énergie [2] sur le
marché de l'électricité, empêcher le gaspillage et l'abus d'énergie et maintenir le prix de l'électricité
dans une fourchette raisonnable, etc. Des facteurs tels que les différences de saison, les
changements climatiques, les week-ends et les jours fériés, les catastrophes et les raisons politiques,
les scénarios d'exploitation des centrales électriques et les pannes survenant sur le réseau entraînent
des changements dans la demande et la production d'électricité [1]. Depuis 1990, le réseau neuronal
artificiel (RNA) a fait l'objet de recherches en vue de son application à la prévision de la charge [2].
"Les réseaux neuronaux artificiels sont des réseaux massivement parallèles d'éléments de traitement
simples conçus pour émuler les fonctions et la structure du cerveau afin de résoudre des problèmes
très complexes" [3]. En raison de leurs caractéristiques transcendantes, les ANN sont l'une des
méthodes les plus compétentes pour réaliser des travaux pratiques tels que la prévision de la charge.
Cet article porte sur les comportements des réseaux neuronaux artificiels dans la prévision de la
charge. L'analyse des facteurs affectant la demande de charge dans l'Ontario, au Canada, est
effectuée afin de fournir une méthode efficace pour la prévision de la charge dans cette province. de
l'Ontario, au Canada, afin de fournir une méthode efficace de prévision de la charge en Ontario.