Extraction et sélection des paramètres pertinents appliquées à l'identification des appareils électriques

Abstract

De nos jours, la demande croissante de l'énergie électrique domestique oblige les fournisseurs d'électricité d'améliorer la gestion de distributions énergétiques par l'installation des compteurs intelligents. Ces derniers incorporent dans leur traitement une tâche d'identification des appareils électriques en temps réel en identifiant les classes d'appareils en état de fonctionnement à partir du signal de courant électrique mesuré au niveau d’un compteur électrique placé { l'intérieur d'un boîtier domestique standard installé à l'entrée de la maison. Notre objectif, dans le cadre de cette thèse de Doctorat, est de proposer un nouveau système d'identification des appareils électriques domestiques. Notre première contribution consiste à proposer un système d'identification basé sur l'utilisation des paramètres statistiques des harmoniques et l'application du classificateur KNN combiné avec la méthode de règle de vote. Les résultats obtenus ont montré que l'extraction de 500 paramètres, basée sur l'estimation de la moyenne statistique et de l'écart type, combinée avec la classification KNN et la stratégie de la règle de vote, donne le meilleur Taux de classification CR qui est de 94.97%. Les résultats ont montré également de bonnes performances en utilisant d'autres métriques telles que la sensibilité, la précision et le F-score. Une procédure de sélection de paramètres, basée sur la stratégie JMI, montre que l'utilisation d'un sous-ensemble de cinq paramètres est suffisante pour expliquer les différentes classes d'appareils. Notre deuxième contribution, consiste à réduire la dimensionnalité en utilisant une représentation compacte des paramètres(appelée DWE) qui est basée sur l'estimation de la moyenne et de l'écart type de l'énergie calculée à chaque niveau de décomposition dyadique de l'analyse par ondelettes. Deux descripteurs appelés LWE et WCC sont extraits également de cette analyse en appliquant respectivement le logarithme de l’Energie totale puis la transformée en cosinus discrète. Les résultats obtenus montrent que le descripteur WCC donne un CR maximal de 98.13%. De plus, la combinaison et la sélection des paramètres du descripteur WCC avec les paramètres statistiques du logarithme de l'énergie totale (descripteur LOG_E) améliore le taux de classification qui atteint jusqu'à 98.51 en utilisant seulement 5 paramètres.