0 avis
Prédiction de données différenciée pour les Smart Grids
Archive ouverte : Communication dans un congrès
Edité par HAL CCSD
International audience. La transformation des réseaux électriques existants en Smart Grids (SGs) ambitionne d'en faciliter l'automatisation pour une meilleure qualité de service tout en y facilitant l'intégration de sources d'énergies renouvelables. Cette évolution vers un réseau électrique plus intelligent nécessite de pouvoir transmettre en temps réel un maximum de données sur l'usage du réseau. Un réseau de capteurs sans fil (WSN) disséminés à travers le réseau électrique est une solution prometteuse vu les coûts réduits et la facilité du déploiement de tels réseaux. Ces avantages se heurtent avec les liens radios instables et les ressources limitées des WSNs. Afin de réduire la quantité de données envoyée sur le réseau, et donc de réduire la consommation énergétique, la prédiction des données est une solution efficace. Cette dernière consiste en une estimation des valeurs mesurées permettant de ne pas envoyer les données brutes lorsque l'estimation s'avère correcte. Ce papier présente un travail en cours qui consiste à utiliser les time series estimation avec l'algorithme Least Mean Square pour la prédiction des données dans un WSN appliqué aux SGs, tout en considérant les différents types de données et trafics des SGs. Les premiers résultats de simulation numérique présentent une meilleure prédiction de données tout en minimisant l'erreur quadratique moyenne en se comparant avec une solution de l'état de l'art.
Consulter en ligne
Suggestions
Du même auteur
Du même sujet
