Abstract FR:

Le controle de la production de la transmission, et de la distribution de l'energie electrique est devenu un veritable defi pour les chercheurs et les ingenieurs. Une estimation precise de la consommation future implique tout a la fois un gain en production (meilleur ajustement entre la production et la consommation), et une amelioration de la stabilite du reseau electrique. Cela permet aux industries electriques d'utiliser au mieux leurs propres ressources, de facon a optimiser conjointement le prix de l'energie et les echanges avec les producteurs limitrophes. Plus generalement, modeliser une serie discretisee issue d'un processus sous-jacent, impose de passer par un certain nombre de stades. Nous avons distingue plusieurs etapes clefs qui forment la structure du manuscrit: d'abord la comprehension du probleme, puis la selection d'un modele et le choix des variables explicatives, ensuite l'optimisation de ce modele, et enfin la prevision, suivie de l'evaluation de l'intervalle de confiance. Apres avoir analyse les donnees et effectue un etat de l'art des techniques neuronales qui avait deja ete proposees, nous avons montre l'apport des reseaux recurrents a chacune de ces etapes. Dans un premier temps, nous avons presente une serie d'optimisations permettant une meilleure implementation des reseaux recurrents. Dans un second temps, nous avons decrit un algorithme de selection de variables, que nous avons par la suite etendu a l'optimisation de l'architecture du reseau. Enfin, nous avons presente une modelisation de la variance locale de l'erreur permettant d'evaluer l'intervalle de confiance de la prevision. Notre approche a ete ensuite validee sur les donnees de consommation d'electricite de france metropolitaine fournies par edf. Nous avons pu montrer que, sur les periodes ou la comparaison a ete possible, nos previsions etaient meilleures que celles du systeme utilise actuellement par edf